Café de Datos: Top de Podcast Episodios por Temporadas – Podcast y Libros Datlas

En Febrero 2020, por la pandemia COVID-19, en el equipo de Datlas estábamos preocupados por cómo íbamos a continuar a ser relevantes y poder sobrevivir como startup a esta difícil época. Tras algunas colaboraciones, participamos en algunos podcast de colegas emprendedores y comenzamos a identificar que había una oportunidad de hablar de analítica de datos y transformación digital en un podcast en español.

Fue así como nació «Café de Datos», una primera versión de un vehículo en formato voz que muy pronto se convertiría en algo más grande (Academy). En Diciembre de 2020 nos reconocieron como el Top15 la categoría de Tecnología. En Diciembre 2021 nos han reconocido episodios que llegaron al Top40 en México total categorías. En esta columna te compartiremos los episodios más escuchados por temporada.

Desarrollamos una métrica para poder hacer «comparables» los rankings. Usamos las «Reproducciones por día desde la publicación del episodio». Y en este sentido compartimos el Top3 de cada temporada.

Top 5: 1era Temporada

Analytics – ¿Qué demonios son los analytics y cuándo es el momento de iniciar?

Analytics – Big data en mi organización ¿Cómo la inicio?

Invitado: Aldo Valadez – ¿Cómo hacer analytics a lo grande (en Corporativos)? (ft. BANREGIO)

En conjunto, estos capítulos nos apoyaron a darnos a conocer y a empezar a generar una comunidad entre los y las profesionales que más sabían del tema de analítica en el Norte del País.

Top5: 2da Temporada

Invitado: Edwin Hernández de Farmacias del Ahorro – Analítica en farmacias y equipos de alto desempeño (Estilo Moneyball)

Café de Opinión – Nuestra reflexión de «Social Dilemma» documental de NETFLIX

BONUS – Cómo cerramos el 2020 y Tendencias en tecnologías 2021

Estos episodios nos ayudaron a implementar nuevos formatos de episodios, los de analytics y otros dedicados para emprendedores.

Top5: 3era Temporada

BONUS: Charla INCMTY 2021 – Analítica en el sector inmobiliario – Presentación de casos de Uso

BONUS: Invitado Dr. Miguel Flores – Analítica y econometría espacial – ¿Qué es y para qué sirven los datos geo-referenciados (mapas)?

Invitado: Fernando Franco, Puente de Silicon Valley y conductor del «Valle de los Tercos» – «La situación de Silicon Valley post-pandemia y las habilidades para profesionales que buscan un futuro digital sostenible»[Fin de Temporada 3]

La 3era temporada ya nos había colocado una bara muy alta. Teníamos que superar el Top15 el próximo año. En este sentido las cintillas comenzaron a aparecer, invitad@s internacionales y obtuvimos los primeros patrocinios.

Top5: 4ta Temporada (Vigente)

Invitado: Néstor García – Data Champion: Traduciendo necesidades de negocios en iniciativas de analítica para la organización del futuro

Analítica de datos en recursos humano (HR Analytics) – Invitado: Álvaro Martínez de PepsiCo

¿Cómo estudiar el mercado del Retail? – Invitado: Jorge Pale de Nielsen

Es la temporada que actualmente está transcurriendo. Próximamente cerrará con un par de capítulos más. Realmente disfrutamos más los diálogos, hemos notado que más escuchas se quedan hasta el final y hemos aprendido a sacar mayor valor de las y los invitad@s. Todo esto comienza a sumar y ser preparativos para Datlas Academy.

¿Cuál ha sido tu episodio favorito? Te invitamos a compartir @DatlasMX

Hasta aqui el blog de hoy. Y esta última nota es para agradecerles a l@s miembros de nuestra comunidad por un 2021 de seguimiento. Te deseamos lo mejor en estas festividades navideñas o en este receso si te lo llegas a tomar.

-Equipo Datlas-

«Keep it weird»

¿Quiénes y por qué ganaron el PREMIO NOBEL de economía 2021? – Investigaciones Datlas

Es bien sabido que la economía es una ciencia muy transversal, tengamos o no un perfil matemático/financiero, los temas como el salario mínimo, la educación, e inmigración nos afectan a todos por el simple hecho de formar parte de la sociedad. Dicho esto, tiene sentido que sea cuando menos interesante los hallazgos recientes en economía más impactantes dignos de un Premio Nobel. Aquí entérate quienes ganaron el premio de este año y porque.

El primer galardonado es David Carl, un economista laboral canadiense-estadounidense y profesor de economía en la Universidad de California, Berkeley. Utilizando experimentos naturales analizó el salario mínimo, la educación, e inmigración en el mercado laboral.

