Turismo Sostenible en Nuevo León – Columna de Investigación Datlas

¿Estás familiarizado con el concepto de Turismo Sostenible?

Es un tema que está ganando popularidad en la actualidad, ya que tanto las instituciones gubernamentales como las organizaciones sin fines de lucro están trabajando para asegurar que las políticas, normativas, acciones y estrategias turísticas estén alineadas con el desarrollo sostenible. En esta columna te contaremos algunos de los puntos importante de este tema en tendencia para México y Nuevo León.

¿Qué es exactamente el turismo sostenible? La OMT (Organización Mundial del Turismo) tiene como objetivo promover el desarrollo sostenible en todas las actividades turísticas. En su definición,«El turismo que tiene plenamente en cuenta las repercusiones actuales y futuras, económicas, sociales y medioambientales para satisfacer las necesidades de los visitantes, de la industria, del entorno y de las comunidades anfitrionas.»

** Te puede interesar este blog sobre: El PIB TURISTICO en NUEVO LEON

Existen principios de sostenibilidad que han sido desarrollados para guiar las prácticas de gestión sostenible en todas las formas y destinos turísticos. Estos principios abordan aspectos medioambientales, económicos y socioculturales del desarrollo turístico, con un enfoque en la agenda a largo plazo.

La OMT (Organización Mundial del Turismo, ahora ONU TURISMO) ha planteado claves para alcanzar el turismo sostenible, que se enfocan en tres puntos principales: optimización de los recursos medioambientales, preservación de la autenticidad de la cultura local y equitativa distribución de la riqueza.

Dado que lo que no se puede medir, no se puede controlar, la OMT sugiere que la elección de indicadores debe determinarse en función de las necesidades y prioridades locales. Por lo tanto, hace una recomendación de indicadores para la evaluación, que deben centrarse en los siguientes aspectos:

1. Satisfacción local con el turismo
2. Impacto del turismo en las comunidades
3. Satisfacción sostenible del turista
4. Estacionalidad del turismo
5. Beneficios económicos del turismo
6. Gestión de la energía
7. Disponibilidad y consumo de agua
8. Calidad del agua potable
9. Tratamiento de aguas residuales
10. Gestión de residuos sólidos
11. Control del desarrollo (control de la generación de basura)
12. Control de la intensidad del uso del espacio

https://www.unwto.org/es/onu-turismo-noticias-2023

Actualmente, en México se están desarrollando estrategias turísticas basadas en el Programa Sectorial de Turismo 2020-2024, publicado en el Diario Oficial de la Federación el 3 de julio de 2020. Este programa rige las políticas turísticas del país y establece objetivos para potenciar a México como competidor turístico de vanguardia, enfocado en un desarrollo equitativo, justo y equilibrado entre comunidades y regiones del país, a través del aprovechamiento sostenible del patrimonio nacional.

** Te puede interesar: DASHA es parte del Observatorio Turístico de Nuevo León ¿Qué significa?

Como ejemplo, el Estado de Nuevo León ha lanzado su Programa Sectorial de Turismo Sostenible 2022-2027, donde plantea los objetivos del programa y las instancias encargadas de dar cuerpo a las estrategias. Este programa hace referencia a las leyes que regulan los aspectos relacionados con el turismo, como la Constitución Política del Estado Libre y Soberano de Nuevo León en su artículo 30, que establece que le corresponde al Estado procurar el desarrollo integral de los pueblos y las personas, garantizando así la fortaleza de su soberanía y su régimen democrático.

Además, se mencionan otras leyes como la Ley de Planeación Estratégica del Estado de Nuevo León, la Ley Orgánica de la Administración Pública para el Estado de Nuevo León (artículo 32), la Ley de Fomento al Turismo del Estado de Nuevo León, el Reglamento Interior de la Secretaría de Turismo, y el Plan Estatal de Desarrollo de Nuevo León 2022-2027. Este último establece, dentro de su Eje 2 «Generación de Riqueza Sostenible», el numeral 2.13 «Turismo Sostenible», resaltando el papel del turismo como motor del desarrollo económico al impulsar la oferta de bienes, servicios y productos regionales, así como promover el surgimiento de empresas y la conexión de los visitantes con los destinos. Por lo tanto, este Programa Sectorial amplía el cumplimiento de los ejes establecidos en el Plan Estatal de Desarrollo.

Photo by Oscar Dominguez on Pexels.com

¿Cuáles son las estrategias para el Turismo Sostenible en Nuevo León?
Dentro del Programa Sectorial para el Turismo Sostenible, el Gobierno de Nuevo León establece la participación ciudadana desarrollando una metodología enfocada en la definición de objetivos estratégicos, planificando 5 ejes: Turismo Sostenible, Promoción del Estado, Desarrollo Regional y Sectorial, Competitividad e Innovación:

1. Concientizar respecto al desarrollo del turismo sostenible con equidad e inclusión a través de políticas públicas.
2. Posicionar a Nuevo León como destino turístico, así como sus segmentos y productos identificados como estratégicos.
3. Apoyar a los Pueblos Mágicos y municipios con vocación turística con mecanismos que permitan facilitar el financiamiento y la inversión pública y privada en proyectos con potencial turístico.
4. Alcanzar estándares de calidad de servicio turístico con altos grados de competitividad.
5. Utilizar tecnologías, bases de datos e información para el análisis, generación de inteligencia para aprender hábitos de navegación de turistas, dar a conocer la oferta de experiencias y productos turísticos

¿Qué opinas de estas medidas? ¿Qué impactos crees que podrían tener en eventos masivos? ¿Qué mejores prácticas han tenido?

Equipo Datlas

– Keep it weird –

Fuentes

• https://www.nl.gob.mx/publicaciones/programa-sectorial-de-turismo-sostenible-2022-2027
• https://www.unwto.org/es/desarrollo-sostenible
• https://www.bbva.com/es/sostenibilidad/que-es-el-turismo-sostenible/

¿Qué es y como funciona un modelo de Partners? – Manuales Datlas

El mundo de la tecnología y transformación digital todos los días no sorprende con nuevas soluciones innovadoras para afrontar los desafíos crecientes de la sociedad. En ese sentido,  las empresas deben enfocarse en desarrollar productos y servicios más personalizados e innovadores que se adapten a las necesidades cambiantes del mercado. La colaboración estratégica entre organizaciones se presenta como uno de los elementos clave para alcanzar el éxito en este dinámico entorno.

Por eso en esta entrada te queremos presentar el modelo de Partners, un ejemplo de modelo de cooperación empresarial enfocado al crecimiento conjunto, donde hablaremos sobre sus características, algunos de sus beneficios y como funciona en Datlas.

¿Qué es un modelo de Partners?

El modelo comercial de Partners consiste en una alianza o asociación estratégica entre organizaciones que ofrecen soluciones o productos complementarios y que en combinación les permite lograr resultados de manera más eficiente y como menos riesgo que por sí solos. Más específico, este tipo de alianza comercial permite acceder a nuevos mercados y canales para crecer en clientes, facturación y beneficios. A diferencia de un proveedor de servicios tradicional, un Partner si se involucra en la ideación e implementación de estrategias de crecimiento.

En el ámbito tecnológico, donde las inversiones para desarrollo de software especializado son elevadas, es común ver empresas como Google, Amazon, Microsoft o Oracle asociados a miles de partners tecnológicos con quienes trabajan de la mano para poder mantenerse a la vanguardia con inversiones menores y de bajo riesgo.

