Discrepancia de poblaciones entre INEGI y CONAPO (Caso Mexicano) – Columna de Investigación Datlas

Introducción

En México, el Instituto Nacional de Estadística y Geografía (INEGI) realiza el Censo de Población y Vivienda cada 10 años. Dicho censo, tiene como propósito producir información sobre el volumen, la estructura y la distribución espacial de la población, así como de sus principales características demográficas, socioeconómicas y culturales; además de obtener la cuenta de las viviendas y sus características tales como los materiales de construcción, servicios y equipamiento, entre otros. Al cumplir con el principio de universalidad, cuenta a todas las personas residentes habituales de las viviendas en el territorio nacional, además, incluye al personal del Servicio Exterior Mexicano que realiza sus funciones en el extranjero, a la población sin vivienda y a la que reside en viviendas colectivas.

Los censos son esenciales para la implementación y evaluación de las políticas públicas, su información es útil para la toma de decisiones en diferentes sectores: autoridades de los tres órdenes de gobierno, población en general, académicos, organizaciones de la sociedad civil y del sector privado.

Para registrar a la población que reside en México y las viviendas donde habitan, se utilizaron, principalmente, los cuestionarios Básico y Ampliado.El Cuestionario Básico se utilizó para realizar la enumeración exhaustiva de la población y las viviendas habitadas, de las personas que residen en viviendas colectivas, de la población sin vivienda y del personal del Servicio Exterior Mexicano. Los datos e indicadores que se generen a partir de este Cuestionario se podrán producir para los niveles:

  • Nacional
  • Entidad Federativa
  • Municipio o demarcación territorial
  • Localidad
  • AGEB
  • Manzana urbana

** Te puede interesar: Que es un GeoHash y para que sirve?

Por otro lado, está el Consejo Nacional de Población (CONAPO), que es la instancia gubernamental mexicana que tiene por objeto el diseño, operación y evaluación de las iniciativas públicas destinadas a regular el crecimiento de la población, los movimientos demográficos, así como la distribución de los habitantes de México en el territorio. El propósito de esta misión es favorecer las condiciones de igualdad de los mexicanos y la planificación de la dinámica demográfica en el país.

A diferencia del INEGI, la CONAPO si toma en cuenta las defunciones de los mexicanos.

¿Cuál es el problema?

El problema es que los datos de población de el INEGI y la CONAPO son diferentes. Por lo que no se tiene bien informado al pueblo mexicano y el mundo sobre cual es la verdadera población mexicana.

Por ejemplo, de acuerdo al INEGI en el 2020 hay una población total de 5.54M en Nuevo León. Y por otro lado, de acuerdo a la CONAPO, hay una población total de 5.61M en el mismo estado.

Y así mismo para todos los Estados de la República Mexicana.

Por lo que se tiene una discrepancia de poblaciones entre ambas instituciones.

¿Cómo afecta este dato en nuestro negocio?

Si no se tiene bien el dato de población, puede tener varias consecuencias. Por ejemplo, se quiere modelar que zonas de Nuevo León serán las más óptimas para expandir o abrir mi negocio. Si no se tiene bien el dato de población, esto puede ocasionar que nuestro modelo de predicción arroje resultados erróneos. Que haya menos población de la que realmente se tiene, podría llegar a ser una detonante para una toma de decisiones. Lo que nos puede costar mucho dinero en un futuro si no se resuelve bien desde un principio.

¿Cómo lo resolvimos?

Como bien se mencionó, el INEGI tiene la población por AGEBS. lo cual la CONAPO solo la tiene a nivel municipio(o Estado). Entonces lo que se hizo, fue una homologación de poblaciones. Para tener una población real.

Para este ejercicio se hizo lo siguiente:

  1. Descargar las bases de datos tanto del INEGI como la de CONAPO
  2. Calculamos la proporción de la población de cada AGEB con su municipio y Estado
  3. Multiplicamos esa proporción del AGEB por la población municipal del municipio

Y así es como podemos homologar las poblaciones de ambas instituciones.

Y tú ¿Qué hubieras hecho?

Hasta aqui la columna de hoy. Te agradecemos seguirnos en nuestras redes @DATLASMX y si quieres seguir aprendiendo de esto te invitamos a revisar www.datlasacademy.com

– Equipo Datlas –

Keep it weird

¿Qué es una análisis FODA? 2 casos de uso práctico – COLUMNA DE INVESTIGACIÓN DATLAS

Todos hemos estado en una situación donde debemos tomar una decisión importante que puede afectar de manera positiva o negativa nuestras vidas, proyectos o empresas. Ante esta clase de escenarios una de las mejores estrategias es tratar de entender el contexto actual que envuelve cada alternativa al examinar con detalle las características internas y externas que lo acompañan.

Para desarrollar esta clase de entendimiento, las empresas usan una herramienta de gestión muy popular llamada análisis FODA (SWOT en inglés). Esta simple pero útil herramienta permite identificar las fortalezas, oportunidades, debilidades y amenazas que rodean una organización o proyecto, lo cuales servirán como entradas o insumos para una planeación estratégica exitosa, si se abordan y combinan de manera adecuada.

¿Cómo construir un análisis FODA?

Los análisis FODA se llevan a cabo a través de un ejercicio de lluvia de ideas. Esta clase de análisis puede servir tanto para temas muy específicos como un proyecto, como para temas más amplios como el desarrollo del plan estratégico de una empresa. Por lo anterior los participantes deben ser expertos en las diferentes áreas de enfoque para obtener las diferentes perspectivas de las áreas de la organización.

** También te puede interesar: ¿Que es el pensamiento sistémico para organizaciones?

Estas sesiones te recomendamos planearlas con antelación, usando el formato de workshop o taller. Estos están planeados de manera sistemática, con objetivos claros y enfocados a la obtención de resultados. Si no sabes como llevar a cabo workshops exitosos, te recomendamos el siguiente Blog Datlas: Consejos para planear un workshop exitoso.

Una buena práctica es comenzar las sesiones siempre por el análisis del contexto externo, es decir, por identificar las oportunidades y amenazas. Lo anterior es recomendable ya que las condiciones externas se cumplen también para los competidores, por lo que la empresa debe adaptarse a estas sin importar si qué. Esta forma de abordar el análisis puede ayudar a establecer cuales factores internos van a ser relevantes para enfrentar el contexto externo y así mismo, a considerar otros atributos internos que podrían haberse dejado de lado en el análisis.

Contexto Externo: Oportunidades y Amenazas

Para esta parte puedes hacer uso de otras herramientas de gestión como son el análisis PESTEL, acrónimo de Político, Económico, Social, Tecnológico, Ecológico y Legal, enumerando todas las oportunidades y amenazas que se presentan en estos diferentes aspectos externos. Aquí puedes hacerte preguntas cómo ¿Qué factores tecnológicos o económicos me favorecen o me perjudican?

