SISTEMA ILUO para matriz de habilidades de departamentos de datos en organizaciónes – investigación datlas

Generar proyectos y áreas de datos exitosos está directamente relacionado al capital humano. Es decir, para poder avanzar con proyectos de analítica que abonen a la transformación digital de nuestras organizaciones es necesario mapear y desarrollar talento. Pero ¿Cómo lograrlo de manera ágil y sencilla? En esta columna hablaremos del sistema ILUO que nos permitirá monitorear las habilidades dentro de nuestro equipo de datos.

** Te podrá interesar ¿Cómo detectar un impostor de datos?

Como ejemplo, estas habilidades para un departamento de datos en una organización de mediano tamaño

El objetivo del sistema ILUO es desarrollar y administrar habilidades dentro del equipo a nivel departamento (No a nivel individual).

Dentro de una matriz se coloca los miembros del equipo del lado izquierdo, las habilidades en la parte superior y dentro de la matriz se categoriza con respecto al dominio de cada habilidad por miembro del equipo.

Las siglas ILUO tienen un significado gráfico y representan el avance que se va teniendo en el desarrollo de los empleados de la organización. La cantidad de líneas que forman cada letra indica el nivel de madurez de cada empleado. Los cuatro niveles de habilidad ILUO indican:

Nivel I: Aquellas personas que se encuentran en capacitación para conocer y cumplir con su tarea, sin intervenir en los procesos.

Nivel L: Aquellas personas que ya intervienen en los procesos, pero no están calificadas para operar sin supervisión.

Nivel U: Aquellas personas que ya están acreditadas para cumplir con su tarea bajo los estándares y el tiempo requerido.

Nivel O: Aquellas personas que ya han acreditado todos los niveles de habilidad y recibieron una certificación para poder formar a otras personas.

**Te podrá interesar «Los 5 perfiles para un equipo de Datos»

¿Qué pasos hay que seguir para desarrollar una matriz de habilidades en un equipo de Datos?

  1. Identifica y enlista las habilidades de tu departamento de datos
  2. Enlista el «staff» en los renglones de la matriz
  3. Identifica del 1 al 5 el mayor nivel en que cada miembro del equipo se desarrolla en esa habilidad
  4. Una vez que tenemos calificadas estas habilidades, hay que presentárselo al líder de equipo y desarrollar un plan de acción (Capacitación, nivelación, apoyos, entre otros.)
  5. Finalmente comprometer fechas y dar monitoreo constante

** Te podrá interesar «¿Por qué pueden fracasar los proyectos de datos?»

¿Cuáles son las ventajas de implementar el sistema ILUO?

·Incrementar la calidad de sus productos y/o servicios

·Reducción de desperdicios

·Mejorar la satisfacción de sus clientes internos y externos

·Lograr la continuidad operativa

·Se elimina o reducen ausentismo y rotaciones

·Aumenta la motivación de los empleados

·Desarrolla el sentido de pertenencia hacia la organización

** Te puede interesar nuestra columna sobre «Diseño de perfiles para áreas de analítica»

Hasta aqui la columna de hoy, te invitamos a continuar aprendiendo en nuestro podcast y a suscribirte a nuestra nueva iniciativa en Datlas Academy donde obsequiaremos algunos cursos para mantenernos a la vanguardia en temas de transformación digital.

Fuentes

https://www.leanconstructionmexico.com.mx/post/sistema-iluo-qu%C3%A9-es-y-como-implementarlo-ejemplo-de-matriz-iluo

¿PODRÍAS SER más propenso a chocar que otra persona SÓLO POR TU MODELO DE AUTO? La respuesta puede ser «sí» – DATLAS INVESTIGACIONES

El análisis de datos ha ido adquiriendo mucha importancia últimamente, sabemos que es una ciencia que se encarga de analizar un respectivo conjunto o conjuntos de datos para obtener conclusiones de los mismos y así tomar decisiones o simplemente obtener nuevos conocimientos. En esta columna presentamos un ejercicio complementario de análisis de datos. Esto sobre una base de datos de choques y siniestros para Nuevo León. Te presentamos nuestros hallazgos.