Por el otro lado, Joshua D. Angrist, un economista israelí-estadounidense y profesor de economía en el Instituto de Tecnología de Massachusetts, junto con Guido W. Imbens, un economista holandés-estadounidense y profesor de economía en la Universidad de Stanford, aportaron a la manera en que podemos percibir la causalidad de experimentos naturales.

¿En qué consistían sus trabajos y por qué son tan relevantes?

El salario mínimo reduce el empleo? Un caso de estudio de California, 1978-89

Por parte del trabajo de David Carl, el tema central es observar el cambio en el estado de california al aplicarse la ley que incrimentaría el salario mínimo de 3.35 a 4.25 USD. Lo más interesante de este tema, es que según la teoría clásica de economía, mientras más se aumente el salario mínimo, más crecerá el desempleo, debido a que no se podrá contratar a tanta gente con salarios tan altos.

Esta última lógica hace sentido ¿No?, pues, depende. El catedrático de la Universidad de Berkeley estuvo en Madrid hace unas semanas para recoger el Premio Fronteras del Conocimiento que le otorgó la Fundación BBVA, ahí, argumentó que a pesar de que el salario de los peor pagados no ha crecido en los últimos 15 años, la ganancia se redistribuye cada vez más hacia el 10% con más ingresos del país.

De vuelta al trabajo ganador, Carl menciona en el mismo trabajo que no basta con observar al estado de california antes y después de que se le aplique la ley de aumento al salario mínimo, como buen experimento natural, es necesario un grupo de control donde cumpla características muy parecidas a California, pero que no haya tenido un aumento en su salario mínimo, (en este caso Arizona, Florida, Georgia, Nuevo México, y Dallas).

Después de observar los salarios en los diferentes estados para las diferentes categorías según el sexo, edad, horas trabajadas, y etnia. Carl divide los porcentajes en aquellos que ganan menos que 3.5 USD, de 3.5 a 4.25 USD, y aquellos que ganan más del salario mínimo.

De acuerdo a los datos recabados durante aquellos años, las personas que tenían un salario menor al salario mínimo siguen un comportamiento prácticamente igual en el estado de California y los estados del grupo control, mientras que las personas que tuvieron un salario entre el viejo y nuevo salario mínimo se reducieron con el tiempo considerablemente en el estado de California.

Estos datos a simple vista parecieran darnos la respuesta, si al subir el salario ahora hay menos personas que ganan entre el salario viejo y nuevo, eso quiere decir que hay menos empleados y por lo tanto un mayor desempleo ¿No?, pues NO. En economía nos gusta usar el término CETERIS PARIBUS (un cambio a la vez), el tener conclusiones como estas observando una variable es erroneo, porque no estamos viendo la imagen completa, hay muchas cosas que pudieron afectar al que la gente empleada ya no tenga esos salarios.

LIES, DAMNED LIES AND THE MAINSTREAM MEDIA – DON'T BE FOOLED - SOLIDARITY  SCOTLAND

La metodología abordada por el trabajo es observar la variable del desempleo para las diferentes categorías, y mediante el método diferencias en diferencias, se busca una diferencia estadísticamente significativa del desempleo directamente en esos años gracias al aumento del salario.

Sin importar la edad, educación, sexo, y etnia. La estadística nos muestra que no existe una diferencia significativa en el desempleo al aumentar el salario, pero esto no quiere decir que la teoría clásica esté completamente mal, y lo abordaremos un poco más con el útlimo trabajo.

Identificaciones de efectos causales usando variables instrumentales

Para este segundo y último trabajo vale la pena hacer un punto y aparte y recordar que la economía no es una ciencia exacta, es una ciencia social, y como tal al observar datos como los siniestros del área metropolitana de mty y querer obtener inferencias como economistas, no producimos más choques para ver si nuestras hipótesis son ciertas, simplemente esperamos a que sucedan los eventos naturalmente y concluímos si acertamos o no.

** Te puede interesar NO TE SIENTES AL FRENTE SI VAS EN UN CARRO BLANCO POR GONZALITOS (CASO DE ANÁLISIS DE CHOQUES PARA NUEVO LEÓN, MÉXICO)

Lo primero que uno pensaría al momento de querer hacer conclusiones de las variables que pueden producir choques en mty, es que no podemos hacer que un grupo de personas choque y otro no. Gracias al trabajo de Joshua y Guido, tenemos la noción de que no basta con solo argumentar los trabajos en economía comparando nuestras variables de interés con los grupos de control (California y sus estados control), si no, en las variables que pueden afectar al salario en un estado en específico pero que no afectan otros estados (variables instrumentales).