¿Cuáles son sus características?

1. Objetivo Compartido:  Se establece metas en común, hacía el cuál se dirigirán los esfuerzo en conjunto y se desarrolla un estrategia personalizada para alcanzarlas con un compromiso de trabajo colaborativo.
2. Especialización: Las organizaciones se especializan en algún servicio o producto conjunto. En el ámbito tecnológico, por ejemplo, cada empresa contribuye con su experiencia única, conocimiento, información o software.
3. Integración de soluciones: Los Partners trabajan en conjunto para ofrecer a los clientes soluciones completas y personalizadas que aborden desafíos específicos y que aumenten la satisfacción del cliente.
4. Acceso a mercados específicos: Este tipo de alianzas permite acceder a mercados específicos o segmentos de clientes que pueden ser difíciles de alcanzar de manera individual o que de alguna forma ya están conquistados por alguno de los partners.
5. Innovación continua: Propicia la innovación continua al combinar recursos para la investigación y desarrollo, acelerando el tiempo de llegada al mercado de nuevas tecnologías y soluciones.

¿Cuáles son los beneficios?

1. Contexto ampliado del mercado: Permite identificar nuevos riesgos u oportunidades para el negocio desde un punto de vista objetivo del Partner que es externo a la organización.
2. Ampliación de capacidades y combinación de recursos: Al asociarse la organización amplía sus habilidades, porque puede acceder a conocimientos y recursos especializados del Partner que pueden ser difíciles de obtener internamente.
3. Aceleración del crecimiento: La colaboración estratégica acelera el crecimiento al permitir a las empresas tecnológicas aprovechar las oportunidades de mercado de manera más eficiente. Adicionalmente las asociaciones a través de Partners tiene un enfoque a largo plazo lo que permite un crecimiento más sólido y sostenible
4. Reducción de riesgos: Una de las ventajas en los modelos de partners es el compartir riesgos. Las empresas pueden compartir la carga de la inversión para disminuir riesgos financieros, de seguridad o tecnológicos. Así mismo, en momentos críticos un Partner puede brindar respaldo o recursos adicionales.  
5. Mejora de la competitividad: La colaboración en el sector tecnológico mejora la competitividad al crear soluciones más completas y avanzadas. Esto no solo satisface las crecientes expectativas del mercado, sino que también posiciona mejor a las empresas frente a la competencia.

¿Cómo funciona el modelo de Partners en Datas?

Este año en Datlas hemos implementado el modelo de Partners, a partir de planeación y aprendizajes de años anteriores. El objetivo de este programa es generar beneficios conjuntos, a través de la transferencia y combinación de recursos, habilidades, conocimientos e información. Dependiendo de la trayectoria y madurez en la relación con Datlas, los partners se clasifican en 3 niveles, comenzando por Referidos: Referencian prospectos a Datlas, Afiliados: Referencias cruzadas de prospectos entre Datlas y Afiliado, y por último, Resellers: Integración completa de oferta y colaboración​.

En conclusión, el modelo de Partners es una estrategia esencial para las empresas que buscan prosperar en un entorno empresarial dinámico. La especialización, la integración de soluciones, el acceso a mercados específicos y la innovación continua son características clave que definen este modelo que se visualiza como un generador de crecimiento.

Hasta aquí la columna de hoy, no olvides sucribirte a nuestro Blog para mantenerte al día en noticias de analítica y transformación digital.

Equipo Datlas

– Keep it weird –

Fuentes:

Partnerships: Cómo trabajar juntos para alcanzar el éxito

¿Cuál es la Función de un Growth Partner?

¿Por qué Necesitas un Growth Partner para el Éxito Sostenible de tu Empresa?

Problema de Ruteo de Vehículos – Columna de Investigación Datlas

Alguna vez se han puesto a pensar ¿Qué porcentaje del parque vehicular no son autos particulares sino que ofrecen algún servicio de transporte?. Para poner un ejemplo de la importancia de esta clase de servicios, según datos del INEGI (2020) solamente el servicio de mensajería y paquetería esta presente en 743 de las 822 actividades económicas del país, poco más del 90%, lo que significa que apoya a casi todos los sectores de la economía.

De igual manera como podemos ver en la imagen, existen otra clase de servicios de transporte más importantes como el autotransporte de carga. El autotransporte de carga es la actividad dedicada a transportar productos o mercancías de cualquier tipo, pudiendo requerir para su transportación equipo especializado o no. Este tipo de transporte suele ser utilizado en la cadena de suministro, la cual se puede definir como el conjunto de pasos y elementos que le permiten a las empresas adquirir los recursos para producir o manufacturar un producto. De igual manera el autotransporte se usa en lo que se conoce dentro del área de logística como distribución de última milla, que es la etapa de entrega de un producto desde un centro de distribución (CEDIS) a el cliente final.

** Te podría interesar: «Categorizando las zonas con choques y siniestro en Nuevo León»

Estos dos tipos de transporte tienen varias cosas en común, pero una de ellas es la necesidad de generar rutas de viaje que les permitan optimizar uno o más atributos, por ejemplo: maximizar el número de clientes atendidos durante un turno o minimizar las emisiones de carbono de toda la ruta. Este tipo de problemas en investigación de operaciones se conoce como problema de ruteo de vehículos (VRP – vehicule routing problem).

El VRP es un problema de optimización combinatoria descrito por primera vez en 1959 por el matemático Dantzing. El objetivo del problema es encontrar las rutas optimas de vehículos que parten de un depósito, atienden a cada cliente y después regresan al depósito.

A pesar de ser un problema común en la mayoría de las empresas, resolver un VRP es computacionalmente costoso y se categoriza como NP-Hard porque en la vida real puede involucrar restricciones que introducen una complejidad significativa al problema, algunas de estas características se enlistan a continuación:

• Ventanas de tiempo: Los clientes tienen restricciones de tiempo para satisfacer su demanda
• Tiempos de viaje dependientes del horario: Consideran factores que cambian con respecto al horario como el tráfico.
• Múltiples depósitos: En los VRPs clásicos hay un solo depósito, en este caso se consideran varios.
• Flotas heterogéneas: Los vehículos no tienen las mismas características.
• Rutas con recolección y entrega: Para algunos clientes se deja algún producto y en otros se recolecta o ambos.
• Los vehículos no regresan al depósito de origen: No regresan al mismo depósito del que partieron forzosamente. Aplica en casos como en la renta de vehículos.
• Algunas variables son aleatorias y se pueden encontrar dentro de un rango de probabilidad.
• Multiobjetivo: Se pueden considerar varios objetivo a maximizar o minimizar

Formas de resolverlo

Un VRP puede ser resuelto de varias formas. Mediante un método exacto como un modelo de optimización, un modelo de programación dinámica o programación por restricciones. De igual manera se puede resolver mediante un algoritmo de aproximación de soluciones como una metaheurística.

Modelo de optimización

A continuación se describe un modelo de optimización para el VRP clásico, para el que se hacen varias asunciones:

• El depósito tiene demanda cero
• Cada ubicación o cliente es atendido solamente por un vehículo
• La demanda de cada cliente es indivisible
• El vehículo no excede su capacidad de carga
• El vehículo inicia y termina en un depósito
• La demanda, distancias y costos de entrega de los clientes son conocidos

El modelo matemático se muestra en la siguiente imagen

En este modelo c_ij representa el costo de ir del nodo i al nodo j. La variable binaria x_ij tomara el valor de 1 si se usa el arco para ir del nodo i al nodo j, 0 en otro caso. K es el número de vehículos disponibles y r(S) representa el número mínimo de vehículos necesarios para atender a todos los clientes.

