Archivo de la categoría: Startups

ANÁLISIS NLP de discursos presidenciales en eua: biden vs trump – datlas investigación

La semana pasada el protagonismo para la audiencia en Estados Unidos de América y la mayoría de países del mundo fue el cambio en el liderazgo presidencial del país. Después de unas controversiales votaciones, Joe Biden del partido Democrático ganó y paso a ser el nuevo presidente de los Estado Unidos por un período de 4 años.

Dejando atrás la controversia electoral, en esta columna nos enfocamos a desarrollar un análisis de NLP (Natural Language procesing o procesamiento de lenguaje natural) de los discursos presidenciales. Por un lado el de salida desarrollado por Donald Trump y por otro lado el de entrada, ejecutado por Joe Biden.

Te pudiera interesar los análisis que hemos hecho para los discursos de AMLO, el presidente de México, en el 2018 y 2019.

¿Qué es el procesamiento de Lenguaje natural o NLP?

Es un campo de la inteligencia artificial que estudia las interacciones entre computadoras y el lenguaje humano. Son utilizados en el estudio de discursos escritos o hablados. En este caso, por ejemplo, de un discurso presidencial.

El discurso de salida de Donald TRUMP

El discurso de salida de la presidencia de Trump estuvo cargado de agradecimientos y mensajes que algunos consideran de “venganza” o dejando claro que “regresará” de alguna u otra manera al escenario político de Estados Unidos. Si quieres leer el discurso completo te recomendamos ver la siguiente liga.

Como primer paso, pre-procesamos el discurso y lo dividimos en distintos enunciados más pequeños para que pueda ser procesado correctamente. Usando la librería ” library(SentimentAnalysis) ” en R contamos la cantidad de palabras por cada uno de los enunciados.

Posteriormente, y tomando en cuenta un diccionario de palabras que asocia cada término con un puntaje que representa 3 niveles de connotación en cada palabra: negativa, neutral o positiva, se analiza el nivel de cada uno de los enunciados.

Es posible obtener el nivel generalizado de cada uno de los enunciados su nivel. En ese sentido encontramos que para el discurso de trump 20 de los 23 enunciados desarrollados fueron con una mayor carga positiva

Respecto a las palabras, podemos realizar un conteo de las más usadas y así construir una “nube de palabras” que nos ayudará a entender un poco más el tipo de lingüística preferido por el presidente en este discurso

En concreto, este discurso tiene una carga de agradecimiento como es de entender de alguien que deja su cargo. Muy enfocado a las personas y elaborando comentarios sobre los temas problemáticos con los que se despide su gobierno. Muy al estilo Trump, algunas palabras denotan extremos, pero generarán empatía con su seguidores y partido.

El discurso de entrada de JOE BIDEN

Corriendo un proceso similar, tan sencillo como replicar el código, pre-procesamos el discurso de BIDEN que puedes encontrarlo aqui.

Respecto a la carga de mensajes, 45 de los 53 mensajes tuvieron una carga positiva. En proporción, menos que los de TRUMP, y mayormente porque algunas emociones que provocaría BIDEN en su discurso serían para provocar preocupación de la situación “caótica” en la que le “entregan” al gobierno.

Cuando revisamos las palabras más frecuentes del discurso encontramos terminología clásica en discursos presidenciales. Tales como “América”, “Nación”, “Democracia”, “Presidente” y “personas”. Con estas palabras invoca mensajes a una audiencia específica, al pueblo de los Estados Unidos.

Aqui una imagen generada con esta información

¿Para qué nos puede servir el análisis de NLP?

  • Analizar tickets de clientes
  • Clasificar prioridad de dudas o mensajes
  • Entender el contexto y campos de texto en variables
  • Generar predicciones
  • Entre otros…

Los mejores usos a este tipo de métodos se les da en aplicativos usando datos de redes sociales. Como es el caso de Twitter. Por ejemplo, aqui se analizan los datos de los últimos 250 tweets al corte de @JoeBiden

Hasta aqui la columna de hoy, cuéntanos en nuestras redes sociales @DatlasMX qué otro tipo de aplicaciones existen para NLP. Comparte y suscríbete a nuestras cuentas.

Equipo Datlas

– Keep it weird-

MAPA DEL Crimen en méxico al 2020 – datlas manuales

En México y en LATAM cuando se trata de la agenda pública del 2021 hay que reconocer que la seguridad es uno de los temas que sigue pendiente por trabajar. Los niveles siguen incrementando año con año y el COVID-19 está dejando a muchas personas desempleadas, acelerando la movilidad entre regiones y generando una mayor crisis económica conforme los controles de aislamiento incrementan.

En esta columnas tomaremos de referencia la reciente publicación de @diegovalle, científico de datos que ha dedicado ya bastantes años a analizar datos de inseguridad y narcotráfico en México, para compartir un desarrollo sobre mapas de crímenes en la ciudad de México (CDMX o Mexico City).

¿Cómo funciona Hoyo de Crimen?

Es una ventanilla única hacia datos de seguridad para México. El sistema proyecta información de fuentes oficiales, las contraste y simplifica la navegación entre datos relevante mediante el uso de infografías, tableros y mapas. En esta ocasión, claro está, hablaremos del mapa. Si quieres conocer más te invitamos a revisar nuestro blog donde revisamos más datos de inseguridad .

Ejemplo de visualización sobre la CONDESA en CDMX

La herramienta integra información de:

– Homicidio doloso

– Robo de vehículos

– Robo a transeunte

– Robo en metro, microbus o taxi

– Robo a casa habitación

– Robo a repartidor o transportista

– Secuestro

– Violación

La información es proyecta en cuadrantes de acuerdo a la información documentada aqui.

¿Cuánto robo ha habido en la zona de la CONDESA?

Click para ver en grande

En la herramienta podemos contrastar año con tra año visualmente. También añadir filtros por horas para identificar qué horarios son los más seguros por cuadrante.

¿En qué cuadrantes se han incrementado los homicidios, violaciones y secuestro?

Click para ver en grande

Al menos en la región de análisis en la Condesa y alrededor de la misma se han reducido las ocurrencias de homicidios el 2020 en contraste al 2019

¿Cómo se registran los robos a repartidores? (De los que les veo más potencial para apoyar a RAPPI, UBEREATS, DIDI, ALSEA, entre otros)

Click para ver en grande

¿Tarifas dinámicas? Tradicionalmente varían con respecto a la distancia y el tiempo estimado de entrega, la cantidad demandada y la oferta. Imagínate que el riesgo de la zona sea un factor que calibre una tarifa apropiada para la exposición que tendrá un, por ejemplo, repartidor o chofer.