Contexto Interno: Fortalezas y Debilidades

Para el análisis interno, enlista todos los atributos en cuanto a fortalezas y debilidades de la empresa, sin importar si estos pueden ser potencialmente positivos o negativos. Esto se resolverá más adelante cuando se enlacen con el contexto externo previamente identificado. Aquí puedes comenzar con preguntas del tipo: ¿Cuál es el factor diferenciador de mi empresa o producto? ¿Cuáles son los atributos que más atraen de mi marca? O por otro lado ¿Cuáles son los principales quejas de mis clientes? ¿Qué podría mejorar tu empresa?

Después de haber identificado los atributos del contexto interno y externo, puedes plasmar los resultados en una matriz FODA de 2×2 y comenzar a generar recomendaciones a través de la combianción de los atributos de la matriz. The Harvard Bussines Review propone la siguiente estructura: “Dada la condición [Factor Externo], nuestra habilidad para [Factor Interno], nos lleva a la siguiente recomendación [Recomendación]».

Por último te compartimos dos CASOS aplicados en los que DATLAS ha ayudado a construir estrategias por medio del uso de un análisis FODA:

Caso 1: Una empresa de turismo de aventura necesita mejorar y optimizar sus estrategias de ventas. Con la guía de los expertos de Datlas realizan un análisis FODA a partir de entrevistas y workshops con los principales stakeholders de la organización, para obtener un diagnóstico actual de la propuesta de valor de la compañía y de su competencia. A partir de lo anterior se construye un playbook de nuevas estrategias comerciales, su aplicación se tradujo en un incremento de las ventas y la supervivencia durante la coyuntura de la Pandemia COVID 19.


Caso 2: Una empresa de retail contrata a Datlas para evaluar y optimizar el uso de uno de sus tableros inteligentes. El objetivo es automatizar el proceso de actualización de los datos y aumentar el aprovechamiento de este en diferentes niveles de la compañía, para profundizar en el análisis de datos financieros. Con la ayuda de Datlas se realizan workshops a los principales usuarios de la herramienta y con ello se construye un análisis FODA, que permite identificar las principales oportunidades y estrategias alrededor de diferentes casos de uso del tablero inteligente.

** También te puede interesar: SISTEMA ILUO para matriz de habilidades de departamentos de datos en organizaciónes

Hasta aquí la columna de hoy. Síguenos en nuestras redes para estar enterad@ de la nueva temporada de podcast y recomendarnos nuevas temáticas que te gustaría explorar para este blog.

Equipo Datlas

– Keep it weird –

Fuentes:

Is A SWOT Analysis Worthwhile For Businesses? : https://www.forbes.com/sites/forbesbusinesscouncil/2021/09/03/is-a-swot-analysis-worthwhile-for-businesses/?sh=6a7ed5f32092

Are You Doing the SWOT Analysis Backwards?: https://hbr.org/2021/02/are-you-doing-the-swot-analysis-backwards

Mundial de Qatar 2022: Retos y beneficios de albergar el evento deportivo más importante del mundo – INVESTIGACIÓN DATLAS

Durante este mes de noviembre se vivirá una edición más de la Copa Mundial de Fútbol, un evento que siempre genera emociones, sufrimiento pero que sobre todo une a diferentes culturas, idiomas, religiones y nacionalidades para ser testigos del evento deportivo más importante del mundo. Uno de los retos más importantes para llevar con éxito este evento es la preparación del país para albergar y satisfacer todas las necesidades que los visitantes requieren para disfrutar el evento, el caso de Qatar en ejemplo de los retos y beneficios que demandan este magno evento y como fue que ha logrado tener éxito.

Este país del Medio Oriente tiene una población cercana a los 3 millones de personas y se espera que para el mundial reciban poco más del millón y medio de visitantes de todo el mundo. Esto provoca un importante reto en cuestiones de alojamiento, transporte, seguridad y movilidad y entretenimiento.

Se estima que se han vendido cerca de 2.5 millones de entradas para los partidos pero el entretenimiento que ofrece Qatar no se limita solo en los estadios, pues el gobierno qatarí ofrece experiencias como parques de diversiones, festivales, aventuras en el desierto y playa así como turismo cultural. De esta manera Qatar estima que sus visitantes no solo disfruten del Mundial, pues la diversidad de actividades ayuda a Qatar en aumentar sus ingresos turísticos y propone un esparcimiento más sano para los visitantes ante las restricciones que Qatar tiene con la venta de alcohol.

Aumento de la ocupación hotelera en Qatar

Así mismo la parte de la infraestructura fue otro reto importante para el gobierno de Qatar, el secretario general del Comité para la Entrega y el Legado Hassan Al Thawadi menciona que se tuvo que hacer importantes cambios en la cuestión de movilidad construyendo un sistema de metro completamente gratis para los usuarios, expansión del aeropuerto y la construcción de una nueva ciudad llamada Bloomerg Intelligence con un costo de 300,000 millones de dólares. Estos proyectos beneficiaron principalmente a la industria de la construcción y turismo.

En la ocupación hotelera, Qatar también desarrollo importantes complejos de hospedaje para solventar la ocupación durante el Mundial y con miras a tener un ingreso de 6 millones de turistas para el año 2030. Se destacan al menos 14 nuevos hoteles de lujo donde destacan The St. Regis Marsa Arabia Island, Fuwairit Kite Beach, Rixos Qetaifan Island North Doha entre otros nuevos hoteles y remodelaciones de los ya existentes.

Sin embargo, muchos turistias tienen planeado alojarse en los países cercanos a Qatar, pues los altos costos de los hoteles, aviones y las prohibiciones que tiene Qatar con venta de alchohol y fiestas motivan a que los visitantes busquen otras opciones como Emiratos Árabes Unidos, Arabia Saudita u Omán quienes de manera indirecta también se verán beneficiados, dando importantes beneficios económicos a las naciones de la región del Golfo Pérsico.

The St. Regis Marsa Arabia Island

Los impactos económicos:

Diversas fuentes mencionan que el evento del Mundial dejara importantes beneficios económicos para Qatar, pues se estima que el país crezca cerca 4.6% del PIB durante el 2022 y 2.3% para el 2023. Para el gobierno de Qatar lo importante no radica en el costo de la inversión que se realizo para el mundial, más bien la intención era consolidar proyectos para el Mundial y pensar a futuro con nuevos eventos como la Formula 1, el Mundial de Natación, los Juegos Asiáticos así como los demás entretenimientos fijos que este pequeño país árabe ofrece.

En cuestiones políticas, para Qatar es importante dar una imagen de un país amigable con el visitante ante el mundo, pues las criticas de ONG´S como Amnistía Internacional sobre la violación de derechos humanos y la explotación laboral han provocado que exista una idea de ser un país autoritario y poco tolerable con los visitantes y la población en general. Es por ello que el Soft Power es la herramienta importante para justificar las inversiones, motivar a la población extranjera a que visite Qatar y demostrar que es un país que tiene la capacidad de albergar grandes cantidades de gente y ofrecer grandes experiencias y eventos.