La restricción 1 y 2 establecen que solo un arco entra y solo un arco sale de cada vértice. Las restricciones 3 y 4 establecen que el número de vehículos que salen del depósito es el mismo que regresa. La restricción 5 son las restricciones de corte la cual establece que todas las rutas deben de estar conectadas y que la ruta no debe de exceder la capacidad del vehículo. La restricción 6 es es una restricción de integralidad de las variables.

** Te puede interesar nuestra participación en HACK MTY con un reto de choques y siniestros con alumnos y alumnas del TEC de MTY

Este tipo de modelos pueden ser programados en distintos lenguajes de programación como Python, C++, Java, etc., y suelen usar software especializados como GUROBI, CPLEX.

Métodos de aproximación

Otra forma de resolver un VRP es mediante la implementación de metaheurísticas. Una metaheurística es un algoritmo capaz de generar soluciones de buena calidad para un problema en especifico pero sin asegurar optimalidad. Generalmente son usadas como alternativas a los métodos exactos debido a que tienen la capacidad de resolver problemas complejos como un VRP con instancias grandes, ofreciendo soluciones de buena calidad en un tiempo computacional usualmente menor a un método exacto. Algunos ejemplos de dichos algoritmos son:

• Tabu search
• Algoritmos genéticos
• GRASP
• VNS
• Simulated Anealing
• entre otros…

Al igual que con los modelos de optimización, estos algoritmos pueden programarse con distintos lenguajes de programación como Python, C++, Java, etc.

Video de las iteraciones de la metaheurística Tabu Search para el VRP. Se puede observar en la parte superior como el valor disminuye conforme avanzan las iteraciones, lo que implica que el objetivo es minimizar alguna característica.

– Equipo Datlas –

Keep it weird

Ligas de interés:

• https://www.inegi.org.mx/contenidos/productos/prod_serv/contenidos/espanol/bvinegi/productos/nueva_estruc/889463903727.pdf
• https://www.inegi.org.mx/contenidos/productos/prod_serv/contenidos/espanol/bvinegi/productos/nueva_estruc/889463903994.pdf
• https://unisolutionsnews.wordpress.com/2016/08/22/que-es-el-vrp-y-cuales-son-sus-variantes/
• https://en.wikipedia.org/wiki/Vehicle_routing_problem

¿Qué es el sell-in y sell-out? ¿Y cómo se aprovecha en el análisis de datos? – Columna de investigación Datlas

De la misma forma en la que cuando aprendes un idioma nuevo te enseñan algunos verbos claves y como conjugarlos, en el ámbito profesional, sobre todo si te quieres dedicar a temas que tengan que ver con el comercio y la fabricación de productos de consumo masivo, hay cierta terminología clave que debes conocer. En la columna de hoy te presentamos 2 conceptos transcendentales: sell-in y sell-out. Y, sobre todo, como estos datos pueden aprovecharse en la analítica para realizar casos de uso de alto valor agregado.

Antes que nada, contexto

El término «retail» se refiere al sector de la economía que se dedica a la venta de bienes y servicios directamente a los consumidores finales, generalmente en pequeñas cantidades. Las empresas minoristas, también conocidas como minoristas o detallistas, son aquellas que operan en este sector y venden productos y servicios directamente a los consumidores a través de tiendas físicas, tiendas en línea, catálogos, quioscos, entre otros canales de venta. Un ejemplo claro son las tienditas de la esquina, que forman parte del conocido: «canal tradicional».

El retail es un componente fundamental de la economía, ya que facilita la distribución y venta de una amplia variedad de productos y servicios a los consumidores finales. Las empresas minoristas pueden ser grandes cadenas internacionales, como Walmart o Amazon, o pequeñas tiendas locales operadas por propietarios independientes, como la tiendita de la esquina que mencionamos al inicio.

El éxito en el sector minorista depende de varios factores, como la ubicación de la tienda, la selección de productos, la experiencia del cliente, el servicio al cliente, la estrategia de precios y la capacidad de adaptarse a las tendencias del mercado y a las preferencias del consumidor. El retail es un sector dinámico y altamente competitivo que está sujeto a cambios constantes impulsados por la evolución tecnológica, las tendencias de consumo y otros factores externos.

En el retail hay 3 jugadores claves: los fabricantes de los productos, el comercializador (tienda) y el consumidor final. Tomemos un ejemplo, para ser mas claros, imagina una marca de productos que compras en tu supermercado. Esa marca vendría a ser el fabricante. El supermercado en donde la compras vendría a ser el comercializador y finalmente tú serías el consumidor final. Si vieramos un ejemplos de la cadena de valor agroalimentaria se vería de la siguiente manera:

Ahora si, definamos los conceptos

Como lo menciona el título, dentro del retail y la fabricación de productos existen dos terminos claves. El primero de ellos es el famoso «sell-in». El término «sell-in» se refiere a la venta de productos por parte de un fabricante, mayorista o distribuidor a un minorista o a otro socio comercial. Es el proceso mediante el cual se coloca el producto en el canal de distribución y se registra como una venta, aunque el producto aún no se haya vendido al consumidor final. Tomando como ejemplo la cadena de valor agroalimentaria, citada anteriormente, imagina a un agricultor de tomate que le vende sus tomates a un supermercado como Soriana. La venta que registra el tomatero hacia Soriana vendría a ser el «sell-in».

En otras palabras, «sell-in» se refiere a las ventas realizadas por un proveedor a sus clientes minoristas o distribuidores. El sell-in es importante para medir la demanda de los minoristas y distribuidores y para gestionar adecuadamente el inventario y la cadena de suministro.

Por otro lado existe un concepto hermano llamado «sell-out». El término «sell-out» se refiere a las ventas realizadas por minoristas o distribuidores a los consumidores finales. En otras palabras, es la cantidad de productos que realmente se venden a los clientes en las tiendas o puntos de venta. Siguiendo el ejemplo de los tomates, este dato sería la venta de tomates que tuvo el supermercado hacia los consumidores finales, como tu y yo.

El sell-out es un indicador clave para evaluar la demanda real de un producto en el mercado. Mientras que el «sell-in» se refiere a la venta de productos desde el fabricante o mayorista al minorista o distribuidor, el «sell-out» representa la parte final de la cadena, donde los productos se venden directamente a los consumidores.

Las empresas suelen prestar mucha atención al sell-out ya que proporciona información crucial sobre cómo está siendo recibido un producto por parte de los consumidores finales y cómo está funcionando en el mercado. Esto les ayuda a ajustar sus estrategias de marketing, producción y distribución para maximizar las ventas y satisfacer la demanda del mercado.

¿Cómo se aprovecha esto en el análisis de datos?

Una vez que entendimos la constitución de la cadena de valor del retail y los conceptos de sell-in y sell-out, es importante comprender la relevancia que tienen estos datos al momento de analizarse y convertirlos en valor para los negocios.