** También te podría interesar nuestras otras columnas sobre choques y siniestros

Big Data y Data Science: los profesionales especializados en ciencias de  datos tienen el futuro asegurado

En esta ocasión se usará una base de datos que recopila los choques de la zona metropolitana de Monterrey, Nuevo León desde el año 2016 hasta la mitad del 2018. Gracias al análisis podremos observar los diferentes fenómenos que se presentan.

La base de datos contiene los registros ya mencionados, cada registro contiene diferentes columnas, podemos dividir estas columnas en tres secciones que definen cada aspecto del choque:

1) La primera sería el lugar del suceso,

2) La segunda sería la descripción del mismo y

3) La tercera es la fecha/hora cuando ocurrió.

Ahora bien, con estos datos vamos a contestar algunas preguntas.

¿En qué códigos postales de la ciudad de Monterrey, Nuevo León y Zona metropolitana (ZMM) se generan más choques?

Para fines prácticos, se tomaron de la tabla los diez códigos postales donde hubo más choques, esto considerando su respectiva frecuencia de ocurrencias con respecto al total. Los resultados se mostrarán a continuación.

Top 10 códigos postales con más choques:

  1. 64000
  2. 64620
  3. 64590
  4. 64330
  5. 64619
  6. 64200
  7. 64988
  8. 64460
  9. 64710
  10. 64700

Para un mejor entendimiento se relacionó cada código postal con el nombre de la colonia. Estas son las colonias donde hay más percances del área metropolitana.

Top 10 colonias con más choques:

  1. Col. Centro
  2. Col. Vista Hermosa
  3. Col. Agrícola
  4. Col. Gral. Naranjo
  5. Col. Residencial Cumbres
  6. Col. Croc
  7. Col. El Milagro
  8. Col. Mitras Centro
  9. Col. Nuevas Colonias
  10. Col. Nuevo Repueblo
Mapa Monterrey, N.L. Colonias con más choques.

Si andas por estas colonias te recomiendo que vayas con mucha precaución detrás del volante.

¿A qué hora ocurren más choques en Monterrey (ZMM) ?

Pienso que esta es una de las preguntas más importantes a considerar ya que si vives en Monterrey sabrás de la cantidad de tráfico que se genera a las horas pico, veremos si existe una relación entre los choques y las horas de más tráfico.

Formato 24hrs.

Las horas que destacan son: 14:00, 13:00, 16:00, 18:00, 15:00. Podemos notar que los choques están relacionados con el tráfico, y el tráfico a su vez se genera principalmente debido a las «horas de trabajo», claramente podemos observar la “hora de entrada”, la de “hora de comida” y la “hora de salida” que son los tiempos en donde hay más personas manejando.

¿Qué días de la semana suceden más choques en Monterrey(ZMM) ?

Formato 24hrs. Empezando por día domingo y terminando el sábado.

Empezando por el domingo en este caso, se puede notar cómo es que los choques varían dependiendo del día, siendo el “viernes” cuando ocurren más siniestros y el “domingo” el día que menos. Otro fenómeno curioso que podemos observar es que durante los sábados en la noche la cifra de choques aumenta considerablemente en comparación a los demás días, es entendible, la gente se va de fiesta, toma alcohol u otras sustancias, acto siguiente escoge manejar y lamentablemente choca. 

¿Algún color de auto es más propenso a chocar?

La respuesta corta es “sí”, existen autos que son más propensos a chocar que otros por su color, esto quizá se deba a que durante el día o la noche son más difíciles de observar para los conductores, otro factor puede ser que la mayoría de los autos que circulan son de ciertos colores «populares» y por ende tienen esas estadísticas.

Puede parecer broma, pero tomando en cuenta todo esto, en dado caso de que te encuentres manejando un carro gris o blanco un viernes por la tarde en el centro de Monterrey, estadísticamente tienes una gran probabilidad de chocar.

– Equipo Datlas –

¿Qué se puede decir de todo esto?