Hasta aqui la columna de hoy ¿Qué equipo crees que gane este mundial 2022?

– Equipo Datlas –

Bibliografía:

https://www.eleconomista.com.mx/deportes/Qatar-2022-la-contribucion-a-una-economia-ya-solida-20220504-0143.html

https://www.elfinanciero.com.mx/bloomberg/2022/08/28/la-fiebre-del-mundial-propaga-desde-qatar-el-auge-del-turismo-en-medio-oriente/

https://visitqatar.com/es-es

https://www.palco23.com/competiciones/qatar-busca-capitalizar-el-soft-power-del-futbol-en-el-mundial-2022

https://www.ambito.com/deportes/qatar/estima-us20000-millones-el-impacto-economico-del-mundial-n5206751

https://www.hosteltur.com/154109_qatar-acelera-la-apertura-de-atracciones-turisticas-a-14-dias-del-mundial.html

Imagen 1: Qatar Tourism

Imagen 2: https://www.hosteltur.com/comunidad/nota/020426_qatar-airways-anuncia-la-ampliacion-del-aeropuerto-internacional-de-hamad.html

Imagen de portada: https://www.bloomberglinea.com/2022/02/11/las-cifras-detras-de-un-mundial-de-futbol-es-rentable-para-el-pais-anfitrion/

¿Cómo redujimos 5 millones de datos de empleos del IMSS para un Dashboard? – MANUALES DATLAS

Para cualquier analista de datos los Tableros Dinámicos, o «Dashboards», son un elemento crucial que nos ayudan a visualizar los datos e interpretarlos de una manera llamativa y dinámica.

Cuando se nos entrega una base de datos con una cantidad razonable de observaciones y solo las variables relevantes para nuestro proyecto crear un Dashboard puede ser cuestión de unas pocas horas, sin embargo todo analista sabe que eso pocas veces sucede. La mayoría de las veces tenemos que trabajar bases de datos muy grandes, donde no todas las variables nos resultan útiles.

Muchas veces eso no resulta un problema gracias a que los softwares para crear Tableros Dinámicos pueden leer todos los datos, pero mientras más grande sea la base más lento se vuelve interactuar con los gráficos empeorando la experiencia del usuario final.

Esta vez al equipo de DATLAS nos tocó trabajar con una base abierta sobre las personas registradas como asegurados del IMSS en 2022, la cual contaba con casi 5 millones de registros y 29 variables. Para poder crear un Dashboard que brindara la mejor experiencia, decidimos reducir la base de datos en R Studio y en este blog te compartiremos como lo hicimos.

Los registros de la base de datos «IMSS» estaban en clave numérica por lo que se tuvo que trabajar simultáneamente con un diccionario de datos.

Lo primero que hicimos fue hacer un análisis de las variables, ver cuáles eran las que realmente nos interesaba visualizar en el Tablero final. Resultaron ser sólo 6 variables de las 29 disponibles, para cada una de esas 6 variables creamos una base de datos que sirviera como «catálogo» basándonos en el diccionario de datos del IMSS.

Ejemplo del catálogo para la variable cve_entidad

La librería «dplyr» en R Studio fue nuestra mejor amiga durante todo este proceso. Utilizamos la función left_join para incluir la descripción de cada dato de acuerdo a la clave utilizando los catálogos.

Ejemplo: Para la variable «cve_entidad» los datos eran números enteros del 1 al 32. Dónde cada número representaba una entidad de México. Para agregar a la base de datos el nombre de cada estado de acuerdo a su clave utilizando el catálogo de entidad (que nombramos cat_entidad en R) utilizamos la función de esta manera

df <- left_join(IMSS, cat_entidad, by=»cve_entidad»)

Así agregamos las nueva variables en forma de texto, donde visualizamos la entidad como «Aguascalientes» y no como «1». De aquí en adelante trabajaremos con estas variables, y no con las que teníamos en clave.

Hay 2 principales razones por las que este paso es muy importante y necesario desde el principio:

  • La primera y más obvia, para al terminar poder visualizar los datos en el tablero de una mejor manera y facilitar su entendimiento
  • La segunda tiene que ver con el siguiente paso a realizar, el cual es: Agrupar por medio de la función «group_by».

Al analizar el catálogo de la variable «cve_municipio» notamos que había más de una clave para el mismo municipio, entonces, si agrupábamos con respecto a esa variable los valores se agrupaban como si fuera de diferentes municipios cuando en realidad se trataba de uno mismo, generando una data frame con más observaciones de las que en realidad eran (recordamos que lo que buscamos es reducir lo máximo posible el número de observaciones).

Es por eso que es importante primero cargar las nuevas variables con respecto al catálogo y agrupar en base a esas.

Por ejemplo el municipio «Abasolo» tiene 4 diferentes claves, si agrupáramos respecto a estas tendríamos 4 observaciones por el mismo municipio. En cambio, al agregar la nueva variable «municipio», se agrupa respecto al nombre del municipio (el cual es el mismo para esas 4 claves) y se tiene una sola observación por municipio.

Por eso es importante realizar la carga de catálogos antes de agrupar respecto a las «nuevas» variables que nos interesa mostrar en el Tablero. En nuestro caso nos interesaban las variables «sector_economico», «municipio», «entidad», «sexo», «edad», «salario» y «asegurados», de esta última nos interesa el total por lo que, en vez de agruparla, utilizaremos la función «summarise» para calcular el total por grupo. Creamos una nueva base llamada «Asegurados» de la siguiente manera:

Asegurados <- df %>% group_by(sector_economico, municipio, entidad, sexo, edad, salario) %>%

summarise(Total_Asegurados = sum(asegurados)) %>% data.frame()

Donde «df» es la base donde agregamos los catálogos.

Hasta aquí logramos reducir la base de datos de 4.9 Millones de datos a tan solo 1.8 Millones. Esto podría ser suficiente para trabajar la base en Power BI u otro software de tableros dinámicos, sin embargo, no terminamos aquí.

El ejercicio que se buscaba era visualizar los datos de los asegurados registrados en el IMSS de ciertos sectores económicos específicos. Se querían filtrar al rededor de 20 sectores usando la función «filter», pero poner cada uno de los sectores deseados dentro de la función, además de alargar el código, puede dar lugar a «errores de dedo» u omisiones. Entonces, ¿cómo filtrar en R 20 valores de tipo caracter sin escribir uno por uno?. Muy fácil, agregaremos una columna en el catálogo que creamos previamente sobre la variable deseada (en este caso el catálogo de «sector_economico») antes de realizar el left_join para agregar el catalogo a la base.