En el futuro, el monitoreo en ciudades inteligentes para delegaciones y municipalidades se parecerá mucho a sistemas como estos. Si quieres conocer más te invitamos a seguir a @diegovalle en sus redes y visitar https://hoyodecrimen.com/en/map para monitorear los incidentes en CDMX.

El potencial de la inteligencia de ubicación es enorme. Si quieres continuar aprendiendo te recomendamos leer el blog “Location intelligence, el santo grial de la analítica” y escuchar el podcast sobre datos de inseguridad que grabamos con la startup ALEPHRI.

Equipo Datlas

– Keep it weird-

algoritmos de censura – entendiendo POR QUÉ BLOQUEAN CUENTAS DE PRESIDENTES EN REDES SOCIALES (trump en twitter) – DATLAS COLUMNA DE OPINIÓN

Recientemente, una de las notas internacional fue cómo a uno de los líderes mundiales lo censuraban a través de un bloqueo en la red social de twitter. Esta red, al igual que facebook, instagram o similares, siempre ha tenido filtros de censura impidiendo contenido que incite a la violencia o promueva la pornografía. Debido a que no hay fuerza humana capaz de “auditar” todo el contenido de la red se programan algoritmos para levantar alertas y monitorear cuentas puntuales . Pero ¿Por qué la cuenta del presidente de Estados Unidos Donald Trump fue bloqueada? En esta columna explicaremos algunos de los motivos para que un algoritmo levante una bandera de “alerta” sobre este tipo de cuentas. Todo esto usando la narrativa del libro de Cathy O’neil “Weapons of math destruction” (Armas de destrucción matemática).

Recomendaciones de libros para empezar el 2021, en la esquina superior derecha “Weapons of math destruction”

La antesala ¿Qué algoritmos “protegen” el contenido en una red social?

Te recomendamos leer nuestra columna sobre “Algoritmos supervisados” para un mejor entendimiento de esta columna.

En un minuto de internet se genera el siguiente contenido

No hay poder humano ni empresa que pueda auditar o prever el mal uso de este tipo de redes. Pero la censura es importante, una red social, un medio de prensa y los intereses de sus inversionistas, se pueden ver fuertemente impactados si no se cuida su contenido. En el peor de los casos imaginense que nadie gobierne sobre las fotografías que se comparten en Facebook y haya muchas cuenta que promueven pornografía infantil. Esto seguramente molestará a millones de usuarios que sólo entraban para conectar con sus seres queridos a la red.

De manera análoga, en la red social de Twitter, que es una red menos visual donde se publican mensajes de texto de máximo 280 caracteres. Se puede incitar, sobre todo con cuentas con grandes base de seguidores, al odio, a la confusión o a cometer crímenes. Ha sido el caso durante el COVID-19 que la promoción de #fakenews o noticias falsas ha sido bastante distribuida. Te recomendamos revisar nuestra columna sobre “Fake News” aqui.

En ese sentido, al habilitar una red tan grande de personas donde se promueve el diálogo y la publicación de contenido, es una necesidad generar mecanismos adecuados de monitoreo. Sin embargo, es fácil entrar en debate, porque los grupos que controlan estas redes podrían tomar un “sesgo” o interés.

¿Cómo funciona un algoritmo de censura?

Un algoritmo de censura, en realidad es una aplicación de un algoritmo de aprendizaje automático. Se puede manejar de distintas formas, depende del analista o científico de datos, pero existen muchos estándares. Primero que nada recordemos que existen algoritmos supervisados y no supervisados. Los supervisados requieren una base , una historia o un catálogo para ser entrenados y asemejar los nuevos hallazgos con los que tienen en su base. Por otro lado, los no supervisados, no tienen un marco definido por el cuál “asociarse”. Los algoritmos van encontrando patrones y mapeando características que pueden ordenar o asignar a un grupo determinado.

En ambos casos, los algoritmos pueden encontrar con apoyo de “etiqueteo” para optimizar los resultados. Por ejemplo te ha pasado que tu celular detecta a tu mascota en todas las fotos que aparece en tu celular. Como usuarios podemos etiquetar en las fotos a objetos o mascotas, por ejemplo en este caso a tu perro que se llama “lobo”. Después aplicativos como Google Photos pueden darte resultados cada ves que en la barra de búsqueda de tu carpeta colocas la frase “lobo”. De esa manera tu etiquetaste para el algoritmo de detección de imágenes a lobo y con eso te puede dar una mejor experiencia de usuario.

Otro ejemplo de este tipo de etiquetas es cuando un “captcha” para identificar que no eres un robot te pide detectar objetos como el siguiente ejemplo.

En términos muy resumidos y prácticos asi funciona un algoritmo de censura. Pero en lugar de tener objetos, mascotas o un glosario que asociar está preparado para alertar a “power-users” y reaccionar sobre contenido catalogado como prohibido o peligroso. De acuerdo a su programación, accionan y censuran en automático, o en otros casos filtran para que los casos específicos sean monitoreados por humanos.

Como establece el libro “Weapon of math destruction” (parafraseando) , vivimos en la era del algoritmo, así como hay casos donde equipos de basquetbol, patrullajes de policías y/o exámenes de orientación académica se ven beneficiados de algoritmos es una realidad que es un arma de doble filo. Un algoritmo de censura mal ejecutado pudiera mostrar racismo, discriminación, preferencia a usuarios con más seguidores o similar.

¿Qué son algunas de las cosas que pasaron para bloquear las cuentas del presidente de Estados Unidos?

Al día de hoy Twitter ha bloqueado la cuenta de @realDonaldTrup. Una cuenta con casi 89 millones de seguidores con motivos de incitar al odio.