Este último trabajo aporta en su mayoría a un descubrimiento metodológico, el cuantificar las medidas de impacto de un fenómeno que aunque se produzca naturalmente, puede ser afectado por otras variables que no estamos viendo en la imagen completa, y ahora se puede cuantificar esas variables. Como podemos observar, ambos trabajos se complementan entre sí, sin necesariamente refutar la teoría económica del pasado, pues no necesariamente los trabajos ajenos a este están mal, simplemente sin necesariamente trabajar con experimentos aleatorios, se pueden explicar una causalidad con experimentos naturales.

Hasta aqui la columna de hoy ¿Ya conocías estos trabajos o metodologías? Únete a la conversación en @DatlasMX y aprende más de Economía y Ciencia de Datos en Datlas Academy.

Equipo Datlas

Fuentes:

Entrevista con David Carl https://elpais.com/economia/2015/07/26/actualidad/1437936380_722077.html

Información del nobel de economía 2021. https://www.nobelprize.org/prizes/economic-sciences/2021/press-release/

Trabajo: El salario mínimo reduce el empleo? Un caso de estudio de California, 1978-89. Card, D. (1992). Do minimum wages reduce employment? A case study of California, 1987–89. ILR Review46(1), 38-54.

Trabajo: Identificaciones de efectos causales usando variables instrumentales. Angrist, J. D., Imbens, G. W., & Rubin, D. B. (1996). Identification of causal effects using instrumental variables. Journal of the American statistical Association91(434), 444-455.

LANZAMIENTO DATA PLAYBOOK IV: 2 Caras de la Ciencia de Datos – Ecosistemas Datlas

En Datlas llevamos más de 5 años generando contenido para la comunidad. Comenzamos con este blog donde en más de 300 columnas hemos documentado temas de ciencia de datos y transformación digital. Continuamos con el podcast «Café de Datos» donde acumulamos más de 60 horas de diálogos con expertas y expertos de industria. Todo esto lo integramos en la nueva plataforma de conocimiento Datlas Academy. Y justo en la víspera de este lanzamiento abrimos punta con la nueva edición de «Data Playbook Vol. IV».

Lanzamiento

Hemos abierto en nuestro sitio web y cargado en PDF (dentro de nuestro marketplace) el nuevo Data Playbook IV titulado «Dos Caras de la ciencia de datos». Esto con la motivación de mostrar el potencial de la analítica de la mano de un uso responsable y las precauciones que hay que integrar al aprendizaje de la materia para que no se vuelva una amenaza a la sociedad.

Comenzamos el texto remontándonos a la historia de las telecomunicaciones para llevar a los lectores a la reflexión sobre las denominadas “Smart cities” con sofisticados sistemas que pueden identificar en segundos a cualquier ciudadano.

Desde las conversaciones del equipo Datlas, con nuestros aliados, clientes y expertos invitados al podcast “Café de Datos” reflexionamos que el rigor en el campo de la analítica irá incrementando. Tendremos que considerar nuevos mecanismos para identificar impostores o profesionales con malas prácticas. Así mismo, usando como pivote de nuestras observaciones los famosos documentales de “Netflix” que han ayudado a incrementar la sensibilidad de la audiencia a la protección de datos personales y el uso responsable de las redes sociales, compartimos las que consideramos las mejores prácticas para los cuidados de datos personales.

En el texto también sugerimos a instituciones públicas liberar algunas bases de datos haciendo hincapié en el movimiento de “gobierno abierto y transparente” para que más datos de nuestras comunidades puedan ser explorados por científicos de datos independientes. Finalmente, no dejamos de lado la época transformacional y la digitalización que ha impulsado la pandemia. Presentamos los casos para transformar crisis en oportunidades. También invitamos a revisar a las crisis, no tanto desde la causa, sino hacia la consecuencia con la metáfora del “efecto dominó”.

Este documento (Data Playbook IV) recopila los aprendizajes más importantes que hemos tenido como startup en  Datlas durante el último año. Cumpliendo con nuestra filosofía, te lo compartimos para que puedas aprovecharlo al máximo y nos ayudes a continuar impulsando la ciencia de datos en LATAM. No te detengas y compártelo a más gente para que conozca de estos temas.

Este lanzamiento es especial para los fanáticos que descargaron «Ciencia de Datos a la Mexicana». Gracias de verdad a todas las personas que se han tomado el tiempo de revisarlo, ha sido todo un éxito y nos motiva a continuar en esta ruta. Además puedes continuar consultando nuestros otras ediciones en nuestro marketplace . Todos de manera gratuita por tiempo limitado.