“Nuevo León, la entidad con mayor registro de choques en el país” – El financiero

“Falta cultura vial…y abundan choques” –El Norte

Estos solo son dos ejemplos de los miles que se pueden encontrar en cuanto a notas periodísticas donde mencionan nada más que la verdad. Nuevo León es en efecto la entidad del país con el mayor número de choques, esto se puede comprobar observando las bases de datos del INEGI o simplemente visualizando las gráficas que ya tienen disponibles en su página. No hace falta ser muy meticuloso con los datos para darnos cuenta de esto, solo basta con salir a manejar en horas pico para que uno se dé cuenta de lo pésima que es esta situación, no es de sorprenderse que seamos la zona metropolitana con mayor número de choques.

Finalmente, si multiplicamos las probabilidades de cada dato podemos llegar a una conclusión un poco chistosa pero cierta, si tú decides salir a manejar un automóvil de color blanco, un viernes por la tarde en el centro de la ciudad de Monterrey, estadísticamente tienes mayor probabilidad de chocar que cualquier otro conductor.

Ándate con cuidado si tienes un auto blanco y te gusta salir los viernes.

Lectores recuerden suscribirse en www.datlasacademy.com para obtener cursos gratuitos sobre métodos y conceptos de transformación digital. Para las y los primeros suscriptores habrá un curso de «Storytelling de Datos» de obsequio. No se lo pierdan.

Equipo Datlas –

No te sientes al frente si vas en un carro blanco por gonzalitos (Caso de ANÁLISIS DE CHOQUES PARA NUEVO LEÓN, MÉXICO) – DATLAS INVESTIGACIONES

Aún con varios blogs escritos al respecto, los datos de los siniestros reportados de inicios del 2016 a mediados del 2018 en Mty NL, aún tienen mucho que decirnos. Y aunque pareciera un título alarmante, la realidad es que no lo es, ¿o sí? Como diría cualquier científico social: Depende. Quédate en este blog para descubrir la respuesta.

** Te puede interesar «Categorizando zonas con más choques en Nuevo León»

Si cualquier persona con suficiente equipo de cómputo para utilizar Microsoft Excel filtrara y contara las observaciones de la antes mencionada base de datos, se daría cuenta de los siguientes resultados:

  1. El color de los vehículos más chocado en ese periodo es el color blanco.

Seguido del gris, rojo, plata, y negro. Al quitar duplicados, sumar colores prácticamtente iguales, y ordenando de mayor a menor por cantidad de observaciones, obtenemos el TOP 10 se se ve en la imagen.

2. La parte del auto donde sucedió el choque más frecuente fue el frente

Seguido de la parte trasera, el cofre, el costado derecho delantero, y el costado izquierdo delantero. El procedimiento fue prácticamente el mismo que en el caso del color del vehículo, y gracias a ello tenemos el TOP 10 en esta segunda imagen.

3. Los choques de auto se concentran en su mayoría en la avenida Gonzalitos.

Por último, si proyectaramos un mapa 3D de las latitudes y longitudes, las cordenadas de los diferentes siniestros filtrados por tipo de vehículo, podríamos llegar a la conclusión de que en el mapa de autos, estos se concentran más en la avenida de Gonzalitos, mientras que en el camión se concentran por Ruiz Cortinez, y en los camiones ligeros por Madero.

Ahora bien, ¿debería de alarmarme por el título de este blog? Nuestra respuesta sería: no lo suficiente, y la manera más fácil de explicarlo es con el color del vehículo.

El hecho de que el color con más choques reportados sea el blanco, no quiere decir que dicho color sea el más propenso a chocar, porque no sabemos si es el color más comprado. Si por ejemplo casi toda la ciudad compró autos blancos y solo chocó 1 tercio, mientras que los autos rojos solo compraron 10 personas y todos chocaron porque es el color más propenso a chocar, el número de reportes entonces no nos ayuda mucho.