Esta columna la llamaremos, por ejemplo, cve_filtro y manualmente le daremos valores 1 o 0. Escribiremos 1 para los sectores que deseemos filtrar y 0 para los que no. Con ese cambio, podemos agregar el catálogo a la base exactamente como vimos anteriormente:

df <- left_join(IMSS, cat_sector, by=»sector_economico_4″)

Al momento de realizar el group_by agregaremos la nueva variable que creamos «cve_filtro»

Asegurados <- df %>% group_by(sector_economico, municipio, entidad, sexo, edad, salario, cve_filtro) %>%

summarise(Total_Asegurados = sum(asegurados)) %>% data.frame()

Y finalmente utilizamos la función «filter» con respecto a la variable «cve_filtro» buscando que sea igual a 1 (que son los deseados) así evitamos alargar inecesariamente el código y errores por escribir mal los valores.

Asegurados_filtrado <- Asegurados %>% filter(cve_filtro== 1)

Y Así es cómo redujimos 5 millones de datos del IMSS a sólo 400,000 para crear un dashboard más eficiente

Exportando la nueva base de datos pudimos crear un dashboard en Power BI que nos permite analizar los asegurados y así descubrir que el Sector Económico al que pertenecen más asegurados es el de Compraventa de alimentos y bebidas.

Así como ver que los asegurados se encuentran mayormente concentrados en el grupo de edad de 25 a 30 años de edad. Entre muchos otros datos que podemos capitalizar al analisar la base de datos que desarrollamos.

Hasta aqui la columna de hoy ¿Qué otras aplicaciones has escuchado para los shapefiles? Únete a la conversación en @DatlasMX y aprende más del tema en Datlas Academy

– Equipo Datlas –

¿Por qué las empresas deben de invertir en la ciencia de datos? – COLUMNA DE OPINIÓN DATLAS

A lo largo de la historia las empresas han generado una gran base de datos proveniente de diversas áreas de su compañía como pueden ser sus ventas, sus niveles de producción, su logística de entregas, clientes, colaboradores, entre muchas otras áreas. Sin embargo, la ciencia de datos permitió que el análisis de esta información fuera una ventaja exponencial para las empresas, posibilitando la transformación de los datos en información cualitativa y cuantitativa.

Es importante resaltar que la base de datos de información a escalado a tal nivel que con ayuda de la información pública las compañías pueden hacer un análisis mucho más exhaustivo y potenciar su crecimiento con una toma de decisiones asertivas.  

La ciencia de datos o el «big data» es un termino que se ha escuchado mucho en los últimos años, pero… ¿Qué es? y ¿Por qué las empresas de invertir en esta herramienta?

La ciencia de datos es el campo o conjunto de aplicaciones de la inteligencia artificial que transforma los datos en información útil para la toma de decisiones.


La ciencia de datos es el campo o conjunto de aplicaciones de la inteligencia artificial que transforma los datos en información útil para la toma de decisiones.

La ciencia de datos combina una variedad de herramientas analíticas (estadísticas, análisis cuantitativo, análisis predictivo y otros métodos científicos) para extraer valor de los datos recopilados de internet, fuentes de datos de dispositivos, entre otros.

El principal motivo por el cual las empresas deben de invertir en la ciencia de datos es porque esta aumenta la efectividad en la toma de decisiones, en palabras de nuestro invitado Eduardo de la Garza de podcast «Café de Datos»: «Te podrá ayudar a hacer el doble en la mitad del tiempo».

Es por eso que DATLAS quiso contribuir con el apoyo de la analitica de los datos Nosotros como compañia de análitica con el objetivo de ayudar a las empresas a interpretar la base de datos que han generado y a partir de sus necesidades generar una o multiples alternativas para resolverlas.

A continuación te presentamos 2 casos en concreto en los que DATLAS a participado en la analítica de datos para mejorar la toma de desiciones en campos específicos de su organización:
(por motivos de connfidencialidad, se presentara un caso breve sin el nombre de los participantes/clientes)

CASO PRÁCTICO 1: Problematica, un cliente que cuenta con una linea de franquiceas desea abrir una sucursal más, sin embargo, no sabe cual es la mejor ubicación para colocar su local. Solución, el cliente contrata a Datlas para que lo apoye para elegir la mejor ubicación según los criteros de valuación más importantes para el cliente.

Para ello, Datlas solicita la base de infromación del cliente para poder análizarla y complementarla con infromación pública como población, sector economico, uso de suelo, entre otros aspectos inportantes a considerar para proceder a análizar las mejores ubicaciónes a trabes de un mapa de inteligencia que permita destacar los pros y contras de cada ubicación y el cliente pueda tomar la mejor desición. Es inmportante aclarar que esta infromación le será util al cliente por los proximos 5-10.

CASO PRÁCTICO 2: Problematica, una empresa dedicada al rubro de turismo requiere saber cual es la derrama económica que genera el turismo en un estado específico de la república de México. Solución, el cliente contrata a Datlas para que desarolle un dashboard que le permita observar y gestiónar las métricas o KPIs objetivos de las estrategias requeridas.

Estos son dos ejemplos muy prácticos en los que Datlas te puede apoyar en la toma de desiciones, sin embargo, la ciencia de datos puede darse en cualquier área de la empresa como marketing, publicidad, finanzas, ventas, logistica, coordinación interna, entre muchas otras.

Estos son algunos blogs de Datlas que te permitiran saber más de los casos presentados:

  1. ¿Cómo encontrar la mejor ubicación para mi negocio de…. – Investigación Datlas
  2. Analítica en Turismo: Datos de INEGI y Datatur para construir estrategias en el sector hotelero – INVESTIGACIÓN DATLAS

Si quieres seguir conociendo más de este tema, a continuación te compartimos algunos Blogs que te pueden interesar:

1. Towards Data Science, este es un blog dirigido por una comunidad de científicos de datos. Fomenta un ecosistema de conocimiento hacia la ciencia de datos e ideas, directrices; Los lectores pueden compartir sus opiniones sobre diversas iniciativas mediante el análisis de la evaluación y la información relacionada.

2. Data Science Central, esta plataforma cubre temas relacionados con el análisis de los datos, la tecnología, herramientas de apoyo, visualización de datos, código y entremuchos otros.

3. Data Science | Google News, este sitio incluye las últimas tendencias y noticias en una amplia gama de áreas, incluidas noticias generales y tendencias específicas en la industria de la ciencia de datos.

Hasta aqui la columna de hoy, recuerda seguirnos en nuestras redes @DatlasMX

– Equipo Datlas –

¿QUÉ ES UN SHAPEFILE Y PARA QUE SIRVE? – INVESTIGACIÓN DATLAS

En Datlas nos especializamos en brindarles a nuestros clientes las mejores opciones para transformar sus datos en decisiones inteligentes, para ello tenemos una oferta grande de soluciones. Los tableros de inteligencia que ofrecemos son muy buenos en explicar los datos, mediante el uso de visuales podemos detectar tendencias y producir hallazgos. Por otro lado, tenemos el uso de Mapas, estos facilitan la interpretación de los datos que están georreferenciados.