Con los datos de sell-in, que representan las ventas de un fabricante, mayorista o distribuidor a los minoristas o socios comerciales, se pueden realizar varios tipos de análisis para obtener información valiosa sobre el desempeño de los productos y la salud del negocio. Algunos ejemplos de análisis de datos que se pueden realizar con el sell-in incluyen:

1. Análisis de tendencias de ventas: Observar las fluctuaciones en las ventas a lo largo del tiempo para identificar patrones estacionales, ciclos de vida del producto y cambios en la demanda.
2. Evaluación del desempeño del producto: Comparar las ventas de diferentes productos para identificar cuáles tienen un mejor desempeño en términos de volumen de ventas, participación en el mercado, rentabilidad, etc.
3. Análisis de la distribución: Evaluar la penetración del producto en diferentes canales de distribución y geografías para identificar oportunidades de expansión o áreas de mejora.
4. Análisis de la efectividad de la promoción: Evaluar el impacto de las actividades promocionales, como descuentos, ofertas especiales o marketing en punto de venta, en las ventas de los productos.
5. Gestión de inventario: Utilizar los datos de sell-in para prever la demanda futura y optimizar los niveles de inventario en los almacenes y puntos de venta.
6. Segmentación de clientes: Analizar las ventas por cliente o segmento de clientes para identificar tendencias de compra, preferencias y oportunidades de mercado específicas.
7. Análisis de precios: Evaluar el impacto de los cambios en los precios de venta en las ventas y la rentabilidad del producto.

Estos son solo algunos ejemplos de los tipos de análisis que se pueden realizar con los datos de sell-in. En general, el análisis de datos de sell-in es fundamental para comprender el rendimiento de los productos en el mercado y tomar decisiones estratégicas informadas para mejorar las operaciones comerciales.

Por otro lado, con los datos de sell-out, que representan las ventas realizadas por los minoristas o distribuidores a los consumidores finales, se pueden realizar diversos tipos de análisis para comprender mejor el comportamiento del mercado y optimizar las estrategias comerciales. Algunos ejemplos de análisis de datos que se pueden realizar con el sell-out incluyen:

1. Análisis geoespacial: Utilizar datos de ubicación para comprender patrones de compra en diferentes regiones geográficas y optimizar la distribución y la asignación de recursos.
2. Análisis de canales de distribución: Evaluar la eficacia y el rendimiento de diferentes canales de distribución para identificar oportunidades de mejora y optimización.

Estos sin dejar de lado aquellos mencionados anteriormente como parte de los ejemplos de aprovechamiento del sell-in. Estos son solo algunos ejemplos de los tipos de análisis de datos que se pueden realizar con el sell-out. En resumen, el análisis de datos de sell-out es fundamental para comprender el comportamiento del consumidor, optimizar las estrategias comerciales y mejorar el rendimiento general de las ventas en el mercado minorista.

¿Y ahora qué?

Como reflexiones finales es importante entender que cuando entras a una industria debes comprender el idioma. En el caso del retail, conocer conceptos como sell-in y sell-out facilitará tu entendimiento y conversaciones. Finalmente es importante identificar la relevancia que tiene estos datos al momento de apalancarnos de la analítica y ciencia de datos. La fotografía, por así llamarla, que te dan los datos de ventas del fabricante al comercializador puedes ayudarte a entender la demanda, ajustar estrategias y empujar productos, pero la comprensión de los datos de ventas de la tienda al consumidor final te pueden llevar a generar modelos de analítica predictiva tan poderosos que pueden predecir la cantidad de ventas esperadas en una cierta ubicación en un momento del tiempo. Esto y mucho más son ejercicios que entusiastas como nosotros hemos realizado en colaboración con marcas de fabricantes y de mismos retailers. El potencial es muy grande, ¿ya lo estás aprovechando?

Equipo Datlas

– Keep it weird –

DASHA es parte del “OBSERVATORIO TURÍSTICO DE NUEVO LEÓN” ¿Qué significa? – Columna de Opinión Datlas

“Lo que no se mide no se puede mejorar”

– Peter Drucker

El turismo en su más grande expresión es una de las industrias más importantes del mundo. No sólo por su peso en el PIB Global, sino por el efecto multiplicativo que tiene en bienestar y sostenibilidad para comunidad que muchas veces no pueden especializarse en otras industrias por falta de infraestructura.

Los datos que se generan en experiencias turísticas son complejos. No sólo nos referimos a los tradicionales (% de ocupación hotelera o tráfico aéreo, etc.), sino que nos referimos especialmente a la masa crítica de datos que son levantados por aplicativos, métodos de pagos, portales de reservación o reseñas que existen en la red.

Este blog captura una iniciativa de colaboración: DASHA (Visualizador de Datos Dashboard de Información Turística) pautado entre la Secretaría de Turismo de Nuevo León, el Clúster de Turismo de Monterrey y Datlas.

¿Qué es la red de Red Internacional de Turismo Sostenible de la OMT?

** Te puede interesar leer la documentación de: International Network of Sustainable Tourism Observatories | UN Tourism (unwto-ap.org)

“Un turismo que tenga plenamente en cuenta sus impactos económicos, sociales y ambientales actuales y futuros, abordando las necesidades de los visitantes, la industria, el medio ambiente y las comunidades anfitrionas”

Según la definición de este sitio, La Red Internacional de Turismo Sostenible de la OMT (Ahora ONU Turismo) es una red de observatorios turísticos que monitorean el impacto económico, ambiental y social del turismo a nivel de destino. La iniciativa se basa en el compromiso de larga data de la OMT con el crecimiento sostenible y resiliente del sector a través de la medición y el seguimiento, apoyando así la gestión del turismo basada en evidencia.

La cobertura hoy en día es global en diversos destinos como se ejemplifica en el mapa.

¿Qué es Dasha?

Datlas Conferencia Dasha OctSevilla Evento from Pedro Vallejo Castillo

DASHA es un visualizador de información integral de inteligencia para el monitoreo turístico en Nuevo León, el cual se desarrolló en colaboración con el Clúster de Turismo de Monterrey y ha sido promovido en varios foros Nacionales e Internacionales. Podemos recomendarte visitar el sitio oficial de Dasha para que conozcas más …

¿Qué sucedió en el evento?

• 

• 

• 

• 

De acuerdo con la convocatoria del evento: “El observatorio será un centro de referencia de inteligencia turística en el Estado, impulsando la competitividad e innovación del sector con estándares de calidad, respeto al medio ambiente, cultura, inclusión y economía de las comunidades, logrando la internacionalización y reconocimiento de la Organización Mundial de Turismo”.

En esta presentación protagonizó la Secretaría de Turismo de Nuevo León, socializando la intención del Observatorio, el logro por el reconocimiento Internacional y la colaboración con sectores de Gobierno, empresas y asociaciones civiles para su funcionamiento.

¿Qué retos y aprendizajes vendrán con el Observatorio?

La red de observatorios opera con un esquema de trabajo. Es decir, los procesos conllevan un formato de reporte, generación de rituales y medición de algunos indicadores para que esto pueda ser comparable con destinos que hagan sentido contrastar contra las ciudades de Nuevo León.

Desde Datlas se comenzarán a priorizar algunos trabajos de rediseño que se harán en conjunto con los miembros fundadores de DASHA para poder adaptarnos con agilidad a las necesidades plasmadas.

Queremos extender el agradecimiento y felicitación a los participantes en esta convocatoria. Desde Datlas nos honra participar en estos desarrollos e ir de la mano con el Clúster de Turismo de Monterrey para el desarrollo de indicadores apegados a la “Red Internacional de Turismo Sostenible de la OMT”. Te invitamos a suscribirte a los DEMOS GRATUITOS de DASHA que está auspiciando el Clúster de Turismo de Monterrey.

