Top agencies by workloadAgencias principales por carga
The central ideaLa idea central
Most analytics projects begin with cleaning, modeling, KPIs and algorithms. The Business Recognition Process proposes a different order: first reconstruct the business phenomenon, then analyze it. Power BI becomes a cognitive vehicle for recognizing actors, events, locations, contexts, states and time.
La mayoría de los proyectos analíticos comienzan con limpieza, modelado, KPIs y algoritmos. El Business Recognition Process propone otro orden: primero reconstruir el fenómeno del negocio y después analizarlo. Power BI se convierte en un vehículo cognitivo para reconocer actores, eventos, ubicaciones, contextos, estados y tiempo.
50,000NYC 311 service events exploredEventos del servicio NYC 311 explorados
6Core business dimensions recognizedDimensiones centrales reconocidas
3Primary Level-1 metrics: volume, share and closure timeMétricas primarias de Nivel 1: volumen, participación y tiempo de cierre
Principle:Principio:
Every quantitative indicator is the visible expression of a qualitative business phenomenon.
Todo indicador cuantitativo es la expresión visible de un fenómeno cualitativo del negocio.
ContentsContenido
First understand the businessPrimero comprender el negocio
The process begins by reviewing every field and retaining the variables that add a qualitatively different perspective. Columns that arrive isolated are grouped through logical business meaning rather than technical convenience.
El proceso comienza recorriendo cada campo y conservando las variables que aportan una perspectiva cualitativamente diferente. Las columnas que llegan aisladas se agrupan por sentido lógico del negocio, no por conveniencia técnica.
Raw Data → Business Vocabulary → Business Dimensions → Level-1 Recognition → Cross-Dimensional Investigation → Operational Intelligence → Decision Intelligence
The multidimensional business matrixLa matriz multidimensional del negocio
Matrices are used before charts because they preserve hierarchy and vocabulary. They allow the researcher to recognize what exists, how categories relate and where unusual combinations appear.
Las matrices se usan antes que los gráficos porque conservan la jerarquía y el vocabulario. Permiten reconocer qué existe, cómo se relacionan las categorías y dónde aparecen combinaciones inusuales.
| DimensionDimensión | QuestionPregunta | Typical fieldsCampos típicos |
|---|---|---|
| Organization | Who responds? | Agency, precinct, community board |
| Phenomenon | What happened? | Complaint type, descriptor |
| Geography | Where? | City, district, ZIP, address, landmark |
| Physical context | In what environment? | Street, sidewalk, building, park |
| Time | When and how long? | Year, month, weekday, hour, closure duration |
| Process state | At what stage? | Open, closed, assigned, in progress, pending |
Completion rule: Level 1 ends after every column has been reviewed and each retained field contributes a distinct qualitative meaning.Regla de finalización: El Nivel 1 termina después de recorrer todas las columnas y cuando cada campo conservado aporta un significado cualitativo distinto.
Top and Bottom visuals as a business inventoryVisuales Top y Bottom como inventario del negocio
These visuals are not final KPIs. They are a structured inventory of the domain. Top values reveal dominant workload; Bottom values expose rare, exceptional or potentially problematic categories. Closure time adds operating behavior to simple frequency.
Estos visuales no son KPIs finales. Son un inventario estructurado del dominio. Los valores Top revelan la carga dominante; los Bottom exponen categorías raras, excepcionales o potencialmente problemáticas. El tiempo de cierre agrega comportamiento operacional a la frecuencia.
High closure-time agenciesAgencias con alto tiempo de cierre
Top complaint descriptorsDescriptores principales
Rare but slow phenomenaFenómenos raros pero lentos
Geographic concentrationConcentración geográfica
ZIP-level recognitionReconocimiento a nivel ZIP
Address-level recurrenceRecurrencia por dirección
Physical contexts with long durationContextos físicos con alta duración
Community board workloadCarga por Community Board
Level-1 deliverable: not a dashboard, but a map of dominant, rare, fast and slow business entities that generates the next investigative questions.
Entregable del Nivel 1: no un dashboard, sino un mapa de entidades dominantes, raras, rápidas y lentas que genera las próximas preguntas de investigación.
Crosses transform statistics into explanationsLos cruces transforman estadísticas en explicaciones
A single metric answers “how much.” Crosses begin to answer “under what combination of conditions.” Each selection adds a constraint: agency, complaint, geography, context, state and time.
Una métrica aislada responde “cuánto”. Los cruces comienzan a responder “bajo qué combinación de condiciones”. Cada selección agrega una restricción: agencia, queja, geografía, contexto, estado y tiempo.