Si quieres conocer mas acercaa de los Tableros de Inteligencia, te invitamos a leer «Dashboards de negocios, guía para principiantes – MANUALES DATLAS»

¿Que tienen de especial los mapas en Datlas?

El uso de nuestros mapas resuelve muchos de los retos actuales que tienen los negocios. Desde mapas de expansión comercial, hasta mapas que integran información de ventas de tu negocio.

Una de las solicitudes que hemos atendido es la de integrar distintos tipos de información georreferenciada al mismo mapa. Esto tiene como objetivo crear un mapa con toda la información que se necesita, logrando así un mapa completamente personalizado.

La solución tecnológica para poder integrar múltiples fuentes y múltiples tipos de datos a un solo mapa se atiende de múltiples maneras. Antes hemos hablado de que es un “Geohash” o para que sirve un “AGEB”, pero en esta columna queremos platicarles de que es un Shapefile, de que se conforma, cuál es su utilidad y de cómo podemos crear uno nosotros.

Te invitamos a leer las siguientes columnas para conocer mas de geohash y AGEBs.

¿QUÉ ES UN AGEB Y PARA QUE SIRVE? – INVESTIGACIÓN DATLAS

¿QUÉ ES UN GEOHASH Y PARA QUE SIRVE? – INVESTIGACIÓN DATLAS

¿Qué es la georreferenciación?

Esta es una técnica de posicionamiento espacial donde ubicamos en el mapa un objeto.

Si nos queremos poner técnicos, la georreferenciación es el posicionamiento espacial de una entidad en una localización geográfica única y bien definida mediante el uso de un sistema de coordenadas y datum específicos.

Todo esto se traduce en poner un punto en el mapa.

¿Qué encontramos en un Mapa?

Cualquier mapa que utilicemos desde Google maps hasta algún mapa viejo en papel tiene información desplegada. Toda esta información se encuentra en el mapa tomando alguna forma, esta puede ser un punto, línea o un polígono.

Puntos

Los puntos son objetos que no tienen ninguna dimensión, solo están ubicados dentro del mapa, pero tienen cero “volumen”, estos tienen a ser usados para representar mucha de la información y sin duda alguna es el tipo más común que encontramos en la mayoría de los mapas.

Uno uso común de los puntos es marcar la ubicación de un negocio, parque, centro comercial, etc. Estos lugares sin duda tienen un espacio o un “volumen” en tres dimensiones, pero para fines de simpleza, tienden a ser representados con un solo punto en el centro de su ubicación.

Por ejemplo, en esta captura de pantalla de Google Maps, encontramos al parque fundidora de la ciudad de Monterrey como un solo punto, al centro del parque.

Líneas

El segundo tipo que tocaremos será las líneas, para ello podemos pensar en la silueta o contorno de un lugar. Las líneas tienen un mundo de usos, uno de los más comunes es colocar los niveles topográficos del lugar. En algunos mapas también pueden ser usadas para desplegar información como calles, líneas de metro, límites territoriales, etc.

Polígonos

El polígono tiene la función de formar objetos en 2 dimensiones, en Datlas los utilizamos para delimitar una zona del mapa y agrupar sus características.

Por ejemplo, en esta imagen tenemos algunos polígonos de la Ciudad de Monterrey del mapa demo Datlas.

Trabajando con Múltiples Tipos

Cuando desarrollamos un proyecto nuevo en Datlas, es normal tener múltiples tipos de datos, así como múltiples fuentes.

Al tener todos estos datos georreferenciados, podemos colocarlos en el mismo mapa sin importar de que tipo sean.

Para eso trabajamos con nuestro habilitadores tecnológicos de GIS (geographic information system) que nos permiten procesar la información para colocarla en el mapa.

Nuestro software favorito tiene el nombre de QGIS.

Este es un software libre y de código abierto (open source) que habilita a nuestro equipo de manera importante para hacer procesamientos geoespaciales.

URL: https://www.qgis.org/en/site/index.html

Al trabajar con este tipo de programas podemos hacer uso de múltiples tipos de datos y de distintos formatos.

Lo que nos lleva al famoso SHAPEFILE. Este es un tipo de formato que nos permite trabajar con información georreferenciada ya sean puntos, líneas, polígonos, entre otros.

¿Qué es un Shapefile?

Un shapefile es un formato, así como tus imágenes tiene “.jpg” o tu documento de Word tiene “.docx” los shapefiles o comúnmente abreviados como “shp” son formatos de vectores geoespaciales de datos para el uso de software GIS.

Este formato de shapefile fue desarrollado y es regulado por ESRI como un estándar abierto para la interoperabilidad entre ESRI y distintos softwares de GIS.

Ahora para confundirte:

Cuando decimos “Shapefile” podemos estar diciendo dos cosas distintas. En la industria estas dos cosas tienen el mismo nombre, pero no te preocupes, aquí te decimos por qué y cuáles son las diferencias.

El primero y el que es técnicamente correcto es nombrar “shapefile” al archivo que termina en “.shp”, este es un solo archivo que tiene las características de la geometría de tus puntos, líneas o polígonos.

El problema aquí es que un archivo .shp no puede ser utilizado por sí mismo, tiene que ir acompañado de otros archivos con terminaciones .shx, .prj & .dbf.

Y he allí la confusión, como requerimos de mínimo estos cuatro archivos juntos para poder hacer uso de la información que almacenan, también se conoce como “shapefile” al conjunto de archivos que trabajan juntos para desplegar información en un sistema de información geográfica (GIS).

Mas adelante exploraremos cuales son las funciones de los otros tres archivos necesarios y de todos los otros que pueden acompañar a nuestro “shapefile” que son opcionales.

¿Cueles son los formatos que conforman un Shapefile?

De ahora en adelante llamaremos al conjunto de archivos que trabajan juntos para desplegar la información como “shapefile”.

Sin duda al trabajar con este tipo de documentos y sistemas por primera vez surge la duda de cómo hacer que funcione, por lo general al hacer uso de un archivo solo hacemos clic en él y si tenemos el programa adecuado, este se abre.

Para que un shapefile funcione de manera adecuada solo tenemos que asegurarnos de que todos los archivos que conforman un shapefile tengan el mismo nombre y estén en el mismo directorio o carpeta.

Por ejemplo, si tengo un shapefile que almacena información de un punto de interés se vería de esta manera en mi computadora.

Al importar estos archivos al QGIS o software de sistema de información geográfica de tu preferencia, se desplegará la información de manera adecuada y sin errores.

¿Qué función tienen los archivos que conforman un Shapefile?

Como lo mencionamos antes, un .shp se acompaña de 3 archivos indispensables para su correcto funcionamiento.

