Clase 01 - Data Analytics

¡LES DAMOS LA
BIENVENIDA!
¿Empezamos?
RECUERDA PONER A GRABAR
LA CLASE
PRESENTACIÓN DE
ESTUDIANTES
Por encuestas de Zoom:
1. País
2. Conocimientos previos en
Data Analytics
3. ¿Por qué elegiste el curso?
¿DUDAS DEL ON-
BOARDING?
MIRALO AQUI
DESAFÍOS Y ENTREGABLES
Son actividades o ejercicios que se realizan durante la cursada, para enfocarse en
la práctica.
Entregas del Proyecto Final

Entregas con el estado de avance de tu proyecto
final que deberás subir a la plataforma a lo
largo del curso y hasta 7 días luego de la clase,
para ser corregidas por tu docente o tutor/a.
PROYECTO FINAL
El Proyecto Final se construye a partir de los desafíos que se realizan clase a clase.
Se va creando a medida que el estudiante sube los desafíos entregables a nuestra
plataforma.
El objetivo es que cada estudiante pueda utilizar su Proyecto Final como parte de
su portfolio personal.
El proyecto final se debe subir a la plataforma la ante-última o última clase del

curso. En caso de no hacerlo tendrás 20 días a partir de la finalización del curso
para cargarlo en la plataforma. Pasados esos días el botón de entrega se
inhabilitará.
¿CUÁL ES NUESTRO
PROYECTO FINAL?
ANALYTIC DASHBOARD
Desarrollarás un dashboard de control en Power BI, para analizar indicadores estratégicos y operativos. El
trabajo se realizará de manera grupal.
Base de datos:
● Partiran de un set de datos en formato xls, csv o txt. La información almacenada debe ser de una
temática específica y la estructura del contenido debe ser de una o varias tablas planas.
Si no dispones de un set de datos propio, podremos buscar opciones disponibles en repositorios
públicos.
Dashboard:
● Solapa 1: portada informativa.
● Solapa 2: glosario de los principales conceptos utilizados en el tablero.
● Solapa 3: a partir de esta solapa, crear mínimo tres solapas, máximo seis, iniciando con análisis global y
terminando con análisis detallado.
Documentación.
● Documento en formato pdf, con el detalle del proyecto de análisis de datos.
EJEMPLO PROYECTO
PROYECTO María Victoria Mata

Y Andrea Rivas
Los desafíos entregables y el Proyecto Final se
realizarán en EQUIPOS
● Fijos para toda la cursada
● Conformados por dos o tres estudiantes
● Creados automáticamente y al azar por la plataforma de Coderhouse
● Cada equipo tendrá un mismo tutor/a
● Un integrante del equipo (puede ser cualquiera) sube la entrega a través de la
plataforma y se verá reflejada en la plataforma de todo el equipo
● Cuando su tutor/a corrige la entrega, todo el equipo recibe la devolución
● Todas las calificaciones serán grupales
La plataforma muestra el equipo automáticamente
METODOLOGÍAS DE
TRABAJO
ESQUEMA HDEIP
H
Hipótesis: enfocarse en que sea esencial y evitar
que sea demasiado amplia.
D
Data sourcing: identificar la fuente de datos que
permite responder las preguntas de la hipótesis.
E
Exploración: investigar nuestra base de datos
para identificar sí debe ser depurada y/o
complementada.
I
Insight: reconocer cuales son los principales
indicadores y las conclusiones sobre nuestros
datos.
P
Presentación: exposición del análisis a los
involucrados, para validar las conclusiones
obtenidas.
ENTREGA FECHA
1° entrega Clase N° 2
2° entrega Clase N° 7
3º entrega Clase Nº 18
Proyecto Final Clase N° 23

¡IMPORTANTE!
Los desafíos y entregas de proyecto se deben cargar hasta siete días
después de finalizada la clase. Te sugerimos llevarlos al día.
Clase 01. Data Analytics
Data Analytics
● Conocer qué es el análisis de datos y sus
generalidades.
● Diferenciar el análisis de datos del
business intelligence.
● Identificar los tipos de análisis de datos.
● Reconocer el ciclo de vida de los datos.
OBJETIVOS DE LA ● Manejar glosario técnico referente al
análisis de datos.
CLASE ● Identificar tecnologías que tienen relación
con el análisis de datos.
DATA ANALYTICS:
INTRODUCCIÓN
HERRAMIENTAS QUE VAMOS A
UTILIZAR
“Los datos son el nuevo petróleo”
- Martin Hilbert
Imagen: The Economist Magazine - 2017

