Conjunto estructurado de información recopilada a partir de distintas fuentes. En el análisis predictivo, la calidad y variedad de los datos determinan la solidez de los modelos desarrollados y la relevancia de las variables seleccionadas.

Representación matemática que describe una relación entre variables. Un modelo predictivo utiliza variables de entrada para estimar resultados futuros según patrones observados en los datos históricos.

Cualquier característica, cuantitativa o cualitativa, utilizada como entrada o salida en un modelo analítico. Su selección y transformación influyen directamente en el rendimiento de los modelos.

Proceso de modificar datos o variables para adaptarlos a requisitos analíticos. Puede incluir normalización, escalado o creación de nuevas variables a partir de las originales.

Evaluación del modelo o de las variables mediante pruebas cruzadas y análisis de resultados en distintos escenarios. Busca asegurar que los hallazgos sean fiables y extrapolables.

Distorsión que puede ocurrir durante la recogida, selección o interpretación de datos, afectando la objetividad y la utilidad de los modelos predictivos. La detección y corrección de sesgos es fundamental.

Medida que refleja el peso o relevancia de una variable en el desempeño de un modelo predictivo. Se calcula mediante técnicas estadísticas o mediante comparación de resultados al modificar la presencia de variables.

Situación en la que un modelo se ajusta demasiado a los datos de entrenamiento y pierde capacidad de generalizar a nuevos casos. El sobreajuste limita la utilidad práctica del análisis predictivo.

Origen de los datos o variables empleados en el análisis. Puede ser interna (propia de la organización) o externa (fuentes públicas o privadas), y determina en parte la calidad y el contexto de los resultados.