0:05
Saludos, sean bienvenidos a este nuevo
0:07
tema del módulo 6, análisis de datos. En
0:10
este video vamos a explorar las
0:12
metodologías para el análisis de datos,
0:14
su importancia y las [música]
0:16
principales etapas que permiten
0:18
organizar y aprovechar la información de
0:20
manera eficiente. Además, explicaremos
0:23
las principales tecnologías actuales
0:25
para el análisis de datos, desde los
0:27
lenguajes de programación hasta las
0:29
plataformas en la nube y las
0:31
herramientas de inteligencia artificial.
0:33
Esperamos que este contenido despierte
0:35
su interés y fortalezca su aprendizaje
0:37
en esta área. Así que mucho éxito.
0:40
Recuerda tomar notas y pausar el video
0:42
cuando lo [música] necesites.
0:45
Imagina que en tu trabajo te informan
0:47
que [música] el área de recursos humanos
0:49
tiene una alta rotación de personal y
0:51
nadie sabe bien por qué. Te asignan los
0:53
datos edad, antigüedad, salario,
0:55
evaluaciones de desempeño y ausentismo.
0:57
[música] ¿Por dónde empezarías a
0:59
analizar toda esta información? ¿Existe
1:01
una forma ordenada de hacerlo o
1:02
simplemente revisarías los números sin
1:04
un plan? Cuando un equipo necesita
1:06
analizar datos, no basta contener la
1:08
información. Se requiere un camino claro
1:10
para procesarla. Las metodologías para
1:12
el análisis [música] de datos son marcos
1:14
de trabajo que guían cada etapa del
1:16
proceso, desde entender el problema
1:18
hasta poner en marcha un [música]
1:19
modelo. En este video revisaremos las
1:21
principales metodologías, sus enfoques y
1:23
para qué tipo de proyectos resultan más
1:27
El análisis de datos no sigue [música]
1:29
un camino improvisado. Existen
1:31
metodologías, es decir, marcos de
1:34
trabajo que guían de manera ordenada
1:36
cada etapa del proceso, desde entender
1:39
el problema [música] hasta obtener
1:41
resultados útiles. Por ello, revisaremos
1:43
las principales metodologías, enfoques y
1:46
para qué tipo de proyectos [música]
1:48
resultan más adecuadas.
1:51
La metodología tradicional sigue un
1:52
enfoque lineal. Primero se define el
1:54
problema, luego se recopilan los datos,
1:56
se analizan y finalmente se presentan
1:58
los resultados. Es la más utilizada en
2:00
investigaciones clásicas [música] o
2:02
académicas donde los pasos no cambian
2:04
una vez definidos. Imagina que realizas
2:06
una encuesta sobre hábitos de consumo,
2:08
recopilas las respuestas, las analizas y
2:10
presentas un informe. Eso es análisis
2:12
con un enfoque tradicional. Una de las
2:15
metodologías más utilizadas en la
2:17
industria es Crisp DM, Cross Industry
2:19
Standard Process for Data Mining. A
2:22
diferencia del enfoque tradicional, es
2:24
iterativa, permite regresar a etapas
2:25
anteriores cuando se [música] descubre
2:27
información nueva. Sus fases son
2:29
comprensión del negocio, comprensión de
2:31
los datos, preparación de datos,
2:33
modelado, evaluación y despliegue. Es
2:36
ideal para proyectos de minería de datos
2:40
KDD, Knowledge Discovery [música] in
2:42
databases, es una metodología orientada
2:45
al descubrimiento de patrones en grandes
2:47
volúmenes de datos. Su proceso incluye
2:50
selección, preprocesamiento,
2:52
transformación, minería de datos e
2:55
interpretación de resultados. Es
2:57
especialmente útil en contextos de big
2:59
data, donde se manejan millones de
3:01
registros y se busca encontrar
3:03
comportamientos ocultos que no son
3:05
evidentes a simple vista.
3:08
SEMA es una metodología de enfoque
3:10
predictivo desarrollada por el Instituto
3:12
SAS. Sus siglas corresponden a sus cinco
3:13
etapas: sample, muestreo, explore,
3:16
exploración, modify, [música]
3:17
modificación, modelado y acessuación. es
3:21
muy utilizada en [música] proyectos
3:22
donde se trabaja con la herramienta SAS
3:24
y se busca construir modelos que
3:26
anticipen comportamientos, como predecir
3:28
si un cliente cancelará su suscripción.
3:30
Las metodologías ágiles aplicadas al
3:32
análisis de datos se caracterizan por
3:35
ser flexibles y colaborativas. trabajan
3:38
en ciclos cortos llamados [música]
3:39
sprints, donde el equipo analiza, ajusta
3:42
y mejora continuamente. Son muy usadas
3:45
en proyectos de data science donde los
3:47
requerimientos cambian con frecuencia o
3:50
donde se necesita entregar resultados
3:52
parciales de manera rápida, como en
3:54
startups o equipos de innovación.
3:57
Finalmente, el ML Life Cycle o ciclo de
4:00
vida del aprendizaje automático es una
4:02
metodología orientada a la
4:03
automatización de modelos de
4:04
inteligencia artificial. Abarca desde la
4:06
definición del problema y la preparación
4:08
de datos hasta el entrenamiento,
4:10
evaluación, despliegue y monitoreo
4:13
continuo del modelo en producción. Es la
4:15
metodología más completa para equipos
4:17
que desarrollan soluciones de IA que
4:19
deben funcionar de manera estable en
4:20
[música] entornos reales. Pasemos ahora
4:23
a las tecnologías actuales que dominan
4:24
el entorno del análisis de datos. Antes
4:27
de comenzar, te sugiero reflexionar o
4:29
revisar algún concepto con mayor
4:32
Imagina que en tu empresa te asignan un
4:34
proyecto para analizar las ventas del
4:36
último [música] año y descubrir qué
4:38
productos tienen mayor demanda. Tienes
4:41
los datos y tienes las ganas, pero sabes
4:43
exactamente qué herramientas utilizar
4:45
para procesarlos y presentar tus
4:47
resultados. Hoy en día contamos con un
4:50
enorme ecosistema de tecnologías, desde
4:53
lenguajes de programación hasta
4:55
plataformas en la nube diseñadas
4:57
específicamente para transformar esos
4:59
[música] datos en información útil.