Equipo Datlas

– Keep it weird –

Aerolíneas y datos: Una exploración de eficiencia operativa y decisiones informadas – Columna de investigación DATLAS

Este blog se dirige a una audiencia diversa y apasionada por el mundo de los viajes, la tecnología y la toma de decisiones estratégicas.

A todos nos gusta viajar y visitar nuevos lugares, cada vuelo nos permite vivir experiencias únicas e inolvidables. De acuerdo a un reporte de  Airports Council International (ACI) más de 7000 millones de personas se subieron a un avión en 2022. Este impresionante número de pasajeros no es sólo una estadística, es la culminación de una serie de decisiones respaldadas por datos, que permiten a las aerolíneas operar de manera eficiente. En este blog, exploraremos algunas formas en que la industria aeronáutica utiliza la analítica de datos para ofrecer un mejor servicio y ser más efectiva.

Análisis de retrasos de vuelo

A nadie nos gusta que un vuelo se nos retrase, igualmente para las aerolíneas la puntualidad es una métrica fundamental para medir su rendimiento y para ver que tan bien están funcionando operativamente. Con ayuda del Big Data, las aerolíneas estudian los factores que generar el retraso en los vuelos, para así buscar erradicarlos. Aunado a lo anterior, si gustan conocer el aspecto más técnico, Liu (2019) realizó un modelo con machine learning entrenado con algoritmos de soporte vectorial y regresiones logísticas para analizar como el clima regional afectaba el retraso de los vuelos, para esto requirió datos de las condiciones climáticas regionales, condiciones climáticas convectivas reales y demanda del aeropuerto; finalmente predijo de cuánto tiempo sería el retraso dado los parámetros anteriormente mencionados.

En la industria de la aviación, la gestión eficaz de los retrasos es crucial para garantizar la satisfacción del cliente y la eficiencia operativa. El enfoque en el análisis predictivo utilizando técnicas avanzadas como el machine learning se ha convertido en una herramienta valiosa para las aerolíneas. Al considerar factores como las condiciones climáticas regionales, las condiciones climáticas convectivas reales y la demanda del aeropuerto, las aerolíneas pueden anticipar con mayor precisión los posibles retrasos y tomar medidas proactivas para mitigar su impacto.

El estudio de Liu (2019) destaca la aplicación exitosa de modelos de machine learning, específicamente algoritmos de soporte vectorial y regresiones logísticas, para comprender cómo el clima regional influye en los retrasos de vuelos. Al integrar datos detallados de condiciones climáticas y demanda del aeropuerto, el modelo pudo predecir con precisión la duración de los retrasos, lo que brinda a las aerolíneas información valiosa para mejorar la planificación y la puntualidad de los vuelos.

Este enfoque técnico demuestra cómo la combinación de análisis de Big Data y modelos avanzados puede ofrecer información valiosa para la industria de la aviación, y cómo las aerolíneas pueden utilizar estos conocimientos para impulsar la eficiencia operativa y mejorar la experiencia del pasajero.

** También te puede interesar: 4 Herramientas de Inteligencia Artificial para facilitar tu día a día – Manuales Datlas

Personalización de ofertas

Con los avances rápidos de la tecnología y la creciente globalización de los mercados, la industria aérea ha presenciado una intensa competencia, lo que ha llevado a las aerolíneas a adoptar estrategias más sofisticadas para atraer y retener clientes. Una de esas estrategias implica el uso de ofertas personalizadas adaptadas a las preferencias individuales. Este enfoque implica la segmentación de clientes, una técnica que consiste en categorizar a los consumidores en grupos más específicos en función de sus características y comportamiento. Al hacerlo, las aerolíneas pueden crear ofertas más convincentes que resuenen con las diversas necesidades de su base de clientes.

Al llevar a cabo la segmentación de clientes, las aerolíneas consideran una variedad de parámetros como la edad, la nacionalidad, el género, los ingresos, la frecuencia de viaje, los hábitos de compra, los intereses, y más. Al analizar estos factores, las aerolíneas pueden obtener información valiosa sobre las preferencias de los diferentes segmentos de clientes, lo que les permite crear campañas de marketing específicas y efectivas. Estas campañas pueden incluir descuentos personalizados, programas de fidelización con beneficios extensos, experiencias de viaje únicas, paquetes completos, y más, todo diseñado para resonar con los deseos específicos de cada segmento de clientes.

Un ejemplo destacado de este enfoque lo demuestra Delta Air Lines, que aprovecha las comunicaciones por correo electrónico personalizadas para ofrecer nuevas ofertas y promociones adaptadas a las preferencias de los miembros de su programa de fidelización. Al utilizar los datos recopilados a través de la segmentación de clientes, Delta puede ofrecer ofertas y experiencias convincentes que se alinean con los intereses y necesidades individuales de sus clientes, fomentando así una mayor satisfacción y lealtad del cliente.

Este enfoque en el marketing personalizado no solo beneficia a los clientes al brindarles ofertas más relevantes y atractivas, sino que también permite a las aerolíneas optimizar sus esfuerzos de marketing y mejorar la satisfacción del cliente, lo que contribuye al éxito a largo plazo en la competitiva industria aérea.

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

Mantenimiento predictivo

El mantenimiento predictivo es una estrategia crucial en la industria de la aviación, ya que permite a las aerolíneas anticipar y prevenir posibles fallos en los componentes críticos de las aeronaves. Al emplear datos y monitoreo constante, las compañías aéreas pueden evitar problemas en motores, sistemas hidráulicos y otras piezas fundamentales. Este enfoque se basa en el seguimiento continuo de datos recopilados por diversos sensores, como los que registran vibraciones, temperaturas y presiones.

Los beneficios del mantenimiento predictivo son significativos tanto para los consumidores como para los proveedores de servicios aéreos. Por un lado, los pasajeros se ven beneficiados al disfrutar de vuelos más seguros y libres de inconvenientes, lo que inevitablemente contribuye a una experiencia más placentera y tranquila durante el viaje. Por otro lado, las aerolíneas y demás proveedores de servicios aéreos experimentan una notable reducción en los tiempos de inactividad no planificados, lo que a su vez se traduce en una disminución de los costos asociados a reparaciones inesperadas y retrasos operativos. Este enfoque proactivo no solo promueve la seguridad, sino que también optimiza la eficiencia y la rentabilidad de las operaciones aéreas.

Por último, por parte de Datlas realizamos un dashboard de inteligencia para el monitoreo turístico en Nuevo León llamado “DASHA”, tomando en cuenta indicadores fundamentales para el turismo, dentro de uno de estos indicadores se puede observar la llegada de pasajeros a la entidad, este visualizador de información integral se desarrolló en colaboración con el Cluster de Turismo Monterrey; asimismo en otro producto de Datlas, el barómetro de la industria de las reuniones permite visualizar los eventos de la industria de reuniones que se producirán a lo largo del año en distintos países. Te invitamos a crear tu cuenta en Datlas para que puedas acceder gratuitamente al demo abierto de ambas herramientas y así puedas consultar los datos sobre el turismo en Nuevo León y la industria de reuniones.