A continuación algunas situaciones que anticipaban esta situación

1) Bloqueo por actividades sospechosas

Se hacen publicaciones de manera constante que sólo te sacan de la red si justificar motivos

2) Reportes de usuario

Una cantidad significativa de usuarios ha bloqueado deliberadamente una cuenta

3) Etiqueta de usuarios como contenido dañino

Usuarios han “flageado” o “bandereado” tweets compartidos como sensibles

4) Faltas a los pronunciamientos de compañía por temporada electoral

5) Más sistemas de bloque sobre las reglas de comunidad de Twitter

Reflexión final

Hasta aqui la columna de hoy. Los algoritmos de censura continúan teniendo mayor relevancia en la medida que las redes sociales van tomando mayor relevancia comunitaria. Por otro lado las autoridades están más vigilantes que nunca de la política de privacidad

En el libro citado, mencionan que quien se quede atrás verdaderamente corre el riesgo de perder el juego de la “economía de los datos”. Lo que quiere decir que este tipo de tecnologías y algoritmos como las de twitter podrán ser comercializados a otras redes en el futuro. Y, por qué no, comenzar a auditar líderes mundiales o usuarios que rompan las reglas de la red social .

Cuéntanos qué opinion tienes sobre los algoritmos de censura y qué otros libros podrán soportar un mejor entendimiento de este tipo de bloques.

Equipo Datlas

– Keep it weird –

análisis de la presencia de cámaras cctv en el mundo (monterrey, cdmx y guadalajara vs. el top10 global)

¿La reducción justifica la invasión a nuestra privacidad como ciudadanos? Es una pregunta que cae un poco en lo filosófico, pero también en lo técnico cuando analizamos los efectos de la intervención de la tecnología en la vida de las personas. En esta ocasión hacemos un breve análisis de la publicación original de “VisualCapitalist” con datos de “SurfShark” sobre las cámaras en el mundo.

Qué es una Cámara CCTV

Un CCTV o circuito cerrado de televisión es una instalación de equipos conectados que generan un circuito de imágenes que solo puede ser visto por un grupo determinado de personas, estas se personalizan para adaptarse a las necesidades de cada cliente bien sean orientadas a la seguridad, vigilancia o mejora de servicio. (Tomado de IMSEL)

Desde 1942, en Alemania, donde se tienen registros de la instalación de las primeras cámaras de videovigilancia al día de hoy se identifican cerca de un billón de este tipo de equipos en el mundo.

Los sistemas de CCTV se han convertido en un apoyo fundamental en la prevención y control de pérdida y riesgos, al igual que la supervisión para mejora de la efectividad de las empresas y otro tipo de organizaciones

Algunos gobiernos de países, como China, han integrado aplicaciones de Inteligencia Artificial a sistemas de CCTV para identificar de manera más rápida a delincuentes, vehículos que mercen multas o gente que se ha reportado como perdida. Puedes ver este video para conocer mejor el sistema de “tracking”.

TOP 10 Global en instalaciones de CCTV

Similar a China, otros países como la India e Inglaterra han invertido en desarrollar poderosos sistemas de videovigilancia para su ciudad.

Los motivos, por un lado, resulta más “barato” instalar cámaras que contratar la cantidad de oficiales necesarios para completar la cobertura de grandes ciudades como Londres. Por otro lado es más eficientes, las cámaras y los sistemas de IA integrados no tienen dependencias de agotamiento. No se distraen y cumplen con el objetivo para el que fueron programado… reportar delincuencia o registrar gente que está pasando.

Por otro lado, los CCTV son sistemas fijos. Es decir, una vez instaladas a lo mucho pueden cambiar de ángulo, pero el ángulo de enfoque es limitado.

Un ejemplo más práctico puede se visto aqui (Cámara web online abierta y en vivo del Zócalo en CDMX Mexico City):

También te puede interesar “Estudiando cifras de Homicidios publicadas por el INEGI para México”

CCTV en México (país)

CCTV en Monterrey, Nuevo León

Se registran alrededor de 4,000 cámaras CCTV para el 2020. Por kilómetro cuadrado encontramos 4.18. Bastante menos en relación a lo que una ciudad como Beijing podría tener, 278 cámaras. Finalmente el índice de crimen estandarizado para Monterrey es de 49.29 y en Beijing sería de 34.27. Con esta tabla se podría decir que a mayor número de cámaras por kilómetro cuadrado menor sería el índice de crimen. Pero esta relación no podría ser concluyente hasta hacer un análisis longitudinal.

CCTV en Guadalajara, Jalisco

En relación a Monterey, la ciudad de Guadalajara tiene 6 veces más cámaras de videovigilancia. Por kilómetro cuadrado incrementa de 4 a 170 cámaras por kilómetro cuadrado. Aún así, el índice de criminalidad es mayor en Guadalajara que en Monterrey según SurfShark.

CCTV en CDMX

Finalmente, en México país, la CDMX es la región con más cámaras llegando a la cifra de 87,000. Por kilómetro cuadrado tiene 59 cámaras (Menos que Guadalajara, pero más que Monterrey). Aún con estas cifras el índice de crimen es mayor.

Si te interesa conocer más de la relación de vigilancia , análisis de datos y crimen te recomendamos escuchar nuestro podcast “Café de Datos” capítulo ¿Cómo analizar datos de delitos para proteger tu negocio?

Cierre

En México, como en otros países de LATAM, más cámaras en sistema CCTV con centros de monitoreos como los famosos “C4” ó “C5” podrían tener impactos positivos en la seguridad de una delegación, suburbio o municipio. En el futuro, los sistemas de inteligencia artificial que se apoyan en CCTV se irán sofisticando al grado de poder identificar personas de manera ágil mediante cámaras y otro tipo de aplicativos presentados en esta columna.

Sin embargo, si no cuidamos o nos aseguramos que se haga un correcto uso de estas tecnologías podemos caer en un “sobre-control” de los sistemas de videovigilancia sobre la población. La invasión a la privacidad es una situación que se contrapone a la seguridad cuando lo interpretamos desde estas aplicaciones del CCTV

Fuentes

– Fuente: https://embed.neomam.com/surveillance-cities/interactive.html

– Ciudades más videovigiladas. Fuente: https://www.visualcapitalist.com/mapped-the-top-surveillance-cities-worldwide/

– Qué es una CCTV. Fuente: https://www.imsel.com/que-es-cctv-y-cual-es-su-funcion/

Highlights 2020 en negocios y LA BRÚJULA DE tendencias para el 2021 – datlas investigación

**Esta columna de blog también tiene un episodio de podcast “Café de Datos” complementario. Escúchalo de voz del equipo Datlas aqui**

Cerramos un año histórico, sin embargo el “libre mercado” empujado por la cultura capitalista ha movido sus piezas en el mundo. De la misma manera la brújula de tendencias apunta para industrias transformacionales que continuarán impulsando la digitalización y automatización en industrias. En esta última columna del año te compartimos esta agenda para que lo tomes en cuenta para tu 2021

Algunos eventos de impacto durante el 2020 para el ambiente de negocios

1) Adquisiciones de negocios

¿Creías que la más grande fue la compra de SLACK? en realidad encabezan NVIDIA Y AMD con cifras inimaginables

2) Cambios en la composición de activos e las empresas

Mientras hace 40 años los activos que potencializaban el valor de una empresa eran tangibles como inmuebles, efectivo, inventario y tierra en la última década el 90% de los activos de las compañías del índice S&P 500 (Bolsa de valores de Estados Unidos) son intagibles. Tales como patentes, valor de marca, datos de clientes o software propietario

3) Cada vez más profesiones y trabajos en riesgo por pandemia o transformación digital

De las de más bajo ingreso y más frecuentes son enfermeros, intendentes y terapeutas.

