Descripción de las actividades
Actividad de encuadre
Recomendaciones para la entrega
Piense
En el nombre de un animal que empiece con la letra de su 1er Nombre, el animal no debe de repetirse
Al presentarse complete:
Mi nombre es _______ y he venido sobre un (nombre del animal) a la escuela desde___________
Luego responda:
Unidad I: Fundamentos de Inteligencia de Negocio
Unidad II: Aplicación de Inteligencia de Negocio
Proyecto
Instrucciones
Instrucciones
Una vez contestadas las preguntas anteriores, pulsa aquí, para subir la respuesta a cada pregunta.
Recomendaciones para la entrega de trabajos / actividades
¿Inteligencia de Negocio?
Década de 1980: Creación de Sistemas de procesamiento analítico en línea (OLAP), explorar modelos de datos multidimensionales para realizar análisis más sofisticados.
Década de 1960 y 1970: 1a BD, sistemas de soporte t. d. (DSS) avance significativo en la forma de recopilaban y analizaban datos.
Década de 1990: Auge de SBI, BusinessObjects y Cognos, acceso a soluciones comerciales que integraban visualización de datos y generación de informes.
Siglo XXI: La masificación del acceso a grandes volúmenes de datos (Big Data), la llegada de herramientas avanzadas de análisis predictivo,
Siglo XXI: Nube llevaron la BI a niveles más accesibles y dinámicos. Tableau, Power BI, y Qlik democratizaron la BI, permitiendo a usuarios no técnicos crear análisis complejos.
El término fue acuñado por el investigador Hans Peter Luhn, quien en 1958 lo definió como:
"la capacidad de comprender las interrelaciones de los hechos presentados de tal manera que guíen a una acción hacia un objetivo deseado."
La práctica de recopilar y analizar datos para tomar decisiones se remonta a mucho antes, con los comerciantes que analizaban registros para optimizar inventarios y precios.
Aspectos Claves
Herramientas de BI incluyen software de visualización, bases de datos y dashboards interactivos.
Procesos de BI comprenden la recolección de datos, integración, análisis y presentación de resultados.
BI se usa para toma de decisiones estratégicas y operativas.
Herramientas
Software popular para crear dashboards interactivos y compartir reportes.
Herramienta de visualización de datos que permite analizar grandes volúmenes de datos rápidamente.
Integración de BI para generar reportes financieros detallados.
Microsoft Power BI
Tableau
Sistemas ERP con módulos de BI
Actividad de reforzamiento
Pulsa aquí y resuelve o escanea el qr
Actividad de aprendizaje
Relación B.I. - A.D - A.N.
Integra estas disciplinas proporcionando las herramientas para acceder a datos en tiempo real, automatizar informes y visualizar información relevante para la gestión.
Análisis de datos
El se centra en examinar datos brutos para encontrar patrones, tendencias y correlaciones
Análisis de negocios
se enfoca en aplicar estos hallazgos para resolver problemas y mejorar la estrategia empresarial
Inteligencia de Negocio
Relación B.I. - A.D - A.N.
combina estos enfoques para mejorar la toma de decisiones a nivel empresarial.
Análisis de datos
Proceso de transformar datos sin procesar en información significativa.
Análisis de negocios
Uso de información para optimizar procesos y estrategias.
Inteligencia de Negocio
Relación B.I. - A.D - A.N.
Visualizaciones en tiempo real para monitorear indicadores clave de rendimiento.
Análisis Predictivo
Uso de datos históricos para prever tendencias de ventas futuras.
Modelos de Segmentación de Clientes
Clasificación de clientes según comportamiento de compra.
Dashboards Ejecutivos
Actividad de aprendizaje
Pulsa aquí y resuelve
Valor B.I (Pros y contras)
¿Qué es B.I.?
Text
Uso de tecnologías, metodologías y sistemas para recopilar, procesar y analizar datos empresariales, con el objetivo de proporcionar información estratégica y operativa que facilite la toma de decisiones.
Valor B.I (Pros y contras)
Componentes
Text
Extracción, Transformación y Carga (ETL)
Proceso para integrar datos de múltiples fuentes en un almacén centralizado.
Almacén de Datos (Data Warehouse)
Sistema central que organiza y almacena datos estructurados para análisis.
Valor B.I (Pros y contras)
Componentes
Text
Minería de Datos
Identificación de patrones y tendencias ocultas en grandes volúmenes de datos.
Visualización de Datos
Uso de herramientas como dashboards y gráficos para presentar información de forma comprensible.
Valor B.I (Pros y contras)
KPI
Text
Indicadores Clave de Desempeño
Métricas que las empresas utilizan para medir el rendimiento y el impacto de sus decisiones basadas en BI.