2,297Total Unsanitary Condition incidentsIncidentes totales de Unsanitary Condition
93.77%Still open in the observed sampleAún abiertos en la muestra observada
52.17 hAverage closure time among closed casesTiempo promedio entre los casos cerrados
The insight is not “52.17 hours.” The insight is the combination of a large active inventory and slow observed resolution among the minority already closed. This creates a hypothesis of constrained throughput, not proof of causality.
El insight no es “52.17 horas”. El insight es la combinación de un gran inventario activo y una resolución lenta entre la minoría ya cerrada. Esto genera una hipótesis de capacidad restringida, no una prueba de causalidad.
A metric must belong to the population it describesUna métrica debe pertenecer a la población que describe
Closed Sidewalk casesCasos Sidewalk cerrados
In Progress Sidewalk casesCasos Sidewalk en progreso
| MetricMétrica | Valid populationPoblación válida | InterpretationInterpretación |
|---|---|---|
| Incident Quantity | All incidents | Workload magnitude |
| % of Total | All incidents in current context | Relative importance |
| Avg Closure Time | Closed incidents with valid dates | Observed process duration |
| Current Age | Open / In Progress incidents | Elapsed active time |
Semantic rule: Blank is sometimes the most correct analytical answer. A process that has not ended does not yet possess a final closure duration.Regla semántica: Blank puede ser la respuesta analítica más correcta. Un proceso que no ha terminado todavía no posee una duración final de cierre.
From historical recognition to real-time prioritizationDel reconocimiento histórico a la priorización en tiempo real
In a refreshed operational model, the age of each active case can be compared with the historical closure behavior of comparable closed cases. The dashboard then evolves from retrospective description into an active supervision layer.
En un modelo operacional actualizado, la edad de cada caso activo puede compararse con el comportamiento histórico de cierre de casos cerrados comparables. El dashboard evoluciona de descripción retrospectiva a capa activa de supervisión.
Within ExpectedCurrent age remains below the reference duration.La edad actual permanece por debajo de la duración de referencia.
ApproachingThe case is nearing the historical threshold.El caso se acerca al umbral histórico.
CriticalThe active age materially exceeds comparable closure behavior.La edad activa supera materialmente el comportamiento de cierre comparable.
Business Recognition Process — practical sequenceBusiness Recognition Process — secuencia práctica
- Load the raw source without premature transformation. Preserve the original vocabulary long enough to understand it.Cargar la fuente cruda sin transformación prematura. Conservar el vocabulario original el tiempo suficiente para comprenderlo.
- Review every field. Ask what qualitative phenomenon each variable represents.Recorrer todos los campos. Preguntar qué fenómeno cualitativo representa cada variable.
- Group related columns into dimensions. Organization, phenomenon, geography, context, time and state.Agrupar columnas relacionadas en dimensiones. Organización, fenómeno, geografía, contexto, tiempo y estado.
- Build Level-1 matrices. Add volume, share and valid operating time.Construir matrices de Nivel 1. Agregar volumen, participación y tiempo operacional válido.
- Inspect Top and Bottom values. Identify dominant, rare, fast and slow entities.Inspeccionar valores Top y Bottom. Identificar entidades dominantes, raras, rápidas y lentas.
- Formulate questions from evidence. Do not invent hypotheses before seeing the business structure.Formular preguntas desde la evidencia. No inventar hipótesis antes de observar la estructura del negocio.
- Delimit phenomena through cross-filtering. Each selection reduces ambiguity rather than merely reducing rows.Delimitar fenómenos mediante filtros cruzados. Cada selección reduce ambigüedad, no simplemente filas.
- Validate metric semantics. Confirm that every measure describes the correct population and process state.Validar la semántica de las métricas. Confirmar que cada medida describe la población y el estado correctos.
- Only then move to Databricks, Spark, AI or ML. Advanced analytics should validate contextualized hypotheses.Solo entonces pasar a Databricks, Spark, IA o ML. La analítica avanzada debe validar hipótesis contextualizadas.
Before modeling the data, model the businessAntes de modelar los datos, modele el negocio
Power BI is the vehicle; the investigator's imagination and business logic define the destination. A simple matrix can reveal far more than a polished chart when it organizes the phenomenon correctly. Business Recognition converts isolated columns into a cognitive model, the cognitive model into multicausal questions, and those questions into operational intelligence.
Power BI es el vehículo; la imaginación y la lógica de negocio del investigador definen el destino. Una matriz simple puede revelar mucho más que un gráfico pulido cuando organiza correctamente el fenómeno. Business Recognition convierte columnas aisladas en un modelo cognitivo, el modelo cognitivo en preguntas multicausales y esas preguntas en inteligencia operacional.
Final thesis: Intelligence does not emerge from the pure number. It emerges from understanding the qualitative substance expressed through that number.
Tesis final: La inteligencia no emerge del número puro. Emerge de comprender la sustancia cualitativa expresada mediante ese número.