Algo similar sucede con la avenida Gonzalitos. Si solo nos basamos en los datos de los siniestros reportados, no podríamos comparar esta avenida con otras, al no estar seguros de cuantos automóviles la transitan, y por ende, no podemos asumir que es la avenida más peligrosa o propensa a sufrir un accidente. No es coincidencia que la hora con más choques es la 1:47pm, la cual cabe en lo que conocemos coloquialmente como la hora pico.

Como de costumbre, la intención de este blog no es asustar al usuario, si no compartir resultados interesantes de un análisis básico de datos, y generar conciencia de como un evento tan normal como un choque en esta ciudad, puede arrojarnos información interesante a compartir.

Hasta aquí la columna de hoy, no duden en visitar los otros escritos de esta base de datos o de la basta variedad de temas de analítica que hemos realizado. Pueden encontrarnos en nuestras redes sociales como @DATLASMX.

Adjuntamos el video echo por un aplicante para una de nuestras últimas convocatorias de ingreso a la startup, donde tenía que explicar esta y otras conclusiones interesantes de la base de datos en 6 minutos como máximo.

Equipo Datlas

-Keep it weird-

Fake News (Radiografía en México) – Columnas de opinión Datlas

En otros blogs hemos comentado de distintas controversias sobre análisis de datos. Hablamos de algoritmos de censura en redes sociales como twitter, casos que atentan con la privacidad como el de cambridge analytica y dimos nuestra opinión sobre las FAKE NEWS en eventos como Talent Land.

En esta ocasión motivados por el evento del próximo 22 de Junio en LABNL complementamos la opinión de las FAKE NEWS difundiendo una investigación de la UNAM y narrando cómo funcionan las granjas de bots según investigaciones de las BBC.

El homo sapiens digital

Es importante seguir amplificando la conversación de FAKE NEWS debido a la creciente cantidad de dispositivos conectados a la red y la información de insumo para las notas periodísticas en el mundo

  • 7.6 Bn de Habitantes
  • 50 Bn de dispositivos conectados
  • 7 dispositivos por persona
  • 5,020 gigabytes por persona
  • +80,000 ciberataques al día

Hoy en día se escriben más bases de datos que nunca antes en la historia. Nuestra actividad en redes sociales, transacciones electrónicas y las interacciones en el mundo tecnológico deja una huella digital que alimenta sistemas de información robustos. Estas bases de datos, antes estaban sólo al acceso de profesionales calificados o instituciones certificadas. Sin embargo, con el avance en el área de “analítica de datos” y el internet, más personas  pueden acceder a estos datos e interpretarlos a su criterio para después hacerlos de dominio publicó en redes como Facebook, Whatsapp, Instagram y Twitter.

En las noticias falsas (Fake news), debemos de navegar en nustras redes cuestionando los roles de los consumidores y generadores de información en la conversación social que habilitan las redes sociales.

Durante el COVID-19 fuimos testigos de la desalineación entre la alta velocidad de difusión de noticias falsas habilitadas por redes como Facebook y Whatsapp y la validación de las mismas. Tanto así que esto impulso el movimiento de masas con repercusiones como el agotamiento de ciertos bienes de consumo en tiendas de autoservicio (Cerveza, papel higiénico, entre otros).Adicional, estudios como el de  “Radiografía sobre la difusión de fake news en México” de la UANL en el 2020 indican que el 90% de los usuarios de Whatsapp en México había obtenido una nota falsa. En este sentido resulta oportuno ampliar el diálogo sobre ética de datos y “fake news”.

Importancia de hablar de FAKE NEWS

La velocidad a la que fluye la información en INTERNET gracias a las redes sociales eleva la necesidad de hablar de redes sociales. Según estudios el 90% de los mexicanos recibió una FAKE NEW durante la pandemia COVID-19

Fake News y las granjas de bots en México

La limitante de que en México podemos obtener tarjetas SIMS sin la necesidad de registrar nuestra identidad abre la puerta para que muchas cuentas falsas en redes sociales como twitter y facebook se den de alta (Esto porque dependen de un número telefónico).

Estudio de Radiografía en redes sociales México

En un estudio de la UNAM realizado a más e 1600 internautas de los 32 Estados del país se generaron distintos hallazgos sobre FAKE NEWS.