Valor B.I (Pros y contras)
KPI
Text
Se clasifican según diferentes criterios y objetivos de análisis.
Estos tipos permiten a las organizaciones medir su desempeño en áreas específicas y ajustar estrategias basadas en datos.
Valor B.I (Pros y contras)
KPI > Clasificación
Estratégicos
Estos indicadores miden el progreso hacia los objetivos generales de la organización y proporcionan una visión a largo plazo. Son fundamentales para la dirección y la alta gerencia.
Crecimiento de ingresos anuales.
Evaluar si la estrategia empresarial está en línea con los objetivos de crecimiento y sostenibilidad.
Objetivo
Ejemplo
Formula
TasaCresimientoAnual = ((Ingresos Actuales - Ingresos Anteriores )/ IngresosAnteriores ) 100
Valor B.I (Pros y contras)
KPI > Clasificación > Estratégicos > Ejemplo
TasaCresimientoAnual = ((Ingresos Actuales - Ingresos Anteriores ) / IngresosAnteriores ) 100
Ingresos anteriores (Año 1): $200,000
TCA = 200,000 - 250,000
1. Cambio absoluto
TCA = 50,000
2. Cambio Relativo (respecto al año)
TCA = 50,000 / 250,000
TCA = 0.25
3. Término porcentuales
TCA = 0.25 * 100 = 25%
Ingresos actuales (Año 2): $250,000
Valor B.I (Pros y contras)
KPI > Clasificación
Operativos
Miden procesos internos y actividades diarias en áreas como producción, logística o atención al cliente. Estos indicadores están enfocados en la eficiencia operativa.
Tiempo promedio de respuesta al cliente.
Identificar ineficiencias operativas y mejorar el flujo de trabajo.
Objetivo
Ejemplo
Formula
PromedioRespuesta = Suma de los tiempos de respuesta / No. total de solicitudes
Valor B.I (Pros y contras)
KPI > Clasificación > Operativo > Ejemplo
PromedioRespuesta = Suma de los tiempos de respuesta / No. total de solicitudes
Solicitud 1: 10 minutos
PR = 10+15+8+20+12
1. Suma de los tiempos de respuesta
PR = 65 minutos
2. Número total de solicitudes:
8
3. Promedio de respuesta
PR = 65 / 5 = 13 minutos
Solicitud 2: 15 minutos
Solicitud 3: 8 minutos
Solicitud 4: 20 minutos
Solicitud 5: 12 minutos
Valor B.I (Pros y contras)
KPI > Clasificación
Financieros
Evalúan la salud financiera y el rendimiento económico de la organización. Son cruciales para medir la rentabilidad, los costos y la sostenibilidad económica.
Margen de beneficio neto.
Ayudar a gestionar recursos financieros y maximizar las ganancias.
Objetivo
Ejemplo
Formula
MargenBeneficioNeto = (IngresosNetos / IngresosTotales) 100
Valor B.I (Pros y contras)
KPI > Clasificación > Operativo > Ejemplo
MargenBeneficioNeto = (IngresosNetos / IngresosTotales ) 100
Ingresos Totales: $500,000
IngresoNeto = IngresoTotales - GastosTotales
1. Cálculo de Ingresos Netos
Ingresos Netos=Ingresos Totales−Gastos Totales\text{Ingresos Netos} = \text{Ingresos Totales} - \text{Gastos Totales}
IN = 500,000−350,000=150,000
2. Cálculo del Margen de Beneficio Neto:
MBN = (150,000 / 350,000) 100
MBN = 30 %
Gastos Totales: $350,000
Valor B.I (Pros y contras)
KPI > Clasificación
Marketing
Diseñados para evaluar la efectividad de las estrategias de marketing y publicidad. Analizan métricas relacionadas con el cliente, como adquisición y fidelización.
Retorno sobre la inversión en marketing (MROI).
Maximizar el impacto de las campañas y optimizar el presupuesto de marketing.
Objetivo
Ejemplo
Formula
MROI = ((Ganancia de Campaña - Costo de Campaña) / Costo de campaña) 100
Valor B.I (Pros y contras)
KPI > Clasificación
Clientes
Miden la satisfacción, lealtad y comportamiento del cliente. Ayudan a comprender las necesidades del cliente y mejorar su experiencia.
Tasa de retención de clientes
Fomentar relaciones a largo plazo con los clientes y reducir la rotación.
Objetivo
Ejemplo
Formula
Tasa Retención = ((Clientes al final del periodo - Nuevos clientes ) / Clientes al inicio de perido ) 100
Valor B.I (Pros y contras)
KPI > Clasificación
Recursos Humanos
Analizan métricas relacionadas con el talento humano, como el desempeño, la retención y la productividad de los empleados.
