Curso de Análisis de Negocios para Ciencia de Datos

 

CURSO PYTHON 3

 

Power BI DeskTop

Contenido del Curso

1. Metodología para el análisis de datos
2. Mejores prácticas para hacer nuestros reportes
3. Todas las visualizaciones disponibles en Power BI y otras más
4. Todos los tipos de fórmulas de DAX
5. Todos los básicos de Power BI: Conexión a datos, modelado, gráficos, reportes y DAX
6. Editor de consultas para limpiar nuestros datos
7. Relaciones entre tablas y los diferentes tipos de relaciones que existen
8. Creación de reportes en Power BI
9. Rapidez para crear nuestros análisis
10. Funcionalidades avanzadas de Power BI
11. Crear jerarquías de datos
12. Darle seguimiento a indicadores clave de tus datos
13. Gráficos dinámicos
14. Gráficos Animados
15. Columnas calculadas y medidas

Hadoop Big Data desde cero

Apasoft Training

Cursos Tecnológicos orientados a Big Data y Bases de datos

El curso incluyo: 

• 13,5 horas de vídeo bajo demanda
• 32 artículos
• 70 recursos descargables
• 
  
• Temas del Curso:

• 1. Big Data y Hadoop.

• 2. Instalacion de Hadoop.

• 3. Montar Componentes de Hadoop en un solo Nodo.

• 4. Map Reduce.

• 5. Montar Cluster de 3 Nodos.

• https://www.linkedin.com/feed/update/urn:li:activity:6661766126546018304/
• 
  
• 
  
• 
  
  
•  
• 
  
• 
  

• 
  

Diagnóstico Gestión de Datos No Transaccionales en Organismo

Análisis de situación de la Gestión de Datos del Organismo y propuesta inicial.

El Organismo utiliza orígenes de datos tanto propios como ajenos estos distintos orígenes de datos se traducen en archivos words, excel , web services, Bases de datos (Mysql /Oracle /SQL /postgresql), etc , los cuales son utilizados para la gestión particular de cada una de las áreas del MTR a través de diversas aplicaciones (Ms excel / Apps / Web a medida / Terceros / etc.).

En la actualidad las bases de datos se manejan de forma aislada y la creación de una nueva base no contempla entre otras cosas : 

• La necesidad de información pendiente por otros orígenes de datos .
• La existencia de datos cargados en otras bases que se pueden reutilizar.
• La mínima calidad que debe requerirse de los datos de la nueva base.
• etc.

Necesidad de Datos para el Organismo 

El proyecto es integral y requiere la presentación de información referida a las distintas áreas del Organismo distribuidas entre sus distintas Direcciones Generales.

La información requerida por el organismo se utilizara para la toma de decisión con la mayor celeridad que pueda proveer la organización a la fecha.

Esta información muchas veces requerirá el cruzamiento y procesamiento de datos de distintos orígenes de datos así como la obtención de metadatos como : totales, promedios ,varianzas, máximos , mínimos, cuadros comparativos, etc.

Para cumplir su propósito la gestión de datos debe asegurar pautas de calidad como : consistencia, puntualidad , fiabilidad , precisión , confiabilidad y disponibilidad.

La única manera de asegurar las pautas de calidad para la información provista es tener un manejo centralizado de los distintos orígenes de datos de manera de desacoplar los datos de las aplicaciones.

A continuación se evalúan dos escenarios posibles de solución para el problema de Gestión de datos del Organismo.

Escenario 1

(Gestión de Datos acoplada a las aplicaciones)
  

Esquema de Bases de Datos Transaccionales con uso de API para Gestión de Datos del MTR

Escenario 2

(Gestión de datos independiente de sus aplicaciones transaccionales)

Esquema Datawarehouse

Conclusión : El escenario 1 no es un buena practica para actualización masiva de datos no transaccionales que quieren ser utilizados por herramientas de inteligencia de negocios.




Ing David Arriola

Visualización de Datos

VISUALIZACIÓN DE DATOS

Objetivos

• Explorar el concepto de visualizaciones de datos y las formas de desarrollarlas para favorecer la comprensión de datos presentados / diseñados de esta forma.

• Indagar el recorrido por el proceso de creación de casos paradigmaticos de visualizaciones de datos para indagar sobre la información alli presentada y las decisiones de diseño que se tomaron en la presentación.

• Dar cuenta de la producción de visualizaciones de datos y su comunicación en los distintos niveles de gobierno para indagar en procesos comunicacionales de la información pública.

Aplicaciones comentadas en el curso.

• Densidad Poblacional:
  https://datosgobar.github.io/densidad-poblacion/
• Balance Energético:
  https://datosgobar.github.io/energia/
• ¿Cómo está el sol en Capital Federal?
  https://datosgobar.github.io/radiacion-uv/
• Tu nombre en los últimos cien años
  http://nombres.historias.datos.gob.ar/#seccion2
• "Historias sobre “Tu nombre en los últimos cien años”
  https://medium.com/datos-argentina/dime-tu-nombre-y-te-dir%C3%A9-qu%C3%A9-tan-popular-es-6d049907234
• Escuelas rurales conectadas
  https://datosgobar.github.io/escuelas-rurales-conectadas/

Producción de Datos Abiertos Gubernamentales...