  • 88% recibió una noticia falsa
  • 90% recibió una nota falsa sobre COVID-19

DeepFake

Ahora, gracias a la tecnología DEEP FAKE, no podremos confiar en lo que veamos y escuchamos en internet. Hay que validar. Aquí este ejemplo que la empresa mexicana SORIANA hace sobre CANTINFLAS (Un actor legendario en México de la época de oro)

Cierre (5 pasos para evitar la propagación de FAKE NEWS)

1.No creer al 100% lo que circula en las redes sociales

2.Darse unos minutos para corroborar antes de compartir

3.Guardar la calma y no dejarse llevar por los impulsos ni hacer comentarios deliberados si no tenemos la seguridad

4.Mantenernos informados a través de autoridades de salud, nacionales e internacionales

5.Seguir las normas de sanidad establecidas para evitar el contagio

Hasta aqui la columna de hoy. Si te quieres sumar a la conversación de FAKE NEWS no dudes en contactarnos via redes sociales en @DATLASMX

Equipo DATLAS

– Keep it weird –

Fuentes:

Cisco IBSG, EMC Digital Universe with Research & Analysis by IDC y PURPLE Resources. Via: https://purplesec.us/resources/cyber-security-statistics/

https://www.dgcs.unam.mx/boletin/bdboletin/2020_318.html

¿Cómo calcular LAS HORAS DE LUZ SOLAR EN CUALQUIER PARTE DEL MUNDO? cASO APLICADO CON R – Manual datlas

El estudio de energías alternativas y luz solar han sido temas de prioridad durante los últimos 10 años en Latinoamérica. Se ha incrementado cada vez más la conciencia de lo contaminante que pueden ser las fuentes de energías fósiles. Y en ese sentido el estudio de luz solar y el interés por sus aplicaciones ha ido a la alza. En esta columna compartiremos un método en R para poder obtener información de luz solar en cualquier parte del mundo utilizando la paquetería suncalc.

¿Cómo empezar?

El ejercicio que haremos será en el lenguaje de R. Es una iniciativa de software libre muy utilizada para analítica y ciencia de datos. Una combinación recomendada es utilizar R junto con el IDE de R Studio para poder tener una plataforma de trabajo más cómoda y ordenada.

¿Qué paqueterías utilizar?

R es un lenguaje que tiene una base de funciones en CRAN, su base, que se pueden utilizar y en automático ya vienen precargados al momento que descargas R. En complemento, sistemas como R permiten la instalación de librerías externas desarrolladas por la comunidad que permiten ampliar las capacidades del mismo. Las librerías que vamos a utilizar para este ejercicio son:

library(suncalc)
library(tidyverse)
library(scales)

También te puede interesar «Análisis de discurso de AMLO con NLP en R»

¿Cómo identificar las zonas horarias?

Las zonas horarias serán importantes para el ejercicio. En la herramienta suncalc.org puedes identificar la zona horaria de cualquier ubicación del mundo. En el buscador, para este ejemplo, ubicamos San Pedro Garza García, en el Estado de Nuevo León en México.

Lo podemos declarar en nuestro código como lo siguiente:

names <- «San Pedro Garza Garcia (México)»
lat <-25.6510566
lon <- -100.4025978

¿Cómo generar la consulta para calcular la hora de amanecer y anochecer?

El código es la siguiente, hay que declarar primero las fechas que estamos considerando para la métrica , después estructurar la tabla reporte de respuesta que en este caso tiene el amanecer, el horario en que termina el amanecer, puesta del sol y la hora a la que comienza. También incluye la declaración de la latitud y la longitud, en este caso como variables que declaramos previamente. Y finalmente el «timezone» o la zona horaria que encontramos en el sitio web referenciado

df <-
getSunlightTimes(
date = seq.Date(as.Date(«2018-12-01»), as.Date(«2019-12-31»), by = 1),
keep = c(«sunrise», «sunriseEnd», «sunset», «sunsetStart»),
lat = lat,
lon = lon,
tz = «America/Monterrey»

El reporte lo podemos consultar el reporte. Para esto podemos revisar las primeras filas con: head(df)

¿Cómo calcular las horas de luz en una ubicación determinada?