Tasa de rotación de empleados
Mejorar las estrategias de retención y la satisfacción laboral.
Objetivo
Ejemplo
Formula
Tasa de rotación = (No. de empleados que se fueron / No. total de empleados) 100
Valor B.I (Pros y contras)
KPI > Clasificación
Innovación
Miden la capacidad de la organización para innovar y adaptarse al mercado. Son importantes en industrias altamente competitivas.
Número de nuevos productos lanzados.
Fomentar el desarrollo de nuevas ideas y evaluar su impacto en el mercado.
Objetivo
Ejemplo
Formula
¿?
Valor B.I (Pros y contras)
KPI > Clasificación
Sostenibilidad
Evalúan el impacto ambiental y social de la empresa. Son relevantes para empresas con políticas de responsabilidad social.
Reducción de la huella de carbono.
Monitorear y reducir el impacto ambiental.
Objetivo
Ejemplo
Formula
Reducción Huella Carbano = ((Emisión Inicial - Emisión final) / Emisión Inicial )100
Valor B.I (Pros y contras)
KPI > Clasificación
Predictivos
Utilizan datos históricos para anticipar tendencias futuras y predecir resultados. Son fundamentales para la planificación estratégica.
Demanda proyectada de productos
Tomar decisiones proactivas basadas en predicciones
Objetivo
Ejemplo
Valor B.I (Pros y contras)
KPI > Clasificación
Personalizados
Específicos creados para abordar las necesidades particulares de una empresa o industria. Pueden combinar elementos de los tipos anteriores.
Velocidad de desarrollo de software en una empresa tecnológica
Medir el desempeño de áreas con indicadores únicos según los procesos internos.
Objetivo
Ejemplo
Actividad de reforzamiento
KPI > Clasificación
Pulsa aquí o escanea el qr
Ventajas
Mejor toma de decisiones
La información precisa y oportuna que permite a los gerentes tomar decisiones informadas y estratégicas
Identificación de oportunidades
Al analizar los datos, BI ayuda a identificar nuevas oportunidades de mercado, nichos de clientes y áreas de crecimiento.
Optimización de procesos
Al analizar el rendimiento de los procesos internos, identificar cuellos de botella y áreas de mejora para aumentar la eficiencia.
Ventajas
Reducción de costos
Al optimizar procesos y tomar decisiones más acertadas, BI contribuye a la reducción de costos operativos
Mejora de la rentabilidad
Al impulsar la eficiencia, identificar oportunidades y mejorar la toma de decisiones, se impacta positivamente en la rentabilidad de la empresa.
Ventaja competitiva
Al comprender mejor su entorno y adaptarse rápidamente a los cambios del mercado.
Ventajas
Mayor conocimiento del cliente
Al analizar el comportamiento del cliente, sus preferencias y necesidades, lo que facilita la personalización de productos y servicios.
Actividad de reforzamiento
Pulsa aquí o escanea el qr
Impacto
Marketing
Ayuda a segmentar clientes, personalizar campañas, medir el retorno de la inversión (ROI) y optimizar estrategias de marketing.
Ventas
Facilita el seguimiento de las ventas, la identificación de tendencias, la gestión de clientes y la previsión de ventas.
Finanzas
Permite analizar el rendimiento financiero, controlar presupuestos, gestionar riesgos y optimizar la rentabilidad.
Impacto
Operaciones
Optimizar la cadena de suministro, gestionar inventarios, mejorar la eficiencia de la producción y controlar la calidad.
Recursos Humanos
Facilita el análisis del rendimiento de los empleados, la gestión del talento y la planificación de la fuerza laboral.
Actividad de reforzamiento
Pulsa aquí o escanea el qr
Desventajas
Implementación
Un sistema de BI puede requerir una inversión inicial significativa en software, hardware, infraestructura y consultoría.
Mantenimiento
El mantenimiento continuo del sistema, incluyendo actualizaciones, soporte técnico y capacitación del personal, también genera costos recurrentes.
Costo inicial y continuo
Integración
La integración de BI con los sistemas existentes de la empresa (CRM, ERP, etc.) puede ser compleja y costosa.
Desventajas
Data Warehouse
La construcción de un Data Warehouse (almacén de datos) robusto y eficiente requiere una planificación cuidadosa y experiencia técnica.
Calidad de los datos
La calidad de los resultados de BI depende en gran medida de la calidad de los datos. Datos inconsistentes, incompletos o erróneos pueden llevar a conclusiones incorrectas.
Complejidad en la implementación y gestión
Curva de aprendizaje
El uso de herramientas de BI puede requerir una curva de aprendizaje para los usuarios, lo que puede generar resistencia al cambio.