5:01
Los lenguajes de programación son la
5:03
base del análisis de datos. Python es el
5:06
más popular en ciencia de datos. Cuenta
5:08
con bibliotecas clave como pandas para
5:09
[música] análisis, Nompie para cálculo
5:11
numérico, mat plot lip y sibon para
5:13
visualización, psychit learn para
5:15
machine learning y tensor flow o py
5:17
torch para deep learning. Por su parte,
5:19
R es un lenguaje especializado en
5:21
estadística, muy utilizado en
5:23
investigación académica con bibliotecas
5:25
como Tidiverse, JJY [música] Plot 2 y
5:27
Caret. Ambos lenguajes también usan SQL
5:30
para consultar y manipular bases de
5:31
datos relacionales. Para guardar y
5:34
consultar los datos se utilizan
5:35
tecnologías de almacenamiento. Las bases
5:38
de datos relacionales como MySQL, Postg
5:40
SQL, [música] SQL Server y Oracle
5:43
organizan la información en tablas y son
5:45
ideales para datos estructurados.
5:47
Cuando los volúmenes son muy grandes o
5:49
los datos no tienen una estructura fija,
5:51
se recurre a las bases de datos NOSQL,
5:54
las documentales como DB, las
5:56
columnares como Casandra, las de clave
5:58
valor como Redis y las de grafos como
6:00
Neo 4J, cada una diseñada para un tipo
6:02
específico de dato. Cuando los datos son
6:05
tan grandes que una sola computadora no
6:07
puede procesarlos, entran en juego las
6:09
plataformas de Big Data. Hadup HDFS
6:12
permite el almacenamiento distribuido.
6:14
MAPREDUS procesa datos en paralelo.
6:16
Apach Spark realiza [música] análisis en
6:18
memoria de forma muy rápida. HVE permite
6:20
hacer consultas tipo SQL sobre grandes
6:22
volúmenes de datos y Kafka se
6:24
especializa en el procesamiento de datos
6:26
en tiempo real como los generados por
6:28
sensores o redes sociales.
6:30
Las herramientas de Business
6:32
Intelligence permiten visualizar
6:33
[música] y reportar datos para apoyar la
6:35
toma de decisiones. Entre las más usadas
6:39
están [música] Power BI, Tablo,
6:41
ClickSense y Google Data Studio, todas
6:44
capaces de generar [música] dashboards
6:46
interactivos sin necesidad de programar.
6:50
Para construir modelos de inteligencia
6:51
artificial existen herramientas
6:53
especializadas [música] como tensor
6:54
flow, queras, h2o.Aai, rapida, cada una
6:59
con distintos niveles de complejidad y
7:02
Finalmente, las herramientas ETL, que
7:04
por sus siglas en inglés significan
7:06
extraer, transformar y cargar, permiten
7:08
mover y preparar datos entre [música]
7:09
sistemas. Entre las más utilizadas están
7:12
Talent, Informática Power Center, Apache
7:14
Nifi, Ventajo y Airflow para la
7:16
orquestación de flujos de datos.
7:19
Existen [música] distintas metodologías
7:20
para analizar datos y cada una ofrece un
7:23
camino diferente. Algunas siguen pasos
7:26
secuenciales, mientras que otras
7:28
prefieren enfoques [música] iterativos y
7:30
ágiles. Al final, el objetivo puede ser
7:33
descubrir patrones o construir modelos.
7:36
La clave es elegir la más adecuada según
7:38
el problema y el contexto.
7:41
Además, las tecnologías son variadas y
7:44
cada una tiene un rol. [música]
7:45
Lenguajes como Python, R o SQL permiten
7:47
procesar datos. Las bases de datos los
7:49
almacenan y las herramientas de
7:51
visualización como Power BI o Tabló
7:53
muestran los resultados.
7:55
Piensa en el caso inicial. En recursos
7:57
humanos tienes los datos, pero no sabes
7:59
por dónde empezar. Con una metodología
8:02
como Crisp DM podrías entender el
8:04
problema, analizar datos como edad,
8:06
salario y ausencias, creando un modelo
8:08
para tomar mejores decisiones. Igual en
8:11
ventas, ahora sabes que con Python y
8:13
Pandas puedes procesar datos. Una base
8:15
como Postgre SQL los almacena y
8:17
herramientas como Power BI o Tablow te
8:20
ayudan a presentarlos. [música]
8:21
Las mismas tecnologías que usan expertos
8:23
en todo el mundo. Sin una metodología,
8:25
el análisis es como construir sin un
8:27
plano. Puede salir bien, pero es
8:29
impredecible. Elegir la metodología
8:31
correcta te lleva del problema a las
8:32
decisiones basadas en datos, generando
8:34
valor real para tu organización.
8:37
Con esto concluimos con un breve pero
8:39
sustancioso repaso de las metodologías y
8:42
tecnologías para el análisis de datos.
8:44
Gracias por prestar atención a este
8:46
video. Continúa explorando y sigue
8:48
aprendiendo. Hasta pronto.