Y tú, cuéntanos a donde te gustaría viajar este año y qué te pareció más interesante de esta columna. Comparte tus opiniones en @datlas.mx y escucha nuestra charla en el podcast «Café de Datos»

Equipo Datlas

– Keep it weird –

Pádel: Un deporte de más de 50 años que se volvió viral en unos meses – Columna de opinión Datlas

¿Apoco no tienes un amigo/familiar que te ha invitado a jugar pádel en los últimos meses? Quizá hasta conoces a alguien que va a clases de pádel o incluso esta involucrado en algún torneo. Este deporte del Pádel ha sido el deporte con más crecimiento a nivel mundial, tanto que en países como España hay la misma cantidad de personas que practican fútbol a los que practican el pádel. De hecho se espera que el pádel se convierta en una industria de $6 billones de dólares para 2026, de acuerdo a datos de Deloitte. ¿Pero qué pasó para que un deporte de más de 50 años de edad se volviera de pronto un «hype» (como dicen los americanos)? Y sobre todo ¿Qué rol tuvo la tecnología en esta «viralización». Acompáñanos a descubrirlo en esta columna.

La historia del Pádel en resumen

El Pádel es un deporte orgullosamente mexicano. Tiene su nacimiento en la década de los sesentas, específicamente en 1969 en la ciudad de Acapulco, en el estado de Guerrero. Su creador fue Enrique Corcuera quien adaptó una cancha de tenis de 20×10 metros colocando paredes de fondo. En un principio el pádel se jugaba con palas (una especie de raqueta) de madera y lo bautizó como: Paddle-Tennis.

Fotografía de la primera cancha de 1969

Fotografía de las primeras palas (especie de raqueta)

Desde su creación y hasta la década de los años 90 las canchas siguieron teniendo tanto las paredes de fondo los laterales y la pista de concreto. En la actualidad las canchas tienes cristales de fondo y mallas metálicas en los laterales y la pista es de césped de monofilamento.

Fotografía de una cancha del Word Padel Tour (2023)

Pádel ¿Una especie de tenis?

Como te podrás dar cuenta la cancha e incluso las palas de pádel guardan una muy obvia relación con las canchas y raquetas utilizadas en el tenis. De hecho el Pádel tomó inspiración en el tenis, ya que este último se inventó en 1873, casi 100 años antes. Te contamos las diferencias de forma sencilla:

1. Palas vs Raquetas: en el padel se utilizan las «palas», que de aquí viene un poco el nombre del deporte. En un principio las palas eran de madera, igual que en el tennis, pero conforme pasaron los años se evolucionó en el uso de los materiales y hoy en día las palas contienen fibra de carbono y fibra de vidrio, mientras las raquetas aprovechan igualmente la fibra de carbono pero en conjunto con acero y aluminio. En cuanto a tamaños las palas son mucho más pequeñas y mas gruesas. Por su parte las raquetas tienen un marco metálico y su cuerda de tensión esto ayuda que junto con su mayor tamaño hace que puedas golpear con mayor velocidad la bola. Las palas al principio del deporte pesaban aproximadamente 500gr y en la actualidad las palas tienen un peso de 350gr. Las palas actuales no solo se dividen en su material sino también en el tipo de jugador, esto quiere decir que la forma de la pala y el peso esta distribuido de diferentes formas según el estilo de juego de cada jugador. Estas formas son diamante, lagrima redonda o hibrida.
   

   

   
   
2. La cancha: es importante no solo por los tipos ya que en el tenis las pistas profesionales son de hierba, cemento o tierra abatida con una longitud de 23.8 mts y un ancho de 8.23mts, mientras que en el padel, como mencionamos al inicio, es de 20x10mts y de césped de monofilamento.
3. Sistema de puntos: prácticamente es el mismo la diferencia es que en el tenis se juega a ganar 3 sets y en el padel solo a ganar 2 sets.
4. Relevancia: Un estudio del 2022 nos trae algunos datos comparativos interesantes entre el tenis y el pádel

¿Por qué se volvió tan popular? ¿Que rol tuvo la tecnología en esto?

Sin duda existen algunos elementos básicos importantes:

1. Es un deporte fácil de aprender
2. Es un deporte social
3. Tiene mucha promoción y accesibilidad a través de los medios de comunicación
4. Todos lo pueden jugar, desde niños de 5 años hasta adultos de edad avanzada. De hecho el promedio de los jugadores del World Padel Tour es de 28 años y el mejor jugador en su ranking tiene 24 años. Hace tan solo 15 o 20 años ese promedio era de 31 a 35 años de edad.
5. Cuando el nivel de juego es amateur es un deporte divertido que no requiere de un esfuerzo físico de alto nivel.

Pero existe un elefante blanco en la habitación, que debemos resaltar: la tecnología. Detrás del pádel existe Playtomic. Esta es una comunidad de jugadores de deportes de raqueta (tenis y pádel) habilitada por una aplicación móvil y un sitio web que se encargan de toda tu experiencia, desde el antes, durante y después de tus partidos para ayudarte a enfocarte y disfrutar lo más importante: jugar.

Sin duda podrás pensar que un app no es una gran innovación en pleno siglo XXI, pero esta «tecnificación» del deporte tiene elementos claves que lo han impulsado a tener los crecimientos recientes.

a) Reservación: El primer y gran elemento clave que facilita esta tecnología es el crear partidos privados con amigos, hacerlos públicos para encontrar compañeros o buscar partidos activos a los que unirte. No más llamadas, grupos de Whatsapp, convencer a tu vecino, novia o primo para que jueguen contigo. Reservar no solo significa acordar día, hora y contrincantes, sino que la app integra las canchas existentes en tu localidad y te permite verificar disponibilidad en tiempo real para poder ir a la segura y directo a jugar, respetando el tiempo del resto de los jugadores también. Y por si fuera poco, la comunidad es mundial. Si estas de vacaciones o tienes un viaje de negocios y quieres aprovechar un tiempo para jugar, encuentras cancha y compañía igual de fácil que en tu misma ciudad (siempre y cuando no sea en la cima de una montaña o una comunidad muy aislada del mundo).

b) Nivelación: Otro elemento clave es el sistema de estimación de tu nivel como jugador, con lo cual te permite jugar partidos «nivelados» conociendo tu nivel y el de tus contrincantes para que sigas mejorando. Aquí entra un análisis de cada jugador: desde que entras a la app te pregunta estatura, edad, nivel de experiencia jugando deportes como el tenis, pickle o pádel y con esto te da un aproximado de tu nivel. Conforme juegues y ganes partidos tu nivel va aumentando y tiene un porcentaje de credibilidad para que no sean partidos ficticios que tu creaste solo para subir tu nivel. Con todo esto la app te «rankea» a nivel de club que es donde juegues o nivel estatal, nacional o incluso mundial. Te olvidas de retas aburridas con principiantes y novatos que acabas de conocer en el parque o incluso te evitas la humillación de jugar con semi profesionales que te topaste en un club.

c) Comunidad y ecosistema: juntar a todos los entusiastas de un deporte bajo una misma comunidad permite no solo compartir tips, hacer eventos y torneos, sino incluso extender el valor agregado a la comunidad a través de la conexión con marcas de ropa deportiva, los mismos proveedores de palas, las grandes clubes sociales del mundo e incluso organizar eventos como el World Padel Tour.

El futuro del Pádel

La evolución del Pádel en estos últimos 7 años ha sido exponencial. Un estudio realizado por un grupo de consultores utilizando la base de datos de Playtomic muestra como el pádel no solo ha crecido y seguirá creciendo en número de jugadores sino también en la cantidad de canchas y clubs al rededor del mundo. En nuestro natal Monterrey hemos visto nacer canchas como si fueran tiendas de autoservicio e incluso se rumora que es un gran negocio, pero eso será tema de otra columna.