Desventajas
Exceso de datos
BI puede generar una gran cantidad de datos e información, lo que puede resultar abrumador o confuso para los usuarios si no se presenta de manera clara y concisa
Mala interpretación
Una mala interpretación de los datos puede llevar a decisiones erróneas. Es fundamental contar con personal capacitado para analizar e interpretar la información correctamente.
Sobrecarga de información y mala interpretación
Desventajas
Disponibilidad de datos
La efectividad de BI depende de la disponibilidad de datos relevantes y de calidad. La falta de datos o datos incompletos pueden limitar el análisis.
Seguridad de los datos
Los datos almacenados en los sistemas de BI son sensibles y deben protegerse contra accesos no autorizados y ciberataques.
Dependencia de datos y riesgos de seguridad
Desventajas
Enfoque cuantitativo
Puede tener limitaciones para el análisis de datos cualitativos (opiniones, sentimientos, entre otros).
Pérdida de intuición
Un enfoque excesivo en los datos cuantitativos puede llevar a una pérdida de la intuición y el juicio humano en la toma de decisiones.
Limitaciones en el análisis cualitativo
Desventajas
Proyectos a largo plazo
La implementación completa de un sistema de BI puede llevar tiempo, dependiendo de la complejidad del proyecto y los recursos disponibles.
Tiempo de implementación
Desventajas
Adaptación del personal
La implementación de BI puede requerir cambios en los procesos de trabajo y en la cultura de la empresa, lo que puede generar resistencia al cambio por parte de los empleados.
Resistencia al cambio
Mitigar Desventajas
Actividad de Reforzamiento
Pulsa aquí o escanea el qr
Actividad de Aprendizaje
arq. de modelo de B.I.
arq. de B.I.
Proporcionar los datos crudos que serán procesados y analizados.
Capa de Fuentes de Datos
Descripción
Es la base de la arquitectura, donde se originan los datos.
BD transaccionales
Componentes
Sistemas ERP, CRM, POS
Datos no estructurados
Correos electrónicos, documentos, redes sociales.
Datos externos
APIs, fuentes públicas, sensores IoT.
arq. de B.I.
Preparar los datos para su análisis, asegurando que sean consistentes y confiables.
Capa de Integración de Datos (ETL/ELT)
Descripción
Proceso de extraer, transformar y cargar datos para su uso en el sistema de BI.
Extracción
Componentes
Recopilación de datos de múltiples fuentes.
Transformación
Limpieza, normalización y enriquecimiento de datos.
Carga
Almacenamiento de datos en un repositorio central (data warehouse o data lake).
Herramientas: Informatica, Talend, Microsoft SSIS, Apache NiFi.
arq. de B.I.
Facilitar el acceso rápido y eficiente a los datos para su análisis.
Capa de Almacenamiento de Datos
Descripción
Repositorios centralizados donde se almacenan los datos procesados.
Data Warehouse
Componentes
Almacén estructurado para datos históricos y analíticos (ej: Amazon Redshift, Snowflake).
Data Lake
Almacén para datos estructurados y no estructurados en su formato crudo (ej: Hadoop, AWS S3).
Data Marts
Subconjuntos de un data warehouse orientados a áreas específicas (ej: ventas, finanzas).
arq. de B.I.
Transformar los datos en información útil para la toma de decisiones.
Capa de Procesamiento y Análisis
Descripción
Donde se aplican técnicas y herramientas para analizar los datos.
Motores de consultas
Componentes
SQL, NoSQL, Spark.
Herramientas de análisis
SAS, R, Python, MATLAB.
Machine Learning
Modelos predictivos y prescriptivos.
arq. de B.I.
Permitir a los usuarios finales interpretar los datos fácilmente.
Capa de Visualización y Reporting
Descripción
Presentación de los datos analizados en formatos comprensibles.
Dashboards
Componentes
Paneles interactivos que muestran KPIs y métricas clave.
Reportes
Documentos estáticos o dinámicos con información detallada.
Herramientas
Tableau, Power BI, QlikView, Looker.
arq. de B.I.
Garantizar que la información esté disponible para los usuarios adecuados en el momento oportuno.
Capa de Acceso y Entrega
Descripción
Proporciona a los usuarios finales acceso a los datos y análisis.
Portales de BI
Componentes
Interfaces web o móviles para acceder a dashboards y reportes.
APIs
Para integrar datos y análisis en otras aplicaciones.
Dispositivos
Acceso desde computadoras, tablets o smartphones.
arq. de B.I.
Mantener la integridad, confidencialidad y disponibilidad de los datos.
Capa de Seguridad y Gobernanza
Descripción
Asegura que los datos estén protegidos y cumplan con regulaciones
Control de acceso
Componentes
Autenticación y autorización de usuarios.