Para calcular las horas de luz, el código es más complejo, pero tiene que ver con una particularidad del sistema para manejar los horarios.

df %>%
mutate(
date = as.POSIXct(date),
day_length = as.numeric(sunset – sunrise)
) %>%
ggplot(aes(x = date, y = day_length)) +
geom_area(fill = «#FDE725FF», alpha = .4) +
geom_line(color = «#525252») +
scale_x_datetime(
expand = c(0, 0),
labels = date_format(«%b ‘%y»),
breaks = seq(as.POSIXct(min(df$date)), as.POSIXct(max(df$date)), «month»),
minor_breaks = NULL
) +
scale_y_continuous(
limits = c(0, 24),
breaks = seq(0, 24, 2),
expand = c(0, 0),
minor_breaks = NULL
) +
labs(x = «Date», y = «Hours», title = names) +
theme_bw()

Finalmente , podemos observar los resultados en un gráfico como los siguientes.

En contraste, si lo ponemos en comparación contra Oslo Noruega, digamos que San Pedro GG tiene mucho mayor luz solar que otros.

¿Qué podría suceder al futuro?

Futuros análisis de datos nos podrán apoyar a identificar, por ejemplo, la potencial captación de luz para un edificio. O, en el caso de negocios que tienen una dependencia con la luz solar, tener una mayor predictibilidad de sus oportunidades comerciales.

¿Qué otras aplicaciones piensas que pueden funcionar? Cuéntanos en @DatlasMX . Hasta aquí la columna de hoy, esperamos la puedas compartir con tus colegas y personas que les pueda interesar

Fuentes:

Ranking de Dashboards y Reportes por COVID-19 -INVESTIGACIÓN DATLAS

http://www.datlas.mx¿Cómo va avanzando tu análisis de datos en tu cuarentena? ¿Qué tal la numeralia? ¿Nuevos Datos? ¿Algunos nuevos descubrimientos? En esta ocasión nos toca compartir un poco a nosotros de las excelentes respuestas de la comunidad «datera». En esta columna enlistaremos 9 dashboards/reportes usados para difundir información alrededor del COVID-19

Datlas_Blog_Promo_SuscriberFree

Algunos requisitos para que pueda calificar un  dashboards COVID-19 en el ranking es que 1) Tienen que ser actualizados al menos una vez al día, 2) Las visualizaciones integran datos de cantidad de personas infectadas y fallecidas y 3) Pueden representar cualquier cobertura geográfica. Los criterios para el ranking fueron: Atractivo de visualización, Claridad de la información e información fidedigna. Algunos «plus» es que tengan mapas y que que haya un poco de análisis dentro del tablero.

9) Facebook – Harvard

Datlas_Facebook_Harvard

Este mapa es parte del programa «Data for Good». Se basa en información desarrollada por la Red de datos de movilidad COVID-19, coordinada por «Direct Relief» e investigadores de Harvard T.H. Chan School of Public Health, utilizando datos agregados de movimiento de población del programa Data for Good de Facebook.

  • Pros: Mensaje claro, aprovechamiento de datos de movilidas
  • Cons: Sólo USA, complejo de llegar a conclusiones, resolución a nivel Estatal

Liga: https://www.covid19mobility.org/dashboards/facebook-data-for-good/

8) Google Mobility Changes

Datlas_Google_MobilityChanges

Google liberó datos de movilidad para todo el mundo. Si quieres conocer el detalle de la iniciativa puedes revisar nuestro blog sobre el tema.