Conoce más de Datlas Academy

En este documento reforzamos el mensaje de nuestro lanzamiento de una plataforma de educación sobre analítica y transformación digital.

Recordando que para los primeros usuarios ya están en vivo 3 cursos sobre storytelling de datos, definición de KPIs e introducción a la ciencia de datos.

Hasta aquí la columna de hoy, continua con la conversación revisando nuestro contenido en redes y participa con tus comentarios en @DatlasMX.

Equipo Datlas

– Keep it weird –

El Lanzamiento de Datlas Academy está casi listo – STARTUP DATLAS

Las startups-scaleups no podemos estar orientadas a un sólo productos y/o servicios. No ensamblas un equipo de emprendedores cargados de innovación y experimentación para solamente hacer «una cosa». Si bien este argumento es muy debatible, la nueva ola de startups está pensando en orientar sus inversiones y tiempos al desarrollo de ecosistemas.

En este Norte y a la luz de la integración de un ecosistema de analítica y transformación digital en esta columna detallaremos los primeros pasos que estamos haciendo en Datlas para la formación de un ecosistema que lleva ya en piloto 6 meses operando de manera muy exitosa.

¿Qué significa pensar en ecosistemas?

Les contaré una historia. Hace tiempo comencé a correr y me pareció bastante más estimulante hacerlo mientras escuchaba música y/o podcast. En ese sentido me suscribí a #spotify para conectarme a contenido de muy buena calidad. Sin embargo al momento mis audífonos inalámbricos ya estaban obsoletos y fallaban. Fue entonces cuando busqué opciones y , a pesar de ser usuario Android, di con los Airpods de la marca APPLE.

Habitualmente, si eres un usuario de IPHONE, serían tu primera opción. Si eras como yo, de ANDROID, ni lo pensarías. Pero tras un par de sesiones de ejercicio quedé fascinado con su tecnología «noise-cancelling», portabilidad y diseño. En 28 años no había adquirido ningún equipo de la marca de la manzana hasta ese momento.

Me encontré después en la necesidad de adquirir un nuevo equipo smartphone de trabajo y bajo una lógica similar adquirí un Iphone. Era genial la sincronización y la facilidad de uso de los audífonos. Mi experiencia con la marca de la manzana parecía que mejoraba por cada artículo de su ecosistema que obtenía.

Finalmente, quise agregar y regalarme de cumpleaños un reloj inteligente de la misma marca. Y lo que les puedo contar es que la experiencia de los 3 aparatos mejoro considerablemente.

¿A dónde quiero ir con todo esto? Aunque sea un ejemplo a veces trillado, APPLE ha generado líneas de ingreso alrededor de formar un ecosistema en donde cada nuevo lanzamiento representa un valor agregado a la experiencia global de marca ¿Será posible trabajar en algo similar cuándo hablamos de una startup de analytics cómo Datlas?

¿Cuál es el ecosistema de Datlas?

En realidad en Datlas entendimos que muchas organizaciones están encima de la ola de la «transformación digital » y esto no sólo ocurre adquiriendo nuevas tecnologías y/o plataformas de analítica. En realidad la base de la transformación es el capital humano y durante los últimos 5 años hemos recibido invitaciones a impartir conferencias, cátedras y webinars con nuestros clientes para impulsar a mayor nivel la conversación de digitalización en los equipos internos.

Con esta misma motivación y para regresarle un poco a las comunidades que nos han visto crecer decidimos continuar impulsando este «Blog Datlas» y nuestro podcast «Café de Datos». En donde hemos atraído audiencias de cientos de miles de personas que están pivoteando algunos aspectos de su carrera hacia la analítica y transformación digital.

En este sentido, iniciamos este año en etapa ALFA www.datlasacademy.com un experimento de plataforma en línea con mucho del contenido exclusivo que hemos desarrollado. De la mano con esto «pitcheamos» a algunos aliados la idea, confiaron en nosotros y decimos tomárnoslo más en serio.

Lanzamiento de Datlas Academy

Datlas Academy es una comunidad de aprendizaje habilitada por una plataforma digital de educación para capacitar jóvenes y ejecutivos que buscan actualizarse en conocimientos prácticos de transformación digital y tecnologías vigentes en LATAM de alto valor agregado

•Es una plataforma donde expertos pueden preparar y desarrollar cursos en línea para monetizar su conocimiento

•Es una plataforma donde expertos pueden preparar y desarrollar cursos en línea para monetizar su conocimiento

•Con programas en español preparados de manera didáctica y con talleres que presentan ejemplos de uso de herramientas

•Para instituciones y organizaciones el contenido puede darle más valor a su membresía

Una comunidad con 3 tipos de usuarios

1) Maestros

2) Alumnos

3) Instituciones

Alianzas con organizaciones e instituciones para enfocar aprendizaje de transformación digital y analítica en su gestión del cambio organizacional.