Encriptación
Protección de datos en reposo y en tránsito.
Auditoría
Monitoreo y registro de actividades.
Cumplimiento: Normativas como GDPR, HIPAA.
arq. de B.I.
Asegurar que el sistema funcione de manera eficiente y confiable.
Capa de Gestión y Monitoreo
Descripción
Supervisa y optimiza el rendimiento del sistema de BI.
Monitoreo de ETL
Componentes
Verificación del flujo de datos.
Optimización de consultas
Mejora del rendimiento de las consultas.
Alertas
Notificaciones sobre fallos o anomalías.
Insights
Una comprensión profunda y clara de una situación, problema o comportamiento, derivada del análisis de datos o información, que permite tomar decisiones informadas y efectivas.
Insights
¿Dónde se usa los insights?
Ciencia de Datos
referirse a las conclusiones significativas que se extraen de los datos después de aplicar técnicas de análisis, modelado y visualización.
Marketing y Publicidad
Son hallazgos clave sobre el comportamiento del consumidor que permiten diseñar campañas más efectivas.
Su importancia para entender las necesidades del mercado.
Insights
¿Dónde se usa los insights?
Inteligencia de Negocios (BI)
son el resultado de analizar datos para mejorar la toma de decisiones. Herramientas como Power BI, Tableau y Qlik están diseñadas para generar insights a partir de datos.
Psicología y Comportamiento Humano
Se refiere a una comprensión repentina o profunda de un problema o situación. Este concepto fue popularizado por psicólogos como Wolfgang Köhler en sus estudios sobre el aprendizaje y la resolución de problemas
Insights
Caracteristicas
Relevancia
directamente relacionados con los objetivos o desafíos del negocio.
Profundidad
Van más allá de lo superficial y revelan algo que no era evidente a simple vista.
Descubrir que un producto específico tiene una alta demanda en una región particular.
Identificar que las ventas aumentan los fines de semana debido a una campaña de marketing específica.
Insights
Caracteristicas
Claridad
Son fáciles de entender y comunicar, incluso para personas que no son expertas en análisis de datos.
Oportunidad
Se obtienen en el momento adecuado para influir en la toma de decisiones.
El 70% de los clientes abandonan el carrito de compras porque los costos de envío son demasiado altos
Detectar una caída en las ventas a tiempo para implementar una estrategia correctiva.
Insights
¿Cómo Generar Insights?
Recopila datos
Asegúrar que se tenga acceso a datos completos y de calidad.
Datos de ventas, comportamiento del cliente, métricas de marketing, entre otros
Analiza los datos
Usar herramientas como Power BI, Excel o Python para explorar y visualizar los datos
Busca patrones, tendencias o anomalías.
Insights
¿Cómo Generar Insights?
Preguntas clave
Insights
¿Cómo Generar Insights?
Interpretación de los resultados
Convierte los datos en información significativa.
No decir: "las ventas aumentaron un 10%", sino "las ventas aumentaron un 10% debido a una campaña de marketing en redes sociales".
Insights
Diferencia Entre Datos, Información e Insights
Datos
Son hechos crudos o números sin contexto. Ejemplo: "100 unidades vendidas".
Son datos organizados y contextualizados. Ejemplo: "Se vendieron 100 unidades del producto X en la región Y".
Información
Son interpretaciones profundas y significativas de la información.
Insights
"Las ventas del producto X en la región Y aumentaron un 20% después de una campaña de descuentos, lo que sugiere que los clientes en esa región son sensibles a los precios".
Información Accionable
Diferencia Entre Datos, Información e Insights
Información Accionable
Características
Relevante
Directamente relacionada con los objetivos o desafíos del negocio.
Saber que el producto "abc" genera los mayores ingresos es relevante, ya que se puede decidir enfocar más esfuerzos en su promoción.
Clara y específica
No es ambigua ni genérica. Proporciona detalles concretos.
En lugar de decir "las ventas están bajando", la información accionable diría "las ventas del producto X han disminuido un 15% en la región Y durante el último trimestre".
Información Accionable
Características
Oportuna
Disponible en el momento adecuado para tomar decisiones.
Identificar que las ventas de un producto están cayendo, puede actuar rápidamente para corregir la tendencia.
Medible
Respaldada por métricas o datos cuantificables.
Los ingresos por ventas en la región Norte aumentaron un 20% en el último mes
Información Accionable
Características
Orientada a la acción
Sugiere o facilita acciones concretas
Descubrir que un vendedor tiene un bajo desempeño, puede proporcionarle capacitación adicional o reasignarlo a otra región.
Información Accionable
¿Cómo Convertir Datos en Información Accionable?
Define objetivos claros
¿Qué se quiere lograr con los datos?
Aumentar las ventas, mejorar la satisfacción del cliente o reducir costos.