Estos son .dbf, .shx y .prj y su función es la que sigue:

.shp

Formato de la forma o, en otras palabras, almacena la geometría.

.shx

Almacena la indexación o forma del índice de la geometría, permitiendo su consulta en ambas direcciones del índice

.dbf

Almacena los atributos de formato, para cada figura del archivo.

.prj

Dentro de este archivo se encuentra la información sobre la proyección de la información. En sí, este archivo tiene los datos necesarios para georreferenciar el shapefile.

¿Qué otros archivos pueden acompañar un Shapefile?

Existen otra serie de archivos que pueden o no acompañar a los 4 esenciales, estos le agregan funciones o atributos al shapefiles.

Algunos de estos archivos son:

.sbn & .sbx

Indexación espacial de los atributos.

.fbn  & .fbx

Indexación espacial de los atributos, con la diferencia de que es solo para la lectura y no se pueden modificar.

.shp.xml (pegado)

Metadatos geoespaciales en formato .xml.

Existen muchos otros tipos de formatos de archivos que se pueden agregar a un shapefile, pero con esta introducción es más que suficiente para empezar a hacer uso de tus propios datos.

¿Dónde empezar?

La barrera de entrada para hacer uso de esta tecnología es baja, si tienes una computadora y puedes descargar información de internet, tienes todo lo que necesitas.

Empieza descargando QGIS desde https://www.qgis.org/es/site/ y utilízalo como tu software para procesamiento de información geográfica, este está disponible para Mac, Windows & Linux. Es seguro y gratuito.

Accede a la documentación en https://docs.qgis.org/3.22/es/docs/user_manual/ para familiarizarte con el programa.

¿Y los datos?

¿Qué crees?, no te tienes que preocupar por encontrar algunos shapefiles. Existe un mundo de información muy accesible y completamente gratuita que es generada por gobiernos, ONGs y entusiastas del mundo de los datos.

Te recomendamos usar tu motor de búsqueda al que más confianza le tengas (para mí: duckduckgo.com) y busques los shapefiles que más te llamen la atención.


Hasta aqui la columna de hoy ¿Qué otras aplicaciones has escuchado para los shapefiles? Únete a la conversación en @DatlasMX y aprende más del tema en Datlas Academy.

Equipo Datlas

– Keep it weird-

«Análisis de Supervivencia» ¿Cómo saber cuándo me casaré o encontraré un trabajo? Conoce algunos de sus métodos – INVESTIGACIÓN DATLAS

El análisis de supervivencia, o más generalmente, el análisis del tiempo hasta el evento, se refiere a un conjunto de métodos para analizar el período de tiempo hasta la ocurrencia de un punto final de interés bien definido (Fuente: PUBMED).

Las técnicas del análisis de supervivencia, también llamado “time to event” se remontan a las tablas de vida en las que los médicos medían si con un tratamiento específico los pacientes aumentarían sus probabilidades de sobrevivir. Estos métodos se expandirían en áreas como lo son la sociología, la economía, la biología y otras muchas ramas.

Para que los datos sean “time to event”, cada observación debe tener la posibilidad de que haya vivido un evento (por ejemplo, estar casado o no), pero cada una de las observaciones puede tener distintas duraciones (hay personas que siguen solteras a los 20 y otras a los 35). Para este tipo de muestra una regresión lineal ordinaria tendría problemas, ya que en la medición de nuestros datos no sabemos si las personas que todavía no viven el evento (es decir, que todavía no se casan) cuándo lo podrán hacer (si es que sucede). Esto es, técnicamente que los datos están censurados hacia la derecha. Aunque ya terminó el experimento, no así la posibilidad de supervivencia. Esto significa que una regresión lineal ordinaria tendría un sesgo y que por lo tanto debemos usar otros procedimientos como el análisis de supervivencia.

Algunas funciones son relevantes para poder medir estos datos de “time to event. Si denominamos S(t) la función de supervivencia, t el tiempo y F(t) la probabilidad de que el evento ya haya ocurrido antes del tiempo t:

S(t) = 1- F(t)

Esto quiere decir que la definición de función de supervivencia S(t) es la probabilidad de que el evento haya durado más que un tiempo t, es decir mide la probabilidad de que el evento todavía no haya ocurrido. En nuestro ejemplo nos ayudaría a medir cuál es la probabilidad de que una persona no se haya casado si ya han pasado t número de años.

Para estos análisis, es importante estimar cuál es la función de supervivencia. Un método es la estimación Kaplan-Meier. Este se basa en multiplicar la fracción de sobrevivientes en la muestra (es decir los que no les ha ocurrido el evento) por cada período que transcurre.

Ejemplo: Si 10 personas no tienen trabajo y 4 lo consiguen en el primer mes, un 60% sobrevive al evento (sigue desempleado). Para calcular el siguiente período, sólo tengo 6 personas que siguen sin trabajo. Si en ese segundo mes 3 más consiguen trabajo, entonces la probabilidad de sobrevivir al evento después de 2 meses será de 30%, que es el 60% que consiguió empleo la primera vez multiplicado por el 50% que lo obtuvo el segundo.

Para estos análisis, es importante estimar cuál es la función de supervivencia. Un método es la estimación Kaplan-Meier. Este se basa en multiplicar la fracción de sobrevivientes en la muestra (es decir los que no les ha ocurrido el evento) por cada período que transcurre.

Ejemplo: Si 10 personas no tienen trabajo y 4 lo consiguen en el primer mes, un 60% sobrevive al evento (sigue desempleado). Para calcular el siguiente período, sólo tengo 6 personas que siguen sin trabajo. Si en ese segundo mes 3 más consiguen trabajo, entonces la probabilidad de sobrevivir al evento después de 2 meses será de 30%, que es el 60% que consiguió empleo la primera vez multiplicado por el 50% que lo obtuvo el segundo.

Hay otros métodos más sofisticados que son más utilizados como lo son la regresión de Cox, que tienen la ventaja de poder obtener razones de riesgos.

Para entender que es la razón de riesgos, hay que entender primero qué es la función de riesgo. Ésta nos indica cuál es la probabilidad instantánea de que ocurra un evento. Esto sólo tiene sentido en observaciones que no han vivido el evento. Por ejemplo: ¿cuál es la probabilidad de que me case en este momento si tengo 28 años?

Si dividimos dos funciones de riesgo, obtenemos la razón de riesgo. Esta razón nos permite ver si una variable en particular aumenta la probabilidad de que un evento ocurra. Ejemplo: Si la probabilidad de encontrar trabajo después de 6 meses es del 40% si soy titulado y del 20% si no lo estoy, podría concluir que contar con un título profesional me da el doble de posibilidad de conseguir un trabajo. Aquí podemos observar, que podemos calcular el efecto de una característica particular sobre 2 sujetos en la misma situación salvo en la variable que queremos observar.

