Habilidad Data Analysis Standard

Convierte números crudos en decisiones de producto. Estructura cada análisis con una pregunta clara, metodología, hallazgo y acción recomendada.

Marco de Análisis: El Método de 4 Preguntas

Todo análisis comienza aquí:

1. ¿Qué cambió? (describe la métrica y su movimiento)
2. ¿Por qué cambió? (causa raíz — segmento, paso del funnel, cohorte, canal)
3. ¿Y qué? (impacto en el negocio o producto)
4. ¿Ahora qué? (acción recomendada con nivel de confianza)

Nunca entregues datos sin responder las cuatro preguntas. Un gráfico sin narrativa no es un análisis.

Plantilla de Triage de Métricas

Usa cuando una métrica se haya movido inesperadamente:

MÉTRICA: [Nombre]
MOVIMIENTO: [X% de cambio durante Y período]
LÍNEA BASE: [Cuál era lo normal]

VALIDACIÓN POR SEGMENTACIÓN:
- ¿Por plataforma (iOS / Android / Web)?
- ¿Por cohorte de usuario (nuevos / recurrentes / power users)?
- ¿Por canal de adquisición?
- ¿Por geografía?
- ¿Por plan/tier?

HIPÓTESIS DE CAUSA RAÍZ:
1. [Explicación más probable] — Evidencia: [punto de dato]
2. [Explicación alternativa] — Evidencia: [punto de dato]
3. [Descartando] — Eliminada porque: [razón]

CONCLUSIÓN: [Respuesta en una oración a "¿por qué cambió esto?"]
CONFIANZA: [Alta / Media / Baja] — basada en [datos disponibles]

Estructura de Análisis de Funnel

| Etapa | Métrica | Actual | Benchmark/Meta | Caída % | Notas | |---|---|---|---|---|---| | Inicio del funnel] | Usuarios] | N] | N] | — | | | Paso 2] | Usuarios] | N] | N] | X%] | | | Paso 3] | Usuarios] | N] | N] | X%] | | | Conversión] | Usuarios] | N] | N] | X%] | |

Mayor caída: Paso X → Paso Y] — Hipótesis: razón] Investigación recomendada: consulta específica o test]

Directrices de Análisis de Cohortes

Siempre define:

• Definición de cohorte: Qué agrupa usuarios — semana de registro, primera acción, tipo de plan]
• Métrica de retención: Qué cuenta como retención — login, acción principal, revenue]
• Ventana de retención: D1, D7, D30, W4, M3, etc.]

Entrega una tabla de retención de cohortes y anota:

• Retención base para cada cohorte
• Cohortes que funcionan mejor/peor y por qué (lanzamiento de feature, campaña, estacional)
• Dirección de tendencia entre cohortes (mejorando / empeorando / estable)

Formato de Output de Análisis para Stakeholders

Título del Análisis] — Fecha]

Pregunta que se responde: Pregunta específica en lenguaje claro] Período de tiempo: Rango de fechas] Fuente de datos: De dónde vienen los datos]

Hallazgo: > Resumen de 1–2 oraciones en lenguaje claro de qué muestran los datos]

Gráfico/tabla clave: Incluir o describir]

Causa raíz: Mejor explicación con evidencia]

Nivel de confianza: Alto / Medio / Bajo] — razón]

Acción recomendada:

1. Acción inmediata — propietario, timeline]
2. Investigación necesaria — qué verificar después]
3. Monitoreo — qué métrica observar y a qué frecuencia]

Qué este análisis NO nos dice: Salvedad importante — qué datos faltan o qué no se puede concluir]

Inputs Requeridos

Pregunta al usuario por esto si no está proporcionado:

• Métrica o pregunta bajo investigación
• Período de tiempo (qué cambió, de cuándo a cuándo)
• Datos disponibles (qué segmentos, fuentes o queries tienes disponibles)
• Contexto de negocio (qué decisión informa este análisis)
• Audiencia (quién leerá esto — ejecutivo / equipo / equipo de datos)

Validaciones de Calidad

• ] El análisis responde las 4 preguntas: qué cambió, por qué, y qué, ahora qué
• ] La causa raíz tiene evidencia (no solo hipótesis)
• ] El nivel de confianza está establecido y justificado
• ] Lo que los datos no pueden decirnos está nombrado explícitamente
• ] La acción recomendada incluye propietario y timeline

Antipatrones

• ] No presentes correlaciones como causalidad — siempre establece la distinción explícitamente
• ] No reportes un movimiento de métrica sin indicar la ventana de tiempo y línea base de comparación
• ] No saltes el "y qué" — observaciones crudas sin acciones recomendadas son análisis incompleto
• ] No exageres la confianza — etiqueta hipótesis claramente y anota qué datos serían necesarios para confirmarlas
• ] No ignores breakdowns por segmento — métricas agregadas pueden enmascarar tendencias opuestas en subsegmentos

Directrices

• Siempre indica qué los datos no pueden decirte — nunca sobrevenda confianza
• Las correlaciones no son causalidad — marca esto cada vez
• Si el usuario no tiene línea base, recomienda establecer una antes de extraer conclusiones
• Recomienda el gráfico más simple para cada hallazgo: barras para comparación, líneas para tendencias, scatter para correlación, tabla para breakdowns detallados
• Siempre especifica la ventana de tiempo — "la conversión bajó" es sin sentido sin "de X a Y durante Z período"