Filtra y organiza los datos
Elimina información irrelevante y enfócate en lo que realmente importa para tus objetivos
Información Accionable
¿Cómo Convertir Datos en Información Accionable?
Analiza patrones y tendencias
Usa herramientas, para identificar relaciones, tendencias o anomalías en los datos.
Interpreta los resultados
No quedarse solo con los números. Pregúntate: ¿Qué significan estos datos? ¿Qué acciones puedo tomar basándome en ellos?
Información Accionable
¿Cómo Convertir Datos en Información Accionable?
Toma decisiones y actúa
Usa la información para implementar cambios concretos en tu negocio.
Actividad de aprendizaje
Los conceptos
python
pandas
DataFrame
Lenguaje de programación multipropósito
Pandas es una biblioteca de Python especializada en análisis y manipulación de datos. Ofrece estructuras de datos eficientes, como Series y DataFrames, que facilitan la manipulación de grandes volúmenes de información de manera estructurada.
Es una estructura de datos bidimensional similar a una tabla en Excel o una base de datos SQL. Se organiza en filas y columnas, lo que facilita el almacenamiento, manipulación y análisis de grandes volúmenes de datos.
Los conceptos
es una librería de Python que genera un informe automático y detallado de un DataFrame. Este informe incluye:
ydata-profiling
Instalar python: Para ello has clic aquí o visita python.org/Downloads
La descarga
Se verá una ventana como la de imagen de la izquierda descarga la versión acorde a tu sistema operativo
Siga las instrucciones del instalador y verifica que la opción de "agregar al path" (solo para el caso de windows) este activa
La instalación
Una ves terminado de instalar python, se instalara la libreria pandas.
La validación
Validar que se tiene instalado pip ejecute el siguiente comando
pip --version
Instalar pip
Instale pandas ejecutan el siguiente comando
La biblioteca
pip install pandas
Valide la instalación de pandas
python
import pandas as pd
print(pd.__version__)
Se tienes un archivo CSV llamado ventas.csv que contiene datos de ventas mensuales de una empresa.
El ejercicio
El fichero tiene las siguientes columnas:
Fecha:
La fecha de la venta.
Producto: El nombre del producto vendido.
Cantidad: La cantidad de unidades vendidas.
Precio Unitario: El precio de cada unidad.
Total: El monto total de la venta (Cantidad * Precio Unitario).
El ejercicio
Se Quiere responder las siguientes preguntas:
El ejercicio
Se Quiere responder las siguientes preguntas:
El ejercicio
La importación y carga de datos
import pandas as pd
# Cargar el archivo CSV
df = pd.read_csv('ventas.csv')
# Mostrar las primeras filas del DataFrame
print(df.head())
La limpia y preparación del data
# Verificar si hay valores nulos
print(df.isnull().sum())
# Eliminar filas con valores nulos (si es necesario)
df = df.dropna()
# Convertir la columna 'Fecha' a tipo datetime
df['Fecha'] = pd.to_datetime(df['Fecha'])
# Extraer el mes y el año de la fecha
df['Mes'] = df['Fecha'].dt.to_period('M')
El análisis
# Calcular el total de ventas por mes
ventas_por_mes = df.groupby('Mes')['Total'].sum()
# Mostrar los resultados
print("Ventas por mes:")
print(ventas_por_mes)
El análisis
# Calcular el total de ventas por mes
ventas_por_mes = df.groupby('Mes')['Total'].sum()
# Mostrar los resultados
print("Ventas por mes:")
print(ventas_por_mes)
El producto más vendido
# Agrupar por producto y sumar la cantidad vendida
producto_mas_vendido = df.groupby('Producto')['Cantidad'].sum().idxmax()
print(f"El producto más vendido es: {producto_mas_vendido}")
Mes con mayores ingresos
# Encontrar el mes con el mayor total de ventas
mes_mayores_ingresos = ventas_por_mes.idxmax()
print(f"El mes con mayores ingresos fue: {mes_mayores_ingresos}")
La gráfica
import matplotlib.pyplot as plt
# Graficar ventas por mes
ventas_por_mes.plot(kind='bar')
plt.title('Ventas por Mes')
plt.xlabel('Mes')
plt.ylabel('Total de Ventas')
plt.show()
Instale la librería: ydata-profiling
Instalando profiling
pip install ydata-profiling
El ejemplo
from ydata_profiling import ProfileReport
import pandas as pd
# Crear un DataFrame de ejemplo
data = {
'Edad': [25, 30, 35, 40, 45, 50, 55, 60, 65, 70],
'Ingresos': [50000, 60000, 70000, 80000, 90000, 100000, 110000, 120000, 130000, 140000],
'Género': ['M', 'F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'F']
}
df = pd.DataFrame(data)
# Generar el informe
profile = ProfileReport(df, title="Reporte de Datos Demográficos")
# Guardar el informe en un archivo HTML
profile.to_file("reporte_demografico.html")
Identificar los elementos fundamentales de un proceso. Es clave para entender cómo funcionan los procesos en el contexto de la inteligencia de negocios (BI) y en general en cualquier área de una organización.