  • Pros: Información sintetizada con claridad, cobertura mundial donde Google opera, con el tiempo especificaron a nivel Estatal, al menos para México fue así
  • Cons: Son reportes no dashboards, actualización semanal no diaria, la información es en general de tráfico pero no podemos diferenciar entre tráfico a pie o en auto y no cruzan o analizan versus casos de Covid-19, una chamba que nos dejan a todos los analistas para hacerlo por separado

Liga: https://www.google.com/covid19/mobility/

7) Apple Movement

Datlas_Apple_Movement

Similar a Google, la empresa Apple liberó datos de movilidad generado por dispositivos que utilizan sistemas operativos IOS. La resolución dividió el tráfico entre coche, a pie y transporte público. También fueron los primeros que habilitaron la descarga CSV.

  • Pros: Diferenciación por tipo de tráfico, datos de movilidad actualizados de manera recurrente, descarga en CSV con detalle de información histórica
  • Cons: No hay cruce con datos de covid-19, no sugiere conclusiones y se queda a nivel país. al menos para México así funciona

Liga: https://www.apple.com/covid19/mobility

6) Facebook – Carnegie Mellon

Datlas_Facebook_CarnegieMellon

Los equipos de Facebook son variados y se dieron el lujo de trabajar con distintos laboratorios de datos de las mejores universidades del mundo. En este Caso, con Carnegie Mellon, lograron una mejor dinámica que el mapa de Harvard.

  • Pros: Selección dinámica de revisión por día desde el Dashboards, selección entre múltiples indicadores del Covid, bastante documentación sobre cada indicador, cruce de información
  • Cons: Sólo para Estados Unidos y la máxima resolución de los datos espaciales es nivel Estado

Liga: https://covid-survey.dataforgood.fb.com/#3/35/-75

Datlas_Promo_Facebook_Suscribe

5) Covid Visualizer

Datlas_Covid_Visualizer

Si hablamos de visualizaciones atractivas tenemos que voltear a ver el globo generado por el portal «Covid Visualizer» que realmente dedicó un dominio en internet exclusivamemente para este tema. Se aprecia el planeta tierra y es muy sencillo navegar entre países

  • Pros: Navegación sencilla y rápida, datos agregados con los distintos estados con los que se está midiendo el COVID-19 y actualización cada par de horas
  • Cons: Resolución a nivel País, no se puede jugar con fechas, es decir sólo se ven datos agregados a la fecha de consulta

Liga: https://www.covidvisualizer.com/

4) Our World in Data

Datlas_OurWorldInData_

Esta es la visualización que como Datlas más hemos usado en nuestros webinars y conferencias para sensibilizar a las audiencias la velocidad a la que los casos del COVID-19 crecen en relación a China

  • Pro: El manejo temporal es excelente , se pueden generar animaciones dentro de la herramienta, filtrar para cualquier país, la descarga en CSV es muy ágil y sencilla
  • Cons: Solamente se miden casos confirmados, no otro indicadores necesariamente, un par de veces nos encontramos «otros datos» en relación a la prensa nacional (caso México) y podrían usar colores más contrastantes que te ayuden a diferenciar mejor los países en el análisis

Liga: https://ourworldindata.org/grapher/covid-confirmed-cases-since-100th-case?country=ARG+BOL+BRA+CHL+COL+ECU+MEX+PER+URY+VEN

3) New York

Datlas_NYork_Dashboard

Este es otro de los casos de dashboards animados alrededor del tiempo

  • Pros: Brinda un enfoque muy claro a los países con más casos afectados, se miden 3 tipos de indicadores, entre ellos dónde hay más recuperados
  • Cons: Resolución a nivel país, sólo se usa un color en los gráficos y las dimensiones no están bien actualizadas para la cantidad de casos a la fecha

Liga: https://www.nbcnewyork.com/news/national-international/map-watch-the-coronavirus-cases-spread-across-the-world/2303276/

2) WHO: Organización mundial de salud

El pase de diapositivas requiere JavaScript.

Una de las obras de arte en lo que visualizaciones refiere es este tablero que es referencia mundial sobre los casos del Covid-19. Lo lamentable es que los datos han sido muy cuestionados

  • Pros: Variedad de visualizaciones, gráficos y mapas, filtros entre indicadores, contraste por regiones geo-políticas, se puede descargar datos en CSV y los colores muy bien implementados
  • Cons: No aplica alguno según los criterios establecidos. Deseable es que los usuarios pudieramos subir de resolución a nivel Estatal por país

Liga: https://covid19.who.int/

1) Johns Hopkins Covid

Datlas_Johns_Hopkins_Covid19_

Finalmente la joya de la corona, el ARCGIS que por primera vez nos dió una explicación del COVID-19 desde que se llamaba Coronavirus.