Data Analytics
Conjunto de métodos y técnicas de medición, que

permiten gestionar la información en tres grandes etapas:
recolección, transformación y visualización.
DATOS VS.
INFORMACIÓN
Característica o atributo sin Unión de datos procesados,

procesamiento, el cual no que se complementan para
informa nada por sí solo. informar un hecho.
¿QUÉ HACE UN ANALISTA DE
DATOS?
Los analistas de datos buscan determinar
cómo se pueden usar los datos para
responder preguntas y resolver problemas.
Estudian lo que está sucediendo ahora para
identificar tendencias y hacer predicciones
sobre el futuro.
Algunas tareas involucradas:
● Trabajar con equipos de tecnología, administración y/o data scientists para

establecer metas.
● Minería de datos de fuentes primarias y secundarias
● Limpieza y disección de datos
● Analizar e interpretar resultados utilizando herramientas y técnicas estadísticas
● Identificar tendencias y patrones en conjuntos de datos
● Identificar nuevas oportunidades para la mejora de procesos.
● Proporcionar informes de datos para la gestión.
● Diseñar, crear y mantener bases de datos y sistemas de datos.
● Solucionar problemas de código y problemas relacionados con los datos
AUGE DEL DATA ANALYTICS EN LA
ACTUALIDAD
APPLE
WATCH
¿BI O DATA
ANALYTICS?
BI: Business intelligence o inteligencia de Data analytics: Análisis de datos. Es el proceso

negocios. Es un conjunto de metodologías, de examinar conjuntos de datos para su
procesos, arquitecturas y tecnologías que transformación y visualización. De esta manera
aprovechan el resultado de los procesos de se sacan conclusiones sobre la información que
gestión de la información para el análisis, la contienen para gestionar indicadores.
presentación de informes, gestión del
rendimiento y entrega de información.
Business Intelligence tradicional
Data analytics
¡IMPORTANTE!
Ambas disciplinas no son excluyentes. Por el contrario, se

complementan para proporcionar tanto análisis descriptivos como
predictivos.
NIVELES DE APLICACIÓN
☕
BREAK
¡5/10 MINUTOS Y
VOLVEMOS!
TIPOS DE ANÁLISIS DE DATOS
Descriptivo
¿Qué pasó?
Describe patrones claves en los datos existentes

y permite observar situaciones y
comportamientos habituales.
Reportes
Diagnóstico
¿Por qué
pasó?
Se definen conclusiones basadas en los datos

históricos identificados en el análisis
descriptivo.
Dashboards Interactivos
Predictivo
¿Qué
pasará?
Se identifican comportamientos futuros, en

base a información histórica.
Modelos
Prescriptivo
¿Qué debería
hacer?
Con simulaciones y optimizaciones se compara

la información resultante del análisis
predictivo, para implementar una acción.
Recomendaciones de
automatización
CICLO DE VIDA DE LOS
DATOS
Ciclo de vida de los datos
Recolección: Identificación del origen de los

datos. Almacenamiento de forma digital.
Mantenimiento: Revisión de la información. Se

procesa para garantizar su calidad.
Síntesis: Se modela la información de acuerdo a

los indicadores requeridos.
Ciclo de vida de los datos
Uso: se disponibiliza para su explotación, en la

generación de reportes, informes, modelos, etc.
Publicación: el análisis realizado es expuesto,

para la toma de decisiones.
Depuración: gracias a la exposición, se detecta

si la información requiere agregaciones,
eliminaciones o cambios.
TECNOLOGÍAS QUE INTERVIENEN EN
EL ANÁLISIS DE DATOS
Bases de datos Sistemas que permiten que la información pueda ser
gestionada por personas o aplicaciones.
Relacionales No Relacionales
Tienen una estructura. No tienen estructura.
ETL Sistemas que permiten el procesamiento de los datos, y
convertirlos en información.
(Extract, Transform, Load)
Visualización Sistemas que permiten la visualización de información con
gráficos y técnicas de medición.
Lenguajes de Lenguajes creados para la creación de aplicaciones, diseño
programación de interfaces, gestión de información, etc.
Algunos ejemplos - Formato XLS
https://data.buenosaires.gob.ar/dataset/estaciones-bicicletas-publicas
ALGUNOS EJEMPLOS
Algunos ejemplos - Formato CSV
https://www.ncdc.noaa.gov/cdo-web/datatools/lcd
ALGUNOS EJEMPLOS
Algunos ejemplos - Dashboard
https://community.powerbi.com/t5/Data-Stories-Gallery/Financial-Performance-Overview/td-p/768560
Algunos ejemplos - Dashboard
https://community.powerbi.com/t5/Data-Stories-Gallery/OV-UNV-Gender-Data-Challenge-Arta-Leli/td-p/1088451
● El entregable se compone de temas vistos hasta el
momento más otros que verán en este.
● Recuerden que recién se entrega ¡en la próxima

