Duración estimada: 4 horas
Nivel: Intermedio-avanzado
Objetivo general:
Aprender los fundamentos del Machine Learning (aprendizaje automático) aplicado en Excel, utilizando complementos y herramientas visuales sin programación para crear modelos de predicción y clasificación.
1. Introducción al aprendizaje automático (sin código)
El Machine Learning (ML) permite que los ordenadores aprendan de los datos para hacer predicciones o clasificaciones sin ser programados explícitamente.
En Excel, el aprendizaje automático se puede aplicar mediante:
• Modelos predictivos (anticipan valores futuros).
• Modelos clasificadores (agrupan o etiquetan elementos).
Gracias a complementos y herramientas integradas, no se necesita código:
Excel puede conectarse con Power BI, DataRobot, MonkeyLearn o XLSTAT para realizar análisis predictivos y de texto.
Ejemplo básico
Cliente Ingresos (€) Antigüedad (años) Riesgo
001 25.000 2 Bajo
002 12.000 1 Alto
003 18.500 3 Medio
El objetivo es que el modelo aprenda la relación entre Ingresos y Antigüedad para predecir el riesgo de nuevos clientes.
2. Uso de complementos de IA en Excel
2.1. XLSTAT
Complemento estadístico avanzado que permite:
• Regresión lineal y logística.
• Análisis discriminante.• Árboles de decisión y clustering.
• Predicciones con métricas de precisión.
Instalación:
Pestaña Insertar → Obtener complementos → Buscar “XLSTAT”.
Ejemplo:
1. Selecciona tus datos.
2. En la pestaña XLSTAT → Machine Learning → Clasificación.
3. Escoge “Regresión logística”.
4. Define la variable dependiente (Riesgo) y las independientes (Ingresos, Antigüedad).
5. Ejecuta y analiza el porcentaje de acierto.
2.2. DataRobot for Excel
Herramienta de IA automatizada (“AutoML”) que permite construir modelos predictivos en segundos.
Ventajas:
• Crea modelos de regresión y clasificación automáticamente.
• Elige el mejor modelo según precisión (R², RMSE, etc.).
• Genera explicaciones visuales de las predicciones.
Ejemplo práctico:
1. Instala el complemento “DataRobot for Excel”.
2. Conéctalo a tu cuenta DataRobot.
3. Carga tus datos y selecciona el objetivo (Ventas futuras, Demanda, etc.).
4. El sistema entrena varios modelos (árboles, regresión, redes neuronales).
5. Inserta las predicciones directamente en Excel.
2.3. MonkeyLearn
Ideal para análisis de texto y sentimiento dentro de Excel.
Ejemplo:• Analizar comentarios de clientes para clasificar como Positivo, Negativo o Neutro.
• Complemento: “MonkeyLearn Excel Add-in”.
• Conecta con API → selecciona columna de texto → aplica modelo de clasificación.
2.4. Power BI AI Visuals
Integración con Power BI (accesible desde Excel con Power BI Publisher o
“Analizar en Excel”).
Permite usar IA visual sin código:
• Key Influencers: detecta factores que más influyen en un resultado.
• Decomposition Tree: analiza causas y subcausas de una variable.
• Q&A visual: consulta datos con lenguaje natural.
Ejemplo: “¿Qué variables influyen más en la probabilidad de cancelación de clientes?”
3. Clasificación de clientes o productos mediante datos
Ejemplo: Clasificación de riesgo de clientes
1. Crear una tabla:
Cliente Ingresos (€) Antigüedad (años) Riesgo
001 12.000 1 Alto
002 18.000 2 Medio
003 25.000 3 Bajo
2. Usar XLSTAT o DataRobot:
o Entrenar el modelo con los primeros registros.
o Predecir el riesgo para clientes nuevos (sin etiqueta).
3. Comparar resultados y analizar los factores de mayor peso.
Un modelo simple de regresión logística puede tener una precisión superior al 80 % si los datos están limpios.Resumen del módulo
• Excel puede integrar funciones de aprendizaje automático sin código mediante complementos IA.
• Herramientas como XLSTAT, DataRobot y MonkeyLearn permiten crear modelos de predicción o clasificación directamente.
• Se pueden clasificar clientes, productos o prever demandas con datos históricos.
• Power BI y Power Automate amplían las capacidades de análisis y automatización.