4) Cambios de gobierno

Biden y el partido demócrata regresando al poder. Podemos ponerle fin a algunas de las “becas” que el actual liderazgo a concedido a las empresas en términos fiscales. Probablemente se abrirán nuevas oportunidades a empresas extranjeras en el mercado Norteamericano

5) Cambios de contexto

Muchas de las predicciones que no se concretaron al 2020 seguirán vigentes para el 2021. Efectos como frenos económicos, protecciones al consumidor y volatilidad complican las operaciones de negocios para el 2021

También te puede interesar 10 tendencias de negocios para el 2020

Tendencias para el 2021

1) Inteligencia Artificial con $390.9 Bn para el 2025

2) Computación distribuida (Edge) con $15.7 Bn para el 2025

3) Internet de las cosas $1,102.6 Bn para el 2026

4) Salud Digital con $385.8 Bn para el 2025

5) Realidad extendida con $209 Bn para el 2022

6) Robótica con $390 Bn para el 2025

7) Ciberseguridad con $270 Bn para el 2026

8) Vehículos autónomos con $556.6 Bn para el 2026

9) Nano-tecnología con $2.23 Bn para el 2025

10) Gemelos digitales $73.2 Bn para el 2050

Para revisar otras 10 tendencias te recomendamos revisar la publicacion de UNFOLD LABS 21/21

Futuro para Ciencia de Datos en 2021

El valor esperado de BIG DATA es de $224.9 Bn para el 2025. Por otro lado la tecnología geo-espacial (mapas, cartografía , analítica geoespacial y sus agregados) sumarán un valor de $502.6 Bn para el 2024.

– Natural Language Processing (NLP) según Sam Cannon de Facebook

Algunas de las compañías más importantes son: https://huggingface.co/

– Cómputo en la Nube

Más capacidades para procesamiento en la nube

– Desarrollo de mapas más sofisticados

Seguir a iniciativas como la de UBER: kepler.gl

– Analítica en e-ecommerce y salud

Analítica con más protragonismo en nuevos sectores

– Implementación en Apache airflow 2.0

Revisar los detalles en https://airflow.apache.org/

– Computación GPU para Ciencia de datos y ML

Más importancia en las dependencias de procesamiento en GPU que en RAM. Mayor selectividad a la hora de tener desarrollos de ciencia de datos

Cierre

Hasta aqui la columna de hoy ¿Percibes alguna otra nueva tendencia? ¿Qué autores sigues para tener lectura del futuro? ¿ Cómo recibirás y qué proyectos estás desarrollando? para el 2021? Cuéntanos en redes sociales @DatlasMX .

– Equipo Datlas –

Fuentes

– Visual Capitalist. https://www.visualcapitalist.com/visualizing-biggest-tech-mergers-and-acquisitions-of-2020/

– Futuro de Ciencia de Datos. Fuentes: https://medium.com/better-programming/the-future-of-data-science-data-engineering-and-tech-7f0a503745fd

¿Qué dicen los últimos datos del bitcoin (cierre del 2020)? – columna de opinion datlas

Si eres de lo que busca invertir su aguinaldo seguro te interesarán las fuentes alternativas. Y aunque en Datlas no nos dedicamos a la asesoría financiera, los datos y las tendencias tecnológica son estudiadas y opinadas en este blog. Recientemente el denominado “bitcoin”, una de las criptomonedas más transaccionadas en el mundo, ha tenido un crecimiento destacable. En esta columna compartiremos un par de información sobre estos resultado y daremos opiniones sobre si esto ya llegó a su tope o podrá continuar creciendo.

También te puede interesar “El espejismo del bitcoin ¿Una burbuja?” y “Bitcoin, más que solo una moneda”

¿Cuál es el valor del bitcoin?

Como depósito de valor o unidad de respaldo el bitcoin es una moneda descentralizara que utiliza la tecnología blockchain. Es muy utilizada en el mundo como respaldo de valor, desde su lanzamiento al mercado transaccional público alrededor del 2013 cada año ha duplicado su valor y en el 2020 no fue la excepción. En la siguiente tabla podemos que hay un crecimiento anualizado de más del 200% desde el 2011 a la fecha.

En contraste con otros depósitos de valor como el oro, la bolsa o commodities, en realidad el bitcoin tiene los mejores resultados históricamente. ¿El problema? su volatilidad. Según el sistema Bloomberg, en los últimos 30 días ha tenido más de 50%.

¿Cómo se obtiene?

El bitcoin es una criptomoneda que puede ser minada o comprada. Proporcionalmente hay más operaciones transaccionales debido a que la minería requiere de grandes poderes computacionales y las granjas de bitcoin son grandes consumidoras de energia

¿Quienes son los que controlan los sistemas de minería? En realidad hay registros ee que el 80% de este ejercicio digital se realiza en China. Si quieres leer más sobre esta situación te recomendamos esta fuente.

Otro país del que se tiene registros que se ha puesto a trabajar en la minería es Venezuela. En realidad el ejército ha estado desarrollando la tarea de preparar equipos de cómputo para minar, aún así no figuran como protagonistas.

¿Qué ha pasado recientemente con el bitcoin?

Según información obtenido en BITSO y otros sitios de criptomonedas el Bitcoin ha tenido un crecimiento. A medida que se debilita el dólar el valor del bitcoin se ha ido a la alza. Un bitcoin casi acumula medio millón de pesos de valor.

En la práctica, se pueden comprar bitcoins de manera parcial. Es decir en lugar de comprar una unidad completa, se puede obtener una parte de la misma. Eso permite participar en el beneficio del bitcoin a quienes tengan alguna restricción presupuestal o a quienes sólo quieran invertir poco dinero.