Como puedes ver, el análisis de supervivencia tiene muchas aplicaciones y son métodos que son cada vez más utilizados no sólo por médicos, sino también en distintas ramas de investigación y en la industria para poder estimar tanto probabilidades como factores de riesgo en observaciones que sabemos cuánto han durado en una situación.

Equipo Datlas

– Keep it weird –

Fuentes:

https://pubmed.ncbi.nlm.nih.gov/30015653/#:~:text=Survival%20analysis%2C%20or%20more%20generally,defined%20end%20point%20of%20interest.

https://towardsdatascience.com/survival-analysis-intuition-implementation-in-python-504fde4fcf8e

¿Es el gas natural una afectación económica a nivel regional / global dentro del conflicto Rusia-Ucrania? – Datlas columna de Opinión

Las afectaciones derivadas de una guerra suelen ser diversas, especialmente en temas sociales donde la migración, perdidas de vidas humanas y el aumento de la pobreza va de la mano conforme un conflicto bélico empieza a escalar. Y dentro de todos los problemas, las consecuencias económicas son un factor importante que sacude no solo a las finanzas de los países involucrados, sino a a las demás naciones que comparten una relación comercial estrecha y que puede dejar estragos en su estabilidad económica.

En esta columna revisaremos cómo la invasión de Rusia a Ucrania es un ejemplo de los problemas que puede sacudir a una región como Europa en cuestiones comerciales, que si bien este conflicto tiene como antecedente el año 2014, no fue hasta el inicio del 2022 que se agudizo las tensiones entre ambos países, lo que ha generado un problema para las economías globales, provocando una escasez de recursos importantes para la sociedad como son petróleo, carbón, alimentos y gas natural.

** También te puede interesar este blog sobre ALAN TURING

¿Qué importancia tienen los recursos naturales en el conflicto Rusia-Ucrania?

Rusia es actualmente uno de los mayores productores y exportadores de recursos naturales y materias prima a varios países de Europa como lo es el gas natural, este recurso importante para las naciones europeas ha generado una fuerte dependencia hacia Rusia para obtener dicho recurso, provocando que las sanciones impuestas al Kremlin generen un impacto negativo a los países de Europa central y occidental.

De acuerdo con cifras de BBVA Research, el 40% del gas que se consume en Europa proviene de Rusia, que se suministra del gasoducto Nord Stream que conecta a Rusia con Alemania por el Mar Báltico. Para Rusia el cierre total de este gasoducto puede provocar perdidas económicas importantes, de acuerdo a cifras de la BBC, Rusia pierde alrededor de 10 millones de dólares diarios por no tener un comprador potencial a quien pueda vender el gas natural.

Fuente: BBC

Países europeos más dependientes del gas ruso (en %)

Esta gráfica muestra los países que tienen una mayor dependencia al gas natural, como se observa los países de Europa del Este y Europa Central tienen una mayor dependencia que los de Europa Occidental. Esto deja dos conclusiones importantes, la influencia rusa en el lado oriental del continente y las perdidas económicas que Rusia tiene por la sanción.

A su vez, Europa sigue padeciendo estragos en su economía, la escasez del gas genera pérdidas financieras en varias naciones del viejo continente lo que puede provocar un disminución del crecimiento económico. De acuerdo a cifras del Fondo Monetario Internacional (FMI) el cierre total del gasoducto Nord Stream le puede costar a la Unión Europea hasta 2.7% de crecimiento.

** También te puede interesar ¿Cómo está México en Salud?

¿Cómo afecta a México el conflicto Ucrania-Rusia?

Si bien es cierto, las relaciones entre México y Ucrania en temas comerciales no suelen ser muy estrechas, a diferencia de Rusia quien es un socio comercial más activo. Entre las posibles consecuencias de la guerra se puede considerar una alta de precios en algunos bienes como el metal, trigo o productos químicos, sin embargo el tema del gas natural no afecta directamente a a México, en razón de que este recurso no esta dentro de las principales interacciones entre México y Rusia

.

Fuente: MMS

Para finalizar, es importante destacar que la economía global se basa en las importaciones y exportaciones entre las naciones. En el caso de Rusia, su economía esta basada en la exportación de recursos naturales, y teniendo a Europa dentro de su región de comercial, se vuelve importante el tema de dicho recurso para comprender los estragos económicos que deja tanto para el gobierno de Vladimir Putin como para Europa. Por otra parte Ucrania, al verse afectado de manera directa por la guerra, la economía se ha desmoronado lo que genera un importante crisis tanto social como financiera, resultando en un duro golpe dentro de la sociedad.

Gracias por leernos. Cuéntanos si te gusto y que opiniones tienen sobre la situación en esta parte del mundo ¡Escríbenos en redes sociales! @DatlasMX

Equipos Datlas

– Keep it weird –

Otras Fuentes:

¿Qué son los ISÓCRONAS y para qué sirven? – Investigación Datlas

Alguna vez te has puesto a pensar ¿Qué tan bien esta desarrollada una ciudad para movilizarse en ella? Ya sea por medio de transporte, auto, moto, bicicleta, etc. En este blog te explicaremos a detalle desde dónde parte un mapa de Isócronas, qué es, algunos casos de uso y recomendaciones.

Te ponemos un ejemplo para que entiendas mejor…¿Conoces la Ciudad de La Plata en Argentina? esta ciudad es la capital de la Provincia de Buenos Aires la cual es una de las mejores urbanizadas y diseñadas para una fácil transportación.

Estaremos analizando una de las mejores ciudades desarrolladas vs una de las peores para que entendamos más el concepto del mapa de Isócronas.

Ciudad de La Plata Argentina, una de las Ciudades en el mundo con mejor planificación urbana

¿Qué es un Isócrona?

Un mapa de Isócronas nos sirve para identificar las distancias de un punto (epicentro) ya sea una ciudad o región en dónde nos muestre los tiempos de recorrido analizando las rutas de acceso del destino en su mayoría con mapas de calor.

El mapa Isócrona nos ayudan a planificar una ciudad o región de una mejor manera para el futuro de crecimiento urbano, en el programa el cual se desarrolla QGIS podemos hacer las simulaciones con traslados para peatones, bicicletas, autobuses, automóviles, entre otros vehículos.

** Te puede interesar leer nuestro blog sobre: https://blogdatlas.wordpress.com/2021/05/16/como-hacer-isocronas-en-qgis-manuales-datlas/

Entendiendo la composición de un Isócrona

A veces nos cuesta mucho entender un mapa de Isócronas, y es que el objetivo de esta columna es que no te vayas con ninguna duda, te daremos las suficientes herramientas para entender y desarrollar Isócronas de manera autónoma.

Un mapa de Isócrona se compone de:

Fuente: https://geoestrategias.com.mx/blog/2020/09/15/que-son-las-isocronas/

Caso de Uso utilizando QGIS para desarrollar mapas de Isócrona

El equipo Datlas se dio a la tarea de desarrollar un caso de uso por medio de QGIS plataforma la cual nos da a la vanguardia de crear mapas de Isócronas, durante este ejercicio investigamos las ciudades mejores planificadas vs las peores planificadas.