Te invitamos a suscribirte dentro del mes de Septiembre para ser de las y los primeros con acceso a esta plataforma. Obtendrás de manera gratuita 3 cursos de bienvenida: 1) Storytelling de Datos ; 2) Introducción a la Ciencia de Datos y 3) Definición de KPIs para tu organización. Regístrate en www.datlasacademy.com

Hasta aqui la columna de hoy. Síguenos en redes @DatlasMX para conocer más de nuestros lanzamientos del 2021.

Nota especial: Agradecemos infinitamente a las marcas, aliados y a nuestro equipo de desarrollo en Datlas que han potencializado este lanzamiento para que salga en tiempo y forma.

Equipo Datlas

– Keep it weird –

Hablando de Investigación y desarrollo en datos y más para el futuro ¿quienes son los mejores? – manuales datlas

Hace un par de días tuvimos una plática muy interesante con Raúl Valdez, Director de Investigación y Desarrollo de la trasnacional HONEYWELL para nuestro podcast «Café de Datos». Él nos platicó cómo desde México se está desarrollando e impulsando tecnología para el mundo. En este episodio compartiremos algunos puntos de vista complementarios de cómo pensamos que en el futuro se debería colaborar con investigación para datos.

Para entrar en contexto, conforme avanzamos en líneas de trabajo de investigación que implican innovación, desarrollo experimental y descubrimientos técnico hay que apreciar los casos de éxito que podemos revisar en el mundo. Otro punto importante es considerar factores relevantes sobre la diferencias de conceptos

¿Cuáles son los temas estudiar en la investigación?

A) Seleccionar temas de relevancia global y no local

La OECDE y la ONU establecen objetivos globales como «pain points» de poblaciones alrededor del mundo. En ocasiones los campos de investigación son poco aplicables a problemas del mundo real. Quedarse muy arriba en investigación no es desperdiciar recursos, pero los mejores proyectos son los que se vuelven sustentables al generar investigación que termine en productos o servicios que puedan ser monetizables.

B) Presupuestar en correcto balance la investigación aplicada y el desarrollo experimental

Investigación aplicada busca generar conocimiento a partir de la resolución de problemas de la sociedad y el sector productivo. Por otro lado el desarrollo experimental consiste en trabajos sistemáticos que aprovechan los conocimientos existentes y está dirigido a la producción de nuevos materiales, dispositivos o sistemas

C) Centro de innovación pública o privada

Pública es muy básica. Al menos en México, cada vez los presupuestos de CONACYT (Consejo Nacional de Ciencia y Tecnología) se reducen más y para investigadores se vuelven más complicadas las aplicaciones

Privada es muy específico para los intereses de la organización y las accionistas. Tal vez después se puede trabajar en más investigación

D) Ejemplos de países y compañías

CHINA

China le puso el ejemplo al sudeste asiático encabezando su inversión sobre investigación y desarrollo. Lanzó programas de alto rigo en universidades y aprovechó el bono demográfico de la gente que se trasladó de zonas rurales a urbanas buscando una mejor vida.

SAMSUNG

Para las empresas, Samsung es el caso de ejemplo. Es uno de los inversionistas más grandes del mundo además del productor de smartphones más grandes. Tiene alrededor de 12 centros de investigación donde constantemente busca cómo encantar a sus nuevos usuarios.

R&D Gasto: $14.9 billion (en dólares)

HINTS Y TIPS (Mencionados en nuestro podcast con Raúl)

– Cómo trabajamos de manera multidisciplinaria

– Cómo colaboramos ágilmente

– Casos de uso relevante

– Aprovechamiento de datos como puente entre investigación y aplicaciones prácticas

¿Donde aprender más?

Escucha el podcast aqui

Hasta aqui la columna de hoy. Recuerda dejar tus comentarios y compartir la columna.

Equipo Datlas

– Keep it weird –

Fuentes:

*R&D Compañías: https://spendmenot.com/blog/top-rd-spenders/

*R&D Países: https://en.wikipedia.org/wiki/List_of_countries_by_research_and_development_spending

*China: https://www.scmp.com/economy/china-economy/article/3025268/chinas-spending-research-and-development-118-cent-us275