En los últimos 3 meses de acuerdo a la gráfica, de Octubre a Diciembre su valor se duplico. Esto ha hecho que nazca nuevamente la fiebre del bitcoin y que se sume a los nuevos términos de conversación.

En el punto actual se encuentran los máximos histórico . A continuación estos registros

Cuando buscamos para el futuro, según el sistema de pronósticos de Wallet Investor, se estima que en el largo plazo el bitcoing continue con su curva de crecimiento acentuada. Esto con objetivos a que llegue a superar los $27 mil dólares para el 2022.

De la mano de esto, quisimos generar una experiencia de “inteligencia colectiva”. Preguntamos en redes si el bitcoin está en su tope o seguirá creciendo. Aún nos encontramos con un balance, donde el 60% de las respuesta sindican que conviene comprar ahora ya que es una buena oportunidad para el futuro. Si te interesa este tema te recomendamos continuar obteniendo información cualitativa, escuchar a expertos y a quienes han tenido casos de éxito. En nuestra columna de opinión, pensamos que otra alza como la de los últimos 3 meses difícilmente se repetirá en los próximos 6 meses, pero todo puede pasar considerando que el cambio de presidencia en Estados Unidos impactará el dólar. Y un valor de dólar fortalecido impacta negativamente el bitcoin normalmente.

Comparte esta columna con tus colegas y cuéntanos tu estrategia a recomendar con el bitcoin u otras criptomonedas para el próximo 2022.

– Equipos Datlas –

Fuentes:

– Bitso. Fuente: http://www.bitso.com

– CoinMarket. Fuente: https://coinmarketcap.com/currencies/bitcoin/

– Bezinga. Fuente: https://www.benzinga.com/money/cryptocurrency-mining/

– El economista citando a Reuteres. Fuente: https://www.eleconomista.com.mx/mercados/Bitcoin-se-encamina-a-los-24000-dolares-20201217-0122.html

– Wallet Investor. Fuente: https://walletinvestor.com/forecast/bitcoin-prediction

– Imagen de portada obtenida de: https://theintercept.com/2018/03/20/the-nsa-worked-to-track-down-bitcoin-users-snowden-documents-reveal/

Introduciendo al Gobierno de Datos – investigación datlas

Un gobierno de datos consiste en una capacidad organizacional para gestionar el conocimiento que se tiene sobre los datos generados y la información en dominio de la empresa. Pero ¿Por qué es importante comenzar a considerar uno? ¿Qué tipo de riesgos nos ayudará a prevenir y atender? ¿Quién conforma un gobienrno de datos? Nos dimos a la tarea de investigar algunas de estas preguntas y compartir en esta columna de investigación nuestros hallazgos.

El gobierno de datos ayuda a responder preguntas como ¿Qué sabemos sobre nuestra información? ¿De dónde provienen los datos? ¿Están los datos alineados a nuestra política de empresa u organización?

Objetivo de un gobierno de Datos

Ejercicio de diseñar, controlar y monitorear todo lo relativo a los datos desde un enfoque holístico, en el que participen los implicados, desde el gobierno corporativo de la empresa y el departamento de TI hasta un consejo de gestión de datos que represente a las partes interesadas (

Te puede interesar: Facebook/ Cambdrige analytica sobre privacidad de datos

Importancia de un buen gobierno de datos

La mayoría de las organizaciones no piensan en un gobierno de datos hasta que sucede algún percance o se daña su reputación. Pero hay una buena oportunidad de venta interna si reconocemos que el gobierno de datos nos puede ayudar para lo siguiente:

  • Identificar a los datos como un activo de valor y mantener estándares de calidad
  • Lograr gobernabilidad y gestión del dato
  • Lograr eficiencias en las funciones de datos para la compañía
  • Cumplimiento de normativa y preservación de la privacidad
  • Asegurar la disponibilidad en tiempo y forma de un recurso de valor para la compañía: el dato

Te puede interesar: Un México sin datos

Riesgos a prevenir

Ningún sistema está libre de riesgos y los sistemas de datos suelen ser de los más atacados en organizaciones. De acuerdo a la UNAM, estos son los riesgos más frecuentes de los que hay que protegerse

Amenazas a la seguridad de los datos, daño o alteración, destrucción lógica, hackeo, pérdida de información, destrucción física y eliminación.

Por otro lado , la universidad de Wharton especifica una calidad de riesgos directamente asociados a la Inteligencia artificial.

Dentro de la categoría de riesgos relacionados a los datos está: Limitaciones para aprendizaje y calidad de los datos. En la categoría de ataques de Inteligencia artificial o Machine Learning está: Ataque contra la privacidad de los datos, alteración de los datos de entrenamiento, insumos con errores y extracción de modelo. En la categoría de pruebas y confianza: Resultados incorrectos, falta de transparencia y sesgos. Finalmente, en la categoría de cumplimiento, los riesgos es caer en un incumplimiento de políticas.

Te puede interesar: 3 reflexiones de “Great Hack” Nada es privado de NETFLIX

Ventajas de institucionalizar un gobierno de datos

  1. Apoyar las iniciativas de BI/Data Warehousing
  2. Apoyar una iniciativa MDM
  3. Facilitar la migración de datos heredados
  4. Cumplir con la normativa y requisitos legislativos
  5. Reducir el riesgo empresarial
  6. Mejorar la flexibilidad empresarial y la agilidad de negocio
  7. Apoyar actualizaciones de software operativo
  8. Reducir los costos
  9. Apoyar el manejo de fusiones y adquisiciones
  10. Generar un inventario de datos y algoritmos para uso de la organización
  11. Evitar la discriminación por el entrenamiento de sistemas inteligentes con datos sesgados

¿Cómo iniciar un gobierno de datos en mi organización?