Esto es lo que estuvimos desarrollando:

1- Seleccionamos un radio de 10 km en la Ciudad de La Plata en Argentina a un lado de Buenos Aires, es considerada como una de las Ciudades mejor desarrolladas de manera urbana. Para ello utilizamos nuestro mapa de inteligencia para medir las distancias desde un epicentro hasta la extensión de 10 kilómetros.

Fuente: Vía Datlas, mapas de inteligencia.

2- Vía QGIS hacemos una simulación por medio de traslados de automóviles y encendemos la Ciudad de La Plata con Isócronas las cuales nos indican los tiempos de recorridos hacia el epicentro del mapa, es interesante como la Ciudad conectan algunos puntos por su planificación bien efectuada y los tiempos de camino son considerables.

Te dejamos el análisis de Isócronas de una de las Ciudades mejores planificadas en la próxima lámina ¿Qué oportunidades de negocios, gobiernos, escuelas, transporte podemos aprovechar?

Fuente: Vía Datlas, metodología propia por medio de QGIS.

3- Así como esta lo bonito de un cuento siempre esta el lado oscuro y es que te traemos a la mesa una de las peores Ciudades planificadas y que siempre esta en constante crecimiento, sus caminos son muy diferentes a la Ciudad de La Plata.

Fuente: Vía Datlas, mapas de inteligencia.

4- Por este lado la Ciudad de Jakarta aplicada con mapa de Isócronas, la simulación muestra una gran diferencia de esparcimiento de tiempos entre los 10 y 20 minutos para llegar al epicentro con una distancia de 10 km como radio.

¿Interesante no? ¿Qué otra Ciudad o región del mundo se te ocurre aplicar algo similar?

Fuente: Vía Datlas, metodología propia por medio de QGIS.

Conclusión y recomendación

Ahora que somos expertos en análisis de mapas por Isócronas, lo que este blog nos ha destacado de ellos, para que nos sirven, lo que lo componen y sabemos aplicar un caso de uso por medio de QGIS nos suena interesante consultar esta información a detalle para posicionarnos de una mejor manera en el mercado, tomando decisiones inteligentes.

¿Qué te parece complementarlo con nuestros mapas de inteligencia que reúne datos de negocios, niveles socioeconómicos, población y más? Te compartimos uno de nuestros mapas de inteligencia que desarrollamos actualmente en Datlas que tienen como finalidad comercializar, expandir y capitalizar la región que deseemos con algunos clics y el acompañamiento personalizado.

Fuente: Vía Datlas, mapas de inteligencia.

¿Qué esperas para registrarte y probar nuestro DEMO gratis? También conoce DATLAS ACADEMY

Equipo Datlas

– Keep it weird-

12 Preguntas de Analítica y Tecnología que puedes responder con Podcast – Ecosistemas Datlas

En un mundo con abundancia de información y con mucho interés en aprender ciencia de datos ¿Cómo priorizo? Bueno pues te hicimos la tarea. En este blog priorizamos y desarrollamos los blogs más relevantes para que termines este 2022 escuchando mucho de lo que tienes que aprender para estrategias de ciencia de datos y analítica.

Adicional, sabemos que muchas de las personas que nos siguen estarán interesad@s en temas de tecnología como innnovación y complementamos el listado con algunos de los mejores episodios de estos tópicos. No olvides suscribirte y evaluarnos en CAFE DE DATOS una vez que escuches cualquier episodio en la lista.

1) ¿Qué demonios son los analytics?

Click al episodio; Comencemos con lo básico, desde el equipo de DATLAS ponemos a tod@s en el mismo piso de entendimeinto

2) ¿Cómo estructurar equipos de Analytics?

Click al episodio ; Desde el equipo de DATLAS te contamos la experiencia y la investigación que realizamos para estructurar equipos de analítica avanzada

3) ¿Cómo iniciar y vender internamente en mi organización una estrategia de Analítica?

Click al episodio ; Tuvimos un episodio con DAVID PUENTE de ARCA CONTINENTAL quien nos habló de la venta interna de proyectos y estructura de soluciones para el equipo de ARCA

4) ¿Qué oportunidad de innovación tiene un corporativo al implementar analítica de datos?

Click al episodio; Estuvo con nosotros CARL WALLACE quien nos dió los contrastes de implementaciones de analytics en el mundo startups vs. mundo corportaivo

5) Analíticas a la Moneyball ¿Cómo aprovechar analítica en industrias de retail?

Click al episodio; Estuvo con nosotros Edwin Hernández Directivo de Farmacias del Ahorro quien con algunas analogías nos habló de casos de uso y aprovechamiento de datos en retail

6) ¿Cómo aprovechar datos públicos para investigaciones y exploraciones de análisis?

Click al episodio; Estuvo con nosotros el Dr. Santaella, ahora ex-presidente del INEGI quien nos compartió los avances del instituto que más datos públicos genera en México en materia de ciencia de datos y tecnología

7) ¿Cuáles son algunas tendencias importantes que líderes de equipo deben de tomar en cuenta en analytics?

Click al episodio; Recopilamos y sintetizamos desde el equipo directivo de Datlas las 5 tendencias de mayor impacto para el 2022 en analítica

8) ¿Qué casos de éxito existen de transformación digital impulsada por analítica en empresas?

Click al episodio; Tuvimos al Director de XPERTAL Rodrigo Rey quien con su experiencia en FEMSA y antres en NEORIS enriqueció nuestros puntos de vistas de digital

9) ¿Qué es la econometría espacial y cuáles son algunas aplicaciones con datos geo-referenciados?

Click al episodio; Nos visitó en el episodio el Dr. Miguel Flores especialista en econometría espacial de la UANL

10) ¿Cuál es el rol de un traductor de datos en el negocio y cómo funciona?

Click al episodio; Nos acompañó Néstor García de OXXO para hablarnos de los Data Champions

11) ¿Cómo impulsar la creativas y el interés social?

Click al episodio; LABNL participó con nosotros vía Idalia Santos para compartirnos su expertise de este tema

12) ¿Cuáles son los ejemplos más recientes de implementación de analítica en negocios transaccionales o de salud?

Click al episodio; Participó con nosotros Mail Laredo quien se introduce como responsable de parte del desarrollo para una de las Farmacias más grandes de México

Hasta aqui el episodio de hoy. Recuerda continuar aprendiendo activamente y si eres quien consume mejor contenido por lectura te invitamos a revisar nuestro último lanzamiento de DATA PLAYBOOK 2022 para aprender de las últimas experiencias del equipo ¿De qué otros temas te gustaría que habláramos en el podcast? Compártenos en @datlasmx.

Equipo Datlas

– Keep it weird – –