En el 2016 existían solo unas 10,100 canchas de pádel a nivel mundial y para el 2022 se tienen registro de 37,400 canchas. En el caso clubs para practicar el deporte en el 2016 solo eran 2,800 y para el 2022 hubo un registro de 9,780. Finalmente se tiene un estimado que para el año 2026 tengamos 85.000 canchas a nivel mundial

Finalmente, nos agrada ver la forma en la que la tecnología ha podido ayudar a este deporte y esperamos que así como facilita la experiencia en el pádel y el tenis, pueda ayudarnos a facilitar la experiencia en otros deportes y que el día de mañana las nuevas generaciones vean este tipo de tecnología como un básico dentro de los deportes en todo el mundo.

¿Que te pareció? ¿Tu que opinas? Cuéntanos en nuestra redes sociales @DatlasMX e invitanos a jugar!

Bibliografía:

https://padelstar.es/historia-del-padel/primeras-palas-de-padel-fotografias/

https://www.padeladdict.com/historia-del-padel/

https://www.redbull.com/es-es/padel-todo-lo-que-necesitas-saber

https://8258038.fs1.hubspotusercontent-na1.net/hubfs/8258038/Global%20Padel%20Report%202023/202306_Global_Padel_Report_2023.pdf

Métodos avanzados para lidiar con datos nulos – Columna de Investigación DATLAS

De seguro alguna vez se te ocurrió que la mejor manera de lidiar con valores nulos en un set de datos es reemplazarlos con la media de los datos o simplemente eliminar el dato. Estas formas de lidiar con los valores nulos, corresponden a maneras simples y sencillas que a medida que aumente la cantidad de datos, mayor será el ruido que genere tu análisis si se continua implementando dichas técnicas. Es por eso que en la entrada de hoy, revisaremos 5 métodos avanzados para manejar datos faltantes sin desviar el objetivo principal de tu análisis.

MICE, el método de imputación en cadena:

El método MICE (Multiple Imputation by Chained Equations), que en español se conoce como algoritmo de Imputación Múltiple con Ecuaciones Encadenadas, funciona como un proceso iterativo que aproxima el valor faltante a partir de una serie de regresiones consecutivas. Un dato curioso de este método es que la primera iteración cambiara los valores nulos por la columna en la ue estaremos ejecutando la operación, sin embargo, a medida que aumenten las iteraciones, el valor nulo se acercará a un valor más real a los datos presentados. Un ejemplo de su aplicación es la toma de la presión arterial. Tal vez, en algunos individuos hagan falta lecturas de la presión, por lo tanto, el MICE estimará estos valores faltantes utilizando variables como la edad, el peso y los niveles de cortisol.

MissForest, el algoritmo que utiliza machine learning:

Este método se deriva de las aplicaciones del machine learning o aprendizaje de máquinas. Es un algoritmo de imputación no paramétrico basado en bosques aleatorios. Puede manejar variables conitnuas o categóricas para estimar los valores faltantes. Por ejmplo, si tengo un set de datos de marketing en donde haen falta ingresos e historial de compras para algunso registros, entonces, este algoritmo puede predecir los valores faltantes considerando otras características como la edad, la ubicación y las preferencias de productos.

Datawig, la paquetería que implementa el deep learning:

El datawig es una paquetería que utiliza autoencoders, que son una forma de redes neuroanles, para aprender la forma de los datos. Primero, codifica la dimensionalidad de los datos, disminuyendo su tamaño para despues decodificar el resultado, con la idea de reconstruir los datos originales. Es importante considerar que este algoritmo utiliza las columnas no fatantes como entrada, mientras que su salida serían los valores faltantes. Además, es útil cuando los datos siguen comportamientos no lineales y complejos. Un plus que tiene este método, es que puede lidiar con valores categóricos y numéricos (como MissForest lo hace) y es sencillo de usar, de hecho, como el resto de algoritmos que se han visto a lo largo de la entrada, su implementación puede ser escrita en pocas líneas en Python.

SoftImpute, imputación con álgebra lineal:

SoftImpute se basa en la idea de completar matrices de baja clasificación. Es decir, supongamos que tienes una matriz de datos con valores faltantes. El algoritmo plantea esto como un problema de optimización, donde se busca la matriz de rango más bajo que es coherente con lo observado y lo desconocido. Esta diseñado para manejar matrices de datos incompletas y busca patrones y estructuras subyacentes de los datos. A diferencia del método de Datawig, este algoritmo se enfoca más en la aplicación de álgebra lineal y no en el aprendizaje de máquinas. Un ejemplo para el uso práctico de este algoritmo puede ser en un set de datos de reseñas de películas en donde existan usuarios que no hayan completado su reseña, entonces, SoftImpute puede imputar las calificaciones faltantes al determinar una matriz de rango bajo para ajustar las calificaciones observadas.

Amelia, limpieza con modelos estadísticos:

Por último, Amelia es un conjunto de herramientas y técnicas para imputar datos faltantes en conjuntos de datos. Utiliza la técnica del boostratpping y modelos estadísticos para crear múltiples conjuntos de datos imputados y estima la incertidumbre asociada con los valores faltantes. Básicamente, Amelia muestrea repetidamente los datos observados para crear varios conjuntos de datos para después ajustar un modelo estadístico para imputar valores faltantes. Por ejemplo, si tenemos datos con información demográfica y resultados de pruebas médicas. Amelia podría ser utilizado para imputar valores faltantes en los resultados de las pruebas médicas al ajustar un modelo que tiene en cuenta la relación entre las variables demográficas y los resultados de las pruebas.

En conclusión:

Hemos revisado 5 métodos de imputación que sirven como herramientas para manejar los valores faltantes. No obstante, el uso de estos métodos dependerá del análisis que estés realizando, sea un análisis atemporal, temporal, entre otros. Sin duda estos métodos enriquecerán tu análisis, además de ser algoritmos con una sencilla aplicación en lenguajes de programación como Python. Mucha suerte al manejar valores faltantes!

Equipo Datlas

-Keep it weird-

Avance en el Mundo de la Inteligencia Artificial: El Impacto del nuevo Copilot Plus en el Análisis de Datos – Columna de Investigación Datlas

En un mundo donde la tecnología avanza a pasos agigantados, Microsoft ha lanzado su nuevo producto, Copilot Plus, generando una ola de preguntas en la comunidad de analistas de datos: ¿Podrá esta inteligencia artificial reemplazar nuestro trabajo? La respuesta corta es no. Copilot Plus no es un sustituto, sino una herramienta revolucionaria que abre un abanico de posibilidades, diseñada para elevar nuestra eficiencia y productividad en el ámbito laboral.

** Te puede interesar: Potencializar tus ventas con CHAT GPT – https://blogdatlas.wordpress.com/2023/03/19/potencializa-tus-ventas-con-chat-gpt-como-la-inteligencia-artificial-puede-impulsar-tu-negocio-investigacion-datlas/

Entre las principales ventajas se encuentra:

Automatización y Productividad Elevadas a un Nuevo Nivel

Copilot Plus redefine la automatización y productividad en el análisis de datos. Esta herramienta se encarga de las tareas complejas y repetitivas, liberando a los analistas para que se concentren en aspectos más estratégicos como el análisis profundo y la toma de decisiones críticas. Su capacidad para manejar tareas voluminosas y meticulosas en segundos es un cambio de juego para profesionales de todos los niveles.