Según IBM, hay 6 pasos para el gobierno de datos

1) Establecer Metas: Qué es lo que va a guiar la operación del consejo en el gobierno, cuáles son las metas que se alinean a los objetivos estratégicos de la organización, qué metas garantizan la sustentabilidad del gobierno en el largo plazo y cómo integrar a las personas adecuadas

2) Definir métricas: Con qué niveles de efectividad se medirá a todas las áreas que sean consumidores de los datos en el dominio de organización, cómo se medirá el nivel de madurez para instaurar auditores y procesos de datos así como poder contar con métricas claras para todos los procesos involucrados en los datos

3) Tomar decisiones: Habra situaciones específicas para los que las reglas del gobierno establecidas permitan la fluidez de procesos sin toma de decisiones. Pero en casos específicos se tendrá que convocar al consejo y establecer un orden en las políticas de decisión puede brindar mayor agilidad a la cultura de datos de una organización

4) Comunicar políticas: El gobierno de datos no puede ser un satélite de la organización, en el sentido de estar lejos de la misma. Es importante que entienda el negocio y sobre todo que diseñe métodos de comunicación efectiva para no interferir en los procesos de otros equipos

5) Medir resultados: Darle seguimiento al cumplimiento de metas y de la disciplina en la toma de decisiones que se haya instaurado desde el inicio. Importante abrir espacios de retroalimentación para la mejora continua

6) Auditar: Herramienta usada para comprobar todo

Te puede interesar: Aprendiendo ciencia de datos para líderes de equipo (KPIs)

Estructura organizacional

El consejo de gobierno de datos tendrá que tener miembros de todas las pares interesadas. Deberá estar el CDO (Chief Data Officer) en caso de existir, equipos de planeación, finanzas y TI principalmente. Líderes que tengan capacidad de influir en las prácticas de sus equipos y al mismo tiempo quienes valoren a los datos como activos para la empresa.

Por el lado operativo, puedes seguir la guía de “Perfiles para construir un equipo de analítica” en donde el analista o gerente de analítica podrá tener una voz en el consejo. Pero al mismo tiempo procurará ser el “manager del gobierno de datos” para minimizar las vulnerabilidades por riesgos de datos en sus equipos

Te puede interesar: Chief Data Officer: Ahora los datos tienen un asiento en el consejo o escuchando nuestro podcast con el CDAO de CHUBB

Hasta aqui el capítulo de hoy. Nos interesaría conocer si en tu organización ya están manejando un gobierno de datos o si están pensando en desarrollar uno ¿Qué están considerando? ¿Por qué le ven utilidad? ¿Creen que para algunas industrias debería ser obligatorio? Participa con nosotros mediante nuestras redes sociales @DatlasMX

Fuentes:

PowerData. Fuente: https://blog.powerdata.es/el-valor-de-la-gestion-de-datos/bid/406201/qu-es-el-gobierno-de-datos-y-por-qu-lo-necesito

Artificial Intelligence RISKS Wharton. Fuente: https://ai.wharton.upenn.edu/artificial-intelligence-risk-governance/

UNAM. Fuente: https://programas.cuaed.unam.mx/repositorio/moodle/pluginfile.php/854/mod_resource/content/4/contenido/index.html

Revolucionando el Big Data con la metodología Six Sigma – datlas investigación

En el mundo actual del Big Data, se necesitan constantemente métodos que nos hagan productivos y revolucionarios, adaptando la reingeniería de procesos a la tecnología que vivimos hoy en día.

Es por ello por lo que en esta sección te mostraremos el cómo es aplicable el Big Data en un método que se dedica a la mejora continua de procesos llamado Six Sigma, el cual ha tenido un impacto por su aplicación a industrias para el enfoque de reducción y eliminación de fallos en sus procesos utilizado como estrategia de negocio y mejora de la calidad.

¿Has escuchado hablar o has aplicado la metodología Six Sigma?

La metodología Six Sigma fue creada en Motorola por el Ingeniero Bill Smith en la década de los 80´s, cuyo objetivo principal es medir la eficiencia operativa de una empresa, en búsqueda constante de soluciones sobre la calidad de sus procesos.

El nombre Six Sigma tomó rumbo en la empresa Motorola por su objetivo para dirigirse a seis desviaciones estándar dentro de sus procesos de fabricación.

Big Data + Six Sigma

Te estarás preguntando el cómo puede relacionarse esta metodología con el análisis de datos y sus aplicaciones, a continuación, te mostraremos la respuesta a este punto.

El Big Data nos permite manejar altos volúmenes de datos para la correcta toma de decisiones tomando como base los diferentes orígenes de almacenamiento de información y representación, aplicando un componente de integración para nuestra metodología.

Mientras que Six Sigma nos orienta al análisis de datos para la productividad estadística con el tratamiento de la data, por medio de la variación y distribución de los datos del proceso a mejorar.

El resultado a dar de estas dos variables nos da un tratamiento de datos integrales que hacen más productivo y comprensible nuestro proceso de representación de datos sobre las necesidades que tiene una empresa o pyme en sus diferentes áreas.

Productividad en Big Data

La mayoría de las empresas tienen una cantidad inimaginable de datos y gráficas, pero al momento de interactuar con ellos no saben que hacer o no los utilizan de forma correcta. Lo cual es cuestionable su toma de decisiones en el área si no se sigue una metodología estadística y predecible, adaptándola al cambio.

Six Sigma sirve para mejorar el desempeño gerencial y hacerlo de clase mundial, lo que le implica dedicar más tiempo a la mejora estructural que al control operativo del proceso.

Aplicación del método DMAIC

El método DMAIC es una herramienta utilizada para la mejora de procesos dentro de Six Sigma, lo cual lo vincularemos al análisis de datos en las empresas y pymes la cuales invitamos a probar esta metodología.

1.- Define (Definir)

Define lo que vayas aplicar en tu proceso de análisis de datos, tus medibles en cuestión de alcances, objetivos y metas

2.- Measure (Medir)

Realiza una medición de la calidad y productividad del trabajo de tu área, recolectando datos que se puedan evaluar.

3.- Analyze (Analizar)

En este proceso se evaluan los datos y hallamos las variables necesarias con un pensamiento crítico sobre el proceso a mejorar.

4.- Improve (Mejorar)

Aprovechamiento en las oportunidades basadas en datos, y correcto manejo de representatividad hacia los objetivos.

Estos siguientes pasos te ayudarán a realizar de manera correcta este paso:

  • Identificar y crear soluciones
  • Centrar las soluciones más adheribles
  • Realizar pruebas
  • Aplicación plan de acción
  • Implementar las mejoras en las áreas

5.- Control (Controlar)

El seguimiento correcto del plan de acción para la mejora del proceso es vital para el control directo de este proceso y su ciclo, dirigiendo diferentes criterios de control como reportes estadísticos y aprovechamiento de la productividad.

¿El Big Data el nuevo Six Sigma para adaptaciones de la Reingeniería?

La adaptabilidad de los procesos de la ingeniería no ha sido un camino fácil, pues han pasado casi 40 años desde sus inicios hasta llegar a un punto en dónde muchos piensan que lo tecnológico hace más obsoleto la metodología, pero no es así.