Integrar una solución de B.I.
Descargue el fichero de instalación de pip, pulsando aquí
Instalación pip en windows
Abre una terminal (cmd) y navega a la carpeta donde descargaste el archivo.
Ejecuta el siguiente comando:
python get-pip.py
Abra una terminal y ejecute el siguiente comando
Instalación pip en Linux / MacOsX
sudo apt-get install python3-pip # Para Linux
brew install python3 # Para macOS (Homebrew)
¿proceso?
Elementos de un proceso
Es un conjunto de actividades interrelacionadas que transforman insumos en productos o servicios.
¿Qué elementos intervienen en un proceso?
Elementos de un proceso
Entradas
Procedimientos
Pasos, etapas, uso de herramientas para poder resolver / solventar una problemática
Salida
Resultados encontrados (el informe)
¿Qué elementos intervienen en un procedimiento?
Elementos de un proceso
Actividades
Recursos
¿Qué elementos intervienen en un procedimiento?
Elementos de un proceso
Controles y métricas
Roles
¿Qué elementos intervienen en una Salida?
Elementos de un proceso
Clientes
Condiciones de ejecución
Ejemplo
Elementos de un proceso
Proceso: Gestión de pedidos en una tienda en línea
Entrada
Orden del cliente, inventario, plataforma de pago
Procedimiento
Recursos
Software de gestión, empleados, transportistas
Roles
Cliente, operador logístico, depto. de facturación
Métricas
Tiempo de entrega, tasa de satisfacción, costo X pedido
Salida
Clientes
Producto entregado, factura electrónica
Compradores en línea
Condiciones
Disponibilidad de stock, eficiencia logística, normativas fiscales
Elementos de un proceso
Actividad de aprendizaje
Googlea Frexus.
Selecciona la opción: Generando Valor Agregado.
Ve a la sección de academia.
Busca el nombre de la materia y has clic en ella
En la sección de recursos lee el que tiene el nombre de: Decisiones Inteligentes.
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
Metas y objetivos deben seguir el principio SMART, es decir, deben ser:
Específicos (Specific)
Definir con precisión lo que se desea lograr.
Medibles (Measurable)
Poder cuantificar los resultados con datos concretos
Alcanzables (Achievable)
Ser realistas según los recursos disponibles.
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
Metas y objetivos deben seguir el principio SMART, es decir, deben ser:
Relevantes (Relevant)
Alinearse con la estrategia del negocio
límite de tiempo (Time-bound)
Tener un período definido para su cumplimiento.
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
Metas y objetivos deben seguir el principio SMART, es decir, deben ser:
Ejemplo: Una empresa de e-commerce establece la meta de incrementar las ventas en un 15% en el próximo trimestre mediante estrategias basadas en datos.
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
Actividad de aprendizaje
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
Relación entre Metas, Objetivos y KPI
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
Relación entre Metas, Objetivos y KPI
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
Relación entre Metas, Objetivos y KPI
La correcta integración de BI permite no solo definir objetivos estratégicos, sino también medir su efectividad en tiempo real con KPI bien diseñados.
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
El kpi adecuado para el objetivo y meta
Comprender el tipo de objetivo
Antes de seleccionar un KPI, define qué tipo de meta tienes.
Crecimiento
Aumentar ventas, clientes, tráfico, entre otras.
Eficiencia
Reducir costos, mejorar tiempos de respuesta, optimizar recursos.
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
El kpi adecuado para el objetivo y meta
Comprender el tipo de objetivo
Antes de seleccionar un KPI, define qué tipo de meta tienes.
Satisfacción
Mejorar experiencia del cliente, calidad del servicio.
Conversión
Transformar leads en clientes, incrementar la tasa de compra.
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
El kpi adecuado para el objetivo y meta
Actividad de aprendizaje
Características, metas, objetivos -> kpi's
Características de las Metas y Objetivos en BI
El kpi adecuado para el objetivo y meta
Actividad de aprendizaje
Definir estrategia -> mejorar cada indicador
Cuando se implementa Inteligencia de Negocios (BI), no solo busca medir su desempeño con indicadores clave de rendimiento (KPI), sino que también necesita estrategias concretas para mejorar esos indicadores y optimizar sus resultados.