PRODUCCIÓN DE DATOS ABIERTOS GUBERNAMENTALES USANDO MS EXCEL

Tim Berners-Lee, el inventor de la Web e iniciador de los Datos Enlazados (Linked Data), sugirió un esquema de desarrollo de 5 estrellas para Datos Abiertos2, que podemos detallar de la siguiente manera:

Una estrella: ofrecer los datos en cualquier formato, aunque sean difíciles de manipular, como un pdf o una imagen escaneada. 

Dos estrellas: entregar los datos de manera estructurada, como en un archivo Excel con extensión xls. 

Tres estrellas: entregar los datos en un formato que no sea propietario, como .csv en vez de Excel. 

Cuatro estrellas: usar las URL (que es una dirección web de un dato que sirve para enlazarlo con otros datos) para identificar cosas y propiedades, de manera que se pueda apuntar a los datos. Requiere usar un estándar RDF. 

Cinco estrellas: vincular sus datos con los de otras personas, dotándolos de contexto. En la práctica, que la información entregada también apunte a otras fuentes de datos. Por ejemplo, si publico información sobre un libro dentro de mis datos, enlazar descripciones del libro que pertenezcan a otros publicadores (como DBPedia o Amazon)3.

3 Fuente: Biblioteca del Congreso Nacional de Chile. En línea: http://datos.bcn.cl/es/informacion/las-5-estrellas

Contenidos:

Datasets

Meta datos.

Ejemplos de Meta datos.

Limpieza de datos.

Big Data Curso

BIG DATA HACIENDO HABLAR LOS DATOS

https://campus.inap.gob.ar

Actualmente, las grandes medidas que se toman en las distintas áreas de gobierno suelen estar basadas en el entrecruzamiento de distintas fuentes de datos que están al alcance de todas las personas. El desafío es encontrar nuevas formas de utilizar esa información y pensar las mejores decisiones de gobierno que permitan proponer políticas públicas que mejoren y simplifiquen la vida de todos y todas las habitantes de la nación. Para esto, la transparencia y el acceso son valores fundamentales.

Este curso propone una aproximación a los principios y dinámicas de la toma de decisiones a partir de datos, buscando los métodos adecuados para poder producir nuevos cambios y soluciones estratégicas. De este modo, se buscará a lo largo del curso generar intuiciones fundamentales que permitan favorecer metodologías de exploración y análisis de información y la toma de decisiones, enfrentándose a grandes bases de datos que ilustran, a modo de ejemplo, dos cuestiones fundamentales para el país: el sistema de salud y el consumo de energía eléctrica.

A lo largo del primer caso, buscaremos trabajar a partir de la distribución geográfica de centros de atención y tiempos de espera las nociones de variables numéricas y categóricas, la lectura de datos a partir de bases excel y las distintas formas de organizar la información en gráficos.

En cuanto al caso de la electricidad, a partir de la identificación de patrones de consumo y políticas de eficiencia eléctrica, buscaremos trabajar las nociones de variable a predecir y variable regresora, sistemas de regresión lineal y múltiple y, finalizaremos, con el problema de clasificación.

Inicio de la Epidemiologia y el Big Data

EPIDEMIOLOGIA MODERNA Y BIG DATA 

John Snow (1813-1858) fue un brillante médico inglés. Desde temprana edad destacó por su agudo sentido de observación, razonamiento lógico y perseverancia, primero en el ámbito de la anestesia y posteriormente en epidemiología. Los sucesivos brotes de cólera que afectaron a la ciudad de Londres, lo motivaron a estudiar esta enfermedad desde un punto de vista poblacional, relacionando la incidencia de casos al consumo de aguas contaminadas por una "materia mórbida", responsable de la diarrea aguda con deshidratación que la caracteriza. En forma valerosa, Snow se opuso a las teorías vigentes de su época, sacrificando su prestigio. Fue pionero en el uso de metodologías de investigación epidemiológica moderna, por ejemplo, la implementación de encuestas y la epidemiología espacial. Con justa razón, hoy en día es considerado por la comunidad científica como el padre de la epidemiología moderna.

En 1854 hubo una tercera epidemia de colera en Londres. John Snow, un médico, decidió revisar todos los registros de defunciones, tratando de encontrar cuál era la causa real de dicha enfermedad. En esa época, la hipótesis era que se contagiaba por miasmas (conjunto de emanaciones fétidas de suelos y aguas impuras).
Snow utilizó los datos que tenía: fecha, dirección y cantidad de defunciones (DATOS ESTRUCTURADOS).
Y, al procesarlos, los convirtió en una imagen, en un mapa (DATO NO ESTRUCTURADO). Snow, encontró que la mayoría de las defunciones eran cerca de un pozo de agua y gracias al mapa, logró que un funcionario público inhabilite el pozo y la gente de esa zona dejó de contagiarse.Esta fue una prueba contundente que la transmisión era por el agua.

Gráfico de Snow de 1854 

John Snow, la epidemia de cólera y el nacimiento de la epidemiología moderna

Inteligencia de Negocios con Power BI (Servicio de atención del Dolor )

Inteligencia de Negocios con Power BI para El servicio de atención del Dolor de Pacientes

Ver Paneles Power BI

Microsoft Power BI es un aplicación con prestaciones que permiten generar soluciones de gran apoyo para los 

organismos de salud en cualquier nivel y jerarquía. Traduce los datos más complejos en simples paneles con 

gráficos que presentan la información de una manera intuitiva y en respuestas que pueden ser entendibles por

todos, todo esto reflejado en pantallas agradables a la vista y fáciles de manejar funcionando como un verdadero

autoservicio de información.