** También te puede interesar: 4 Herramientas de Inteligencia Artificial para facilitar tu día a día – Manuales Datlas

Interfaz Intuitiva: Personalización y Facilidad de Uso

Otra característica destacable de Copilot Plus es su interfaz de usuario intuitiva y altamente personalizable. Esta flexibilidad asegura que analistas de todos los niveles de experiencia puedan adaptar la herramienta a sus necesidades específicas, facilitando una rápida adopción y eficiencia mejorada en sus flujos de trabajo.

Acceso Prioritario a Modelos Avanzados de IA

Los usuarios de Copilot Plus tienen acceso prioritario a los modelos de IA más avanzados, garantizando así un rendimiento superior y respuestas más rápidas. Esta ventaja competitiva coloca a los analistas de datos en la vanguardia de la tecnología.

Aprendizaje y Desarrollo Continuo

Copilot Plus viene equipado con GPT-4 Turbo de OpenAI. Este modelo proporciona explicaciones detalladas y ejemplos de código, siendo una mina de oro para aquellos que buscan aprender nuevos lenguajes de programación o técnicas avanzadas de análisis de datos.

** También te puede interesar: 10 tendencias digitales 2023

Integración y compatibilidad con Microsoft 365

Quizás la funcionalidad más impresionante del nuevo Copilot Plus es su integración perfecta con la suite de Microsoft 365, incluyendo aplicaciones como Word, Excel, PowerPoint, Outlook y OneNote. Esta integración crea una experiencia de usuario fluida y coherente, simplificando tareas cotidianas como la generación de reportes y minutas, entre muchas otras cosas, teniendo un potencial ilimitado.

Por todo lo anterior y más, Copilot Plus está transformando el mundo del análisis de datos. Con una combinación inigualable de eficiencia, análisis avanzado y facilidad de uso, esta herramienta se posiciona como un aliado indispensable para cualquier analista de datos que busque optimizar su productividad y elevar la calidad de sus análisis. Más que una simple IA, Copilot Plus representa una sinergia de eficiencia, aprendizaje y creatividad, convirtiéndose en un recurso con un alto valor agregado para los profesionales en este campo.

Equipo Datlas

– Keep it weird –

Retos Academy: 15 técnicas Introductorias de Analítica de Datos – Ecosistema DATLAS

El inicio de un nuevo año marca el momento perfecto para enfocarnos en nuestras metas y objetivos. En el ámbito profesional las personas están en constante búsqueda de adquirir nuevas habilidades que las posicione a la vanguardia del mercado laboral. Según LinkedIn, las competencias analíticas y la gestión de proyectos destacan entre las 10 habilidades más solicitadas en el 2023. En esta columna de hoy te compartiremos sobre los Retos Academy , el nuevo programa de creado por Datlas que te ayudará a cumplir tu meta profesional de convertirte en un experto en analítica de datos.

¿Qué son los Retos Academy?

Los Retos Academy son programas de formación en temas de analítica, negocios y transformación digital. El objetivo de este programa es brindar a los usuarios cursos introductorios de analítica de datos capacitándolos para llevar a cabo análisis exploratorios, descriptivos y de diagnóstico. Los Retos Academy incluyen 15 módulos virtuales cortos y sencillos que te permitirán adquirir conocimientos en poco tiempo.

¿Cuándo comienzan los Retos Academy?

El primer Reto Academy comenzará el Lunes 15 de Enero de 2024 con una sesión en vivo. El Fundador y Director General de Datlas, Pedro Vallejo explicará la mecánica del reto, contenido y manejo de la plataforma. La fecha de inicio del segundo Reto Academy será a mitad de año y se estará confirmando próximamente.

¿Qué incluye los Retos Academy?

Además de los 15 módulos de aprendizaje, el Reto Academy incluye:

• 18 Lecturas Semanales: Se enviarán semanalmente los lunes. Las lecturas tratarán temas de actualidad entorno a la analítica, transformación digital y inteligencia artificial. Servirán de complemento para las temáticas de los módulos de aprendizaje.
• 40 Conceptos Claves en un Glosario de Variables: El Glosario de Variables permitirá tener un entendimiento estandarizado de los principales conceptos que se tratarán durante el curso.
• 15 Herramientas (Cuando aplique en Excel, R, o en QGIS): Herramientas para resolver problemas aplicados.
• 3 guías prácticas para un caso de uso documentado: Receta paso a paso para generar un ejercicio práctico. Aplica para temas más técnicos como QGIS, IBM WATSON y R.
• 3 sesiones Q&A en vivo paso a paso: Realizadas en fechas específicas, son talleres en vivos dispuestos para interactuar y generar ejercicios en tiempo real.
• Suscripción a Datlas Academy (Curso de Storytelling de Datos): Acceso totalmente gratuito a nuestro curso de Storytelling de Datos: Como contar historia con Datos. El curso más famoso de Datlas Academy.
• 1 Convivencia en Simposium Datlas Academy: Invitación y acceso gratuito a nuestro Simposium Academy, donde podrás conocer e interactuar con expertos en los temas de analítica y también hacer networking con personas de distintas organizaciones e industria.
• 1 Grupos exclusivo de whatsapp para contenido: Los participantes tendrán este espacio para interactuar sobre los temas, compartir contenido relevante y resolver dudas y preguntas relacionadas con el programa.
• Dinámicas especiales para participantes: Dinámicas sorpresa para los alumnos.

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

¿Qué aprenderé con los Retos Academy?

El Reto Academy incluye contenido introductorio en diferentes temas de analítica de datos, incluyendo análisis descriptivos, diagnóstico y prescriptivos, visualización de datos en distintas herramientas y gestión de proyectos de analítica. A continuación te mostramos los distintos módulos a los que podrás tener acceso:  

• Introducción a la mecánica del curso, plataforma y sesión en Vivo 
• Conceptos Básicos de Analítica y Ciencia de Datos 
• Analítica Descriptiva: Media, Mediana y Moda 
• Visualización Básica de Datos en Excel 
• Analítica de Diagnóstico: Tablas de Frecuencia, ANOM y Correlación 
• Visualización de Datos en R 
• Introducción a Series de Tiempo 
• Analítica Predictiva: ARIMA y Predicciones 
• Predicción con datos de Clima y Pedidos de Tienda 
• Analítica Prescriptiva: Algoritmos para datos lineales 
• Regresión Lineal y Múltiple 
• Árboles de decisiones 
• Aplicaciones en IBM WATSON 
• Visualizaciones Básicas en QGIS 
• Módulo Gestión de Proyectos de Analítica Avanzada 

¿Qué conocimientos se necesitan para tomar el Reto Academy?

Solamente se necesita tener conocimientos básicos en Excel, los profesores y las guías te irán orientando paso a paso en las distintas herramientas que se usarán en el reto.

** También te puede interesar: 4 Herramientas de Inteligencia Artificial para facilitar tu día a día – Manuales Datlas

Hasta aquí la columna de hoy, esperamos que te animes a inscribirte en nuestros Retos Academy y vivir la experiencia de introducirte al mundo de los datos. Para conocer más sobre los retos Academy, puedes ingresar a la siguiente página Retos Academy. No olvides, suscribirte a www.datlasacademy.com para continuar aprendiendo más de nuestro contenido y seguirnos en redes como el podcast «café de datos». ¡Hasta luego!

Equipo Datlas

– Keep it weird –

Fuentes:

What You Need To Know: In-Demand LinkedIn Skills of 2023