Definir estrategia -> mejorar cada indicador
Para mejorar un KPI, se debe seguir un ciclo de mejora continua, que incluye
Analizar el desempeño actual
Identificar áreas de mejora
Definir estrategias específicas
Implementar acciones y monitorear resultados
Definir estrategia -> mejorar cada indicador
KPI's de Crecimiento (aumento de ventas, clientes, trafico web)
Estrategias
Optimización de estrategias de marketing digital (SEO, SEM, email marketing).
Expansión a nuevos mercados o canales de venta.
Personalización de la experiencia del cliente para fomentar la lealtad.
Uso de automatización en la captación y seguimiento de clientes.
Ejemplo: Si el KPI es "Aumentar las ventas un 20% en seis meses", se pueden aplicar estrategias como descuentos personalizados, campañas en redes sociales o mejoras en la experiencia de compra en línea.
Definir estrategia -> mejorar cada indicador
KPIs de Eficiencia (Ejemplo: Reducción de costos, tiempos de respuesta)
Estrategias
Implementación de procesos automatizados para reducir tiempos y costos operativos.
Optimización de la cadena de suministro con herramientas de predicción de demanda.
Capacitación del personal en mejores prácticas para mejorar la productividad
Uso de software de gestión empresarial (ERP) para mejorar la coordinación interna.
Ejemplo: Si el KPI es "Reducir el tiempo de entrega de pedidos de 48 a 24 horas", se puede optimizar la logística con rutas más eficientes y acuerdos con proveedores estratégicos.
Definir estrategia -> mejorar cada indicador
KPIs de Satisfacción del Cliente (NPS, tiempo de respuesta en atención al cliente)
Estrategias
Implementación de encuestas de satisfacción y análisis de comentarios.
Capacitación en atención al cliente y reducción de tiempos de espera.
Uso de chatbots e inteligencia artificial para resolver consultas en tiempo real.
Mejora en la calidad del producto o servicio con base en el feedback del cliente.
Ejemplo: Si el KPI es "Incrementar el Net Promoter Score (NPS) en un 10%", la empresa puede mejorar su servicio al cliente con respuestas más rápidas y personalizadas.
Definir estrategia -> mejorar cada indicador
KPIs de Conversión (Tasa de conversión de leads a clientes, tasa de abandono de carrito)
Estrategias
Pruebas A/B para optimizar páginas de conversión.
Remarketing y estrategias de fidelización.
Simplificación del proceso de compra para evitar fricciones.
Uso de inteligencia artificial para recomendaciones personalizadas
Ejemplo: Si el KPI es "Reducir la tasa de abandono de carrito del 50% al 30%", se pueden implementar estrategias como recordatorios por correo, descuentos exclusivos y mejoras en la interfaz de usuario.
Definir estrategia -> mejorar cada indicador
Después de definir estrategias para cada KPI, es esencial monitorear el impacto de las acciones tomadas.
Implementación y Monitoreo
Dashboards de BI que actualizan los KPI en tiempo real.
Revisión periódica de resultados para ajustar estrategias.
Pruebas piloto antes de implementar cambios a gran escala.
Definir estrategia -> mejorar cada indicador
Actividad de reforzamiento
Pulsa aquí o escanea el qr
Definir estrategia -> mejorar cada indicador
Actividad de aprendizaje
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Transformación de Datos
ETL (Extract, Transform, Load)
Apache NiFi
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Transformación de Datos
ETL (Extract, Transform, Load)
Talend
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Transformación de Datos
ETL (Extract, Transform, Load)
Microsoft SQL Server Integration Services (SSIS)
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Transformación de Datos
ETL (Extract, Transform, Load)
Google Cloud Dataflow
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Transformación de Datos
Procesamiento y Limpieza de Datos
Pandas (Python)
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Transformación de Datos
Procesamiento y Limpieza de Datos
Databricks (Apache Spark)
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Transformación de Datos
Procesamiento y Limpieza de Datos
OpenRefine
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Visualización de Datos
Herramientas de Visualización Empresarial
Power BI (Microsoft)
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Visualización de Datos
Herramientas de Visualización Empresarial
Tableau
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Visualización de Datos
Herramientas de Visualización Empresarial
Looker (Google Cloud)
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Visualización de Datos
Herramientas de Código Abierto y Personalización
D3.js
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Visualización de Datos
Herramientas de Código Abierto y Personalización
Matplotlib y Seaborn (Python)
Identificación de Herramientas, Transformación y Visualización de Datos
Herramientas para la Visualización de Datos
Herramientas de Código Abierto y Personalización
Grafana
Identificación de Herramientas, Transformación y Visualización de Datos
Actividad de reforzamiento
Pulsa aquí o escanea el qr
Identificación de Herramientas, Transformación y Visualización de Datos
Actividad de aprendizaje