  • Pros: Cuenta con más indicadores que cualquier otro dashboards, casi cada mes le añaden nuevas visualizaciones e integra una sección de tendencias críticas que llevan a nuevos análisis y hallazgos
  • Cons: Sería genial si pudieramos ver estos datos a nivel Estado o delegación. También de alguna manera integrar las conclusiones de los análisis de movilidad de grandes compañías como Facebook, Apple o Google

Liga: https://coronavirus.jhu.edu/map.html

Datlas_Promo_Podcast_Suscribe

Hasta aqui nuestro ranking ¿Cuál es tu orden? ¿Cómo calificarías? Si te sigue interesando qué otros nuevos aplicativos de analítica pueden impulsarse por el COVID-19 te invitamos a conocer nuestro mapa en https://datlas.mx/COVID-19/

Deja tus comentarios y comparte con tus colegas que son amantes de los Dashboards.

Saludos

Equipo Datlas

-Keep it weird-

CORONAVIRUS PT. 2/2 – CONSTRUYENDO UN MODELO DE RESPUESTA INMEDIATA CON DATOS GEOESPACIALES (DATLAS RESEARCH)

Si quieres visualizar esta plataforma revisa el video aqui. Para acceder directamente a la plataforma de la que hablamos en este blog escríbenos tus motivos a direccion@datlas.mx . Agradecemos a los medios que nos han difundido:

El pase de diapositivas requiere JavaScript.

Esta es la segunda parte de la serie de blogs del #COVID-19. Puedes encontrar el primer capítulo en: El efecto dominó de una pandemia en la economía regional. Vale la pena que le eches un  vistazo antes, para entender mejor el riesgo de no tomar las medidas adecuadas en épocas del Coronavirus.

Datlas_Blog_Promo_SuscriberFree

Lo que sigue,inspirados en la herramienta GOTHAM de la empresa PALANTIR utilizada en el Huracán Florence en el 2018 para desplegar equipos de rescate en las zonas más marginadas del Norte y Sur-Carolina en esta columna generaremos un postulado de cómo podríamos construir un modelo de respuesta inmediata para México. Específicamente utilizando datos de Nuevo León.

Usaremos el modelo Datlas como ejemplo

Datlas_metodo_laboratoriodedatos

Puedes leer más de esta metodología en este blog.

Diagnóstico del problema y objetivo

Un modelo de respuesta inmediata, en el contexto de datos geo-espaciales, contextualiza el entorno y la situación de estudio (En este caso el COVID) para enfocar la atención hacia las ubicaciones más vulnerables en caso de una catástrofe. En situaciones donde el tiempo y la dispersión juegan un rol crítico, es importante tener a la mano herramientas que soporten la labor de enfoque hacia la infraestructura y cuerpos de rescate.

Datlas_Promo_Facebook_Suscribe

El objetivo de la investigación será identificar en un plano geográfico  los puntos de concentración de personas más vulnerables para que en caso de una catástrofe sanitaria tengamos más claridad hacia los puntos de despliegue de equipos de rescate.

Datlas_Blog_Modelorescate_Covid

Criterio y extracción de datos

Hemos estado revisando que las poblaciones más vulnerables en el COVID-19 son primeramente mayores a 60 años. Sumado a esto las viviendas en niveles socieconómicos bajos tendrían más restricciones de acceder a recursos para protegerse por su cuenta. En muchos programas sociales se utiliza el índice de marginación nacional de la CONAPO (véase al final en fuentes) como medida de vulnerabilidad. Esto ya que representa una medida-resumen que permite diferenciar entidades federativas y municipios de acuerdo con las carencias que padece la población, como resultado de la falta de acceso a