Loading
Lesson 10 of 25· Tipos de problemas: describir vs predecir
Imagina que administras la tienda online de electrónica que hemos venido usando en el curso. Al cierre del año llegan dos preguntas a tu escritorio:
Parecen similares —ambas son "preguntas sobre datos"— pero pertenecen a dos mundos distintos de la ciencia de datos. La primera mira hacia el pasado: los datos ya contienen la respuesta, solo hay que resumirlos. La segunda mira hacia el futuro: la respuesta no existe todavía en ningún registro; hay que estimarla a partir de patrones.
Esa frontera —describir lo que pasó frente a predecir lo que pasará— es una de las distinciones más útiles de toda la ciencia de datos. Saber en qué lado cae un problema te dice qué herramientas necesitas, cuánto esfuerzo cuesta y qué tan confiable será la respuesta. Al terminar esta lección podrás tomar cualquier pregunta de negocio y clasificarla con confianza.
Un problema descriptivo busca resumir, contar o comparar datos que ya existen. La información necesaria ya está registrada; el trabajo consiste en organizarla para que un humano la entienda.
Son el pan de cada día de cualquier organización, y probablemente ya los has visto disfrazados de otros nombres:
La señal que delata un problema descriptivo es que la respuesta ya está en los datos: nadie tiene que adivinar. Si sumas correctamente las filas de la tabla pedidos, obtienes el número correcto, no una estimación. Por eso las herramientas típicas aquí son SQL (para preguntar a la base de datos), hojas de cálculo, Pandas (para agrupar y resumir) y la visualización (para comunicar el resumen).
Regla mental: si podrías —en teoría— contestar la pregunta contando a mano con paciencia infinita, es descriptivo.
Un problema predictivo busca estimar un valor que aún no conocemos, casi siempre porque se refiere al futuro o a un caso nuevo del que no tenemos el dato.
Aquí la respuesta no está en la tabla: ninguna fila dice "este cliente se irá el próximo mes". Lo que hacemos es aprender de casos pasados —clientes que sí se fueron y clientes que se quedaron— para reconocer patrones, y luego aplicar esos patrones a casos nuevos. Ese es exactamente el trabajo del machine learning.
Ejemplos realistas para la tienda:
Dos diferencias clave frente a lo descriptivo:
Regla mental: si por más que cuentes las filas actuales la respuesta no aparece —porque aún no ha ocurrido—, es predictivo.
A veces oirás un tercer término: prescriptivo. Va un paso más allá de predecir: no solo estima qué pasará, sino que recomienda qué acción tomar para lograr un objetivo. Por ejemplo, después de predecir qué clientes abandonarán, un sistema prescriptivo sugeriría a cuáles ofrecer un descuento y de cuánto para retenerlos al menor costo.
Es el nivel más ambicioso (y complejo) y combina predicción con optimización y reglas de negocio. Para un panorama introductorio basta con que lo reconozcas: descriptivo → predictivo → prescriptivo es una escalera de "qué pasó" a "qué pasará" a "qué deberíamos hacer". El resto del curso —y de tu camino inicial— se concentra en los dos primeros peldaños.
Cuando te llegue una pregunta y dudes en qué categoría cae, recórrela por este árbol. Las dos bifurcaciones importantes son: ¿la respuesta ya está en los datos? y, si no, ¿queremos también una acción recomendada?
Cuando un problema es predictivo, todavía se divide en dos grandes familias según qué tipo de respuesta estás estimando. Esta distinción decide qué algoritmo y qué métricas se usan, así que conviene reconocerla desde ya —sin una sola fórmula.
Clasificación → predecir una categoría (una etiqueta de un conjunto finito). La respuesta es "¿a cuál de estos grupos pertenece?".
Regresión → predecir un número continuo. La respuesta es "¿cuánto?" o "¿qué valor?".
Un truco simple para distinguirlas: si las respuestas posibles caben en una lista corta de nombres (sí/no, alto/medio/bajo, las categorías de producto), es clasificación. Si la respuesta es un número dentro de un rango (98, 1 340.50, 20 000), es regresión.
Ojo con un caso engañoso: "¿cuántas estrellas dará este cliente, de 1 a 5?" puede tratarse como clasificación (5 categorías ordenadas) o como regresión (un número). En la práctica ambos enfoques son válidos; lo importante ahora es que veas por qué podría ir a cualquiera de los dos lados.
Para que un modelo predictivo aprenda, organizamos los datos históricos en dos partes. Piensa en una tabla donde cada fila es un ejemplo (un cliente, un pedido):
| característica 1 | característica 2 | característica 3 | target (etiqueta) |
|---|---|---|---|
| pedidos en 6 meses | días desde última compra | ciudad | ¿abandonó? sí/no |
| 8 | 12 | CDMX | no |
| 1 | 210 | Puebla | sí |
Esta separación es la base de todo el aprendizaje supervisado: el modelo aprende la relación entre las características y el target a partir de ejemplos pasados, para luego aplicarla a casos donde el target es desconocido. Lo verás una y otra vez en cualquier curso de machine learning.
Antes de mirar las respuestas, decide para cada caso: ¿es descriptivo o predictivo? Y si es predictivo, ¿es clasificación o regresión? Tómate un momento con cada uno —esta es la parte que de verdad fija el concepto.
Piénsalas… y ahora compara:
¿Dudaste en el 4? Es el caso más traicionero: suena a "¿cuánto…?" (que asociamos con regresión), pero se refiere al pasado, así que la respuesta ya está en los datos → descriptivo. Recuerda: primero decide pasado vs futuro; solo si es futuro te preguntas categoría vs número.
Clasificar bien un problema desde el inicio te ahorra semanas de trabajo mal enfocado:
Muchos proyectos reales empiezan siendo descriptivos ("entendamos qué está pasando") y, solo cuando el negocio está listo, evolucionan hacia lo predictivo ("anticipemos lo que va a pasar"). Ambos escalones son valiosos, y dominar el descriptivo es el prerequisito natural del predictivo.
Un gerente te pide: "Dame el promedio de gasto por cliente el año pasado y una predicción de cuánto gastará cada uno el próximo año, marcando quiénes probablemente dejarán de comprar."
Descompón la petición en sus tres piezas y clasifica cada una:
Si pudiste separar las tres y nombrar cada tipo, ya dominas la distinción central de esta lección. En la siguiente veremos, sin una sola fórmula, cómo se ve por dentro un modelo predictivo trabajando sobre los datos de la tienda.
Free