clase! Y tendrán hasta 7 días para resolverlo y
subirlo.
1ra pre-entrega
A) Descripción de la temática de los datos.
B) Tipo de análisis
C) Entrega del dataset seleccionado para el análisis
PRIMERA ENTREGA DEL PROYECTO FINAL
Formato: Archivo plano formato xls/csv/txt. El cual contenga una solapa por cada tabla, o un 1
archivo por cada tabla.

Sugerencia: activar comentarios en el archivo, y también la opción compartir.
>>Objetivos Generales:
1. Reconocer el modelo relacional.
>>Objetivos Específicos:
2. Descripción de la temática de los datos.
3. tipos de análisis
4. Entrega del dataset seleccionado para el análisis
¡PARA PENSAR!
CONTESTA LAS ENCUESTAS DE ZOOM
¿PREGUNT
AS?
¿QUIERES SABER MÁS? TE
DEJAMOS MATERIAL AMPLIADO
DE LA CLASE
● Charla Ted: Why you should get paid for your data |
Jennifer Zhu.
● Artículo: History of data and analytics platforms | Tom
Pringle
TE INVITAMOS A QUE
COMPLEMENTES LA CLASE
CON LOS SIGUIENTES
CODERTIPS
VIDEOS Y
PODCASTS
●
●
Desarrollo freelance | Coderhouse
Desarrollo profesional | Coderhouse
● CoderNews | Coderhouse
● Serie de Branding | Coderhouse
● Serie para Emprendedores | Coderhouse
● Serie Aprende a Usar TikTok | Coderhouse
● Serie Finanzas Personales | Coderhouse
● CoderConf | Coderhouse
¿YA CONOCES LOS BENEFICIOS
QUE TIENES POR SER
ESTUDIANTE DE CODERHOUSE?
BENEFICIOS
Haz clic aquí y conoce todos nuestros beneficios exclusivos
para estudiantes de Coderhouse.
¡MUCHAS
GRACIAS!
Resumen de lo visto en clase hoy:
- Tipos de análisis de datos.
- Ciclo de vida de los datos.
- Principales tecnologías en el análisis de datos.
OPINA Y VALORA ESTA
CLASE
#DEMOCRATIZANDOLAEDUC
ACIÓN

Clase 01 - Data Analytics

Cargado por

Copyright:

Formatos disponibles

Clase 01 - Data Analytics

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 01 - Data Analytics

Cargado por

Copyright:

Formatos disponibles

¡LES DAMOS LA

Entregas del Proyecto Final

El proyecto final se debe subir a la plataforma la ante-última o última clase del

PROYECTO María Victoria Mata

Proyecto Final Clase N° 23

Imagen: The Economist Magazine - 2017

Conjunto de métodos y técnicas de medición, que

Característica o atributo sin Unión de datos procesados,

● Trabajar con equipos de tecnología, administración y/o data scientists para

BI: Business intelligence o inteligencia de Data analytics: Análisis de datos. Es el proceso

Ambas disciplinas no son excluyentes. Por el contrario, se

Describe patrones claves en los datos existentes

Se definen conclusiones basadas en los datos

Se identifican comportamientos futuros, en

Con simulaciones y optimizaciones se compara

Recolección: Identificación del origen de los

Mantenimiento: Revisión de la información. Se

Síntesis: Se modela la información de acuerdo a

Uso: se disponibiliza para su explotación, en la

Publicación: el análisis realizado es expuesto,

Depuración: gracias a la exposición, se detecta

● Recuerden que recién se entrega ¡en la próxima

archivo por cada tabla.

Desarrollo profesional | Coderhouse

● Serie de Branding | Coderhouse

● Serie para Emprendedores | Coderhouse

● Serie Aprende a Usar TikTok | Coderhouse

● Serie Finanzas Personales | Coderhouse

También podría gustarte