“Las disciplinas y tecnologías actuales de gestión de la información simplemente no están a la altura de la tarea de manejar todas estas dinámicas. Los administradores de información deben repensar fundamentalmente su enfoque de los datos planificando todas las dimensiones de la gestión de la información “.

En 2012, Mark Beyer (el vicepresidente de investigación de Gartner) dijo lo anterior en un artículo para Performance Excellence Network titulado ‘Is Big Data the New Six Sigma’.

Nuestra experiencia hará más factible el método que queramos implementar sobre un proceso de reingeniería que lo estemos adaptando a esta nueva era, el Big Data y la metodología Six Sigma se llevan muy bien, pero hay que saber planificar todas las dimensiones posibles de conocimiento y aplicación para que nuestros resultados sean constantes y de una calidad única.

¿Y tú… estas preparado para esta adaptación?

Hasta aquí la columna de hoy, ¿Conoces Six Sigma? Comparte con tus colegas y danos tu opinión del tema.

Equipo Datlas

– Keep it weird –

¿Cómo identificar A un impostor de datos? – datlas emprendedores

Ya conoces de nuestras otras columnas que hemos hablado que además de los científicos de datos hay muchos otros roles en el campo de la analítica avanzada de datos. Puedes leerlo en “Los 5 perfiles en una estrategias de datos”. Quienes no redujeron presupuestos en pandemia han creado nuevos departamentos de analítica avanzada. Esto aplica para compañías de todo tipo de tamaño. Por lo mismo, la demanda de capital intelectual de ciencia de datos se ha incrementado y la oferta es insuficiente. Por esta razón, existen situaciones en las que personas con poca o insuficiente formación en el campo atienden proyectos de analítica. La falta de respaldo en el campo se empieza a traducir en altas rotaciones, pérdida de fe en retornos de inversión para proyectos de ciencia de datos y/o reducción de presupuestos. En esta columna compartiremos algunos consejos de cómo detectar a “impostores de datos” con algunas revisiones puntuales al momento de entrevistar personas.

1) Los charlatanes de datos se esconden en todo tipo de equipos y áreas. Se rodean de gente capaz, pero se camuflajean entre la estadística y los análisis de negocio

Es útil entender que analítica y estadística son dos tipos de campos de dominio distintos. En estadística se aprende a entender el valor más allá de los datos, sintetizando un entendimiento global de variables a partir de tendencia central, identificando problemas en una serie de tiempo, excepciones en variables categóricas y más que nada encontrando significancias. Un analista, por otro lado, está preparado para entender y dimensionar una base de datos con mayor conocimiento del campo de dominio del negocio. Generar a partir de relaciones conclusiones y mensajes de oportunidad para una empresa.

En la práctica, los roles de de ciencia de datos requiere la función híbrida. Un analista se quedaría corto si no conoce suficiente de estadística para validar pruebas de hipótesis. Y un conocedor de estadística requiere una visión global al momento de enfrentarse a un problema de datos. Cuidado de caer en la falacia de que estas funciones “duermen” por separado.

Te puede interesar leer “Por qué fracasan los proyectos de datos”

2) El arte de manejar la incertidumbre, los “outliers” (anomalías) y faltantes

Un buen analista es similar a un doctor al momento de iniciar un nuevo paciente. Lo primero es generar un diagnóstico, no importa cuántas personas hayan diagnosticado antes las bases de datos a trabajar, hay que realizarse una serie de preguntas sobre el problema de datos que se va a enfrentar. Alejarse de este diagnóstico es quedar fuera de un verdadero proyecto de ciencia de datos.

De hecho, puedes leer “Cómo construir un checklist para proyectos de analítica de datos”. Los impostores de datos muchas veces se enfocan más en entregar los resultados al jefe y olvidan la parte artesanal de curar los datos para tener la estructura de datos óptima para resolver un problema en especifico.

3) Más seducidos por el p-value significancia estadística que la significancia de los resultados para la estrategia del negocio

La obsesión por la técnica estadística no necesariamente está asociada a un buen desempeño como científico de datos. Tener talento académico y seguir los principios de estadística en un ejercicio de análisis de datos es importante. Pero debe haber una obsesión con generar resultados objetivos para el negocio.

Una vez que prioricemos ese objetivo, los verdaderos científicos de datos no se detendrán con su entendimiento estadístico. Querrán conocer e identificar el ADN del negocio.

4) El arte de generar variables para llegar conclusiones que hagan sentido

Un analista serio no comenzará su análisis con las variables que le entregaste para trabajar. Buscará explorar y desarrollar nuevas variables. Por ejemplo, cuando trabajas con latitudes y longitudes y quieres trabajar algún modelo como una regresión. Los campos no deben ser ingresados como tal ya que los modelos lo pueden interpretar como variable numérica y en realidad ni representan una dimensión. Debemos de generar un punto de referencia y la distancia hacia el mismo, como el los kilómetros del punto al centro de la ciudad, una escuela cercana, un hospital o algo similar. Para que nuestra conclusión de regresión pueda ser interpretada como “por cada cambio en X variable, existe un cambio en Y”. Por “cada kilómetro que más me alejo del centro de la ciudad, cae X nivel de ventas”. Es común en las pruebas aplicadas para científicos de datos poco preparados este tipo de carencias salgan a relucir.

Si quisieras saber algunos consejos de cómo deberías reclutar a tu equipo de analítica no te olvides leer “Diseño de perfiles y áreas de analítica en organizaciones”. o escuchar nuestro podcast “Café de Datos”.

5) Un charlatan de datos llega a conclusiones demasiado rápidas… a conveniencia

Un experimento de datos no se puede declarar exitoso si sólo se pone a prueba con una serie de datos. Un buen “Testing” es aquel que se experimenta en distintas condiciones, con datos que estuvieran vigentes en temporalidades distintas y , si es posible, estresado bajo modelos contrastantes.

Un charlatán de datos usará más de su tiempo en convencerte que el primer resultado fue el correcto o que su método es el único en lugar de buscar formas de contradecir el ejercicio inicial iterando con otros datos el modelo en cuestión.

6) La culpa es del modelo que fue tonto, no mía

La última, tiene más que ver con una actitud, pero un impostor de datos hará responsable “al modelo”. Hará referencia a que es de “caja negra” y que no es posible explicar el impacto de cada variable al resultado. Mucho cuidado con estos colaboradores de “falta de accountability”, porque además de mostrar poca capacidad de ajustar un modelo a una nueva realidad, muestran limitantes para poder explicar lo que hicieron y eso puede ser un peligro para la organización.

Comentarios finales

Recuerda que, como lo establecimos antes, “No necesitas un doctorado para aprender de data science, pero tampoco se aprende en una clase de 2 horas”. Los impostores de datos y análisis requieren precauciones y es importante continuar elevando el rigor de la materia. Te recomendamos buscar elevar los estándares en tu organización siguiendo estos consejos y leyendo alguna de las columnas que citamos

Equipo Datlas

– Keep it weird-

Fuentes y referencias originales

– Science of Fake. Fuente: https://www.lazerlab.net/publication/%E2%80%9C-science-fake-news%E2%80%9D

– How to spot a charlatan. Fuente: https://towardsdatascience.com/how-to-spot-a-data-charlatan-85785c991433

Boom de crecimiento de Hoteles para turismo ¿en pandemia? así las cosas en monterrey, nuevo león- Investigación Datlas

La pandemia global del COVID-19 continúa, ya hay nociones de vacunas, algunas regiones gestionan soluciones más rápido que otras, pero las condiciones de aislamiento continúan. Haz click aqui para ver los mejores dashboards del COVID-19 durante la pandemia.

La industria con mayor impacto negativo ha sido la del turismo. En nuestra masterclass hablamos de la situación y también de las oportunidades hacia el futuro. Pero ¿Qué se está preparando a futuro? ¿Cómo se han priorizado recursos y qué datos podemos usar de referencia? En esta columna mostramos el caso para Monterrey, Nuevo León, México. Y en Datlas… como miembros del Clúster de Turismo de Monterrey, lo conocemos bien.

Caída en el consumo turístico interior al 2do trimestre del 2020 (Última actualización). Fuente: https://www.inegi.org.mx/temas/itat/#Informacion_general

Caída en el PIB TURISTICO al 2do trimestre del 2020 (Última actualización). Fuente: https://www.inegi.org.mx/temas/itat/#Informacion_general

¿Qué relevancia tiene Monterrey ZMM en Nuevo León y México?

Monterrey es la ciudad más grande e importante de Nuevo León. Cuenta con más de 5 millones de habitantes. Su zona metropolitana colinda con 7 municipios, entre ellos, San Pedro Garza García uno de los suburbios más costosos de LATAM. El PIB per capita para Monterrey es de casi el doble del promedio de México.

Particularmente en la región destaca el impulso a la economía por la industria de manufacturas, cerca del aeropuerto (que está a una hora del centro de la ciudad aproximadamente), encontraremos grandes bodegas y patios de maniobra. Esto tiene que ver con la posición geográfica privilegiada, cercano al vecino Estados Unidos de América, y conectado por carreteras a todo el país.

Esta apertura al extranjero y sus 2 aeropuertos invitan a muchos visitantes con motivos de negocios y eventos de turismo. Hasta el 2018, últimos años de actualización de datatur, al mes se tenía una cifra promedio de 350,000 cuartos ocupados. 60,000 de ellos por personal extranjero. A la misma fecha, el % de ocupación rondaba los 55%.

Mapa de AIRBNB y Hoteles

De acuerdo a nuestro último mapas de Datlas para Nuevo León existía un registro a marzo del 2020 de 350 hoteles. en la zona metropolitana de Monterrey. Así también alrededor de 4,950 hospedajes tipo Airbnbs.

Si te interesa conocer a detalle puedes ver nuestro webinar de analítica para Airbnb y hoteles.

¿Qué está sucediendo con el sector hotelero en Monterrey?

De acuerdo a investigaciones del REFORMA (Periódico ElNorte)

– Se están sumando 2,200 nuevas habitaciones (Durante pandemia)

– La ciudad de está llenando de torres de usos mixtos y en complemento a estos desarrollos los hoteles no pueden faltar

– Al menos en San Pedro Garza García, se suman 700 nuevas habitaciones

– Otros 200 corresponden al proyecto de reactivación del centro de la ciudad, que se está tratando de reactivar comercial y residencialmente

– Algunas empresas claves en el sector dan señales de retorno

¿Por qué es un caso de estudio?

Porque durante la pandemia , a pesar de todo dato duro de caída crítica en turismo, los desarrollos continúan. El plan de largo plazo, el consejo de urbanistas y las FIBRAS inmobiliarias (instrumentos financieros para desarrollo inmobiliario) tienen en sus fundamentos al sector hotelero.

De hecho, veamos los datos, la cantidad de deals en fondeos de capitales para la industria de turismo a nivel global se vieron reducidas. Sin embargo para Monterrey, hay crecimiento en desarrollos.

Nota: Estos “deals” también contemplan desarrollos de empresas tecnológicas o reinversiones respaldadas por corporativos. Fuente: https://news.crunchbase.com/news/could-the-covid-19-vaccine-mean-a-rebound-for-travel-startups-in-2021/

¿Qué podemos esperar a futuro?

Tan pronto haya vacuna, de los primeros sectores económicos a detonar será el de turismo. Leyendo algunas fuentes públicas podemos interpretar que acciones como las de expedia han regresado a niveles pre-pandemia .

Por otro lado, visitas y descargas a aplicaciones como AIRBNB siguen con caídas, mucho menores que en el verano del 2020, pero aún no se estabiliza a niveles pre-pandemia

Desde Datlas estamos preparados para apoyar y orientar con analítica de datos el regreso del Turismo con más fuerza que nunca antes. ¿Ya estás listo para relanzar? No olvides sintonizar la masterclas “Go-To-Market Strategy para el sector turismo” en alianza con el Clúster de Turismo de Monterrey. Es momento de entender las nuevas necesidades de los consumidores. Revisa nuestros Blogs sobre el tema y también nuestro podcast donde platicamos con la dirección del Clúster de Turismo de Monterrey.

Equipo Datlas

Keep it weird

Fuentes:

– Crunchbase: Vacuna de COVID-19 dispararía turismo. https://news.crunchbase.com/news/could-the-covid-19-vaccine-mean-a-rebound-for-travel-startups-in-2021/

– Detonan hospedaje: https://elnorte.com/P0u4Sn

– Datos AIRBNB: https://finance.yahoo.com/company/airbnb?h=eyJlIjoiYWlyYm5iIiwibiI6IkFpcmJuYiJ9&.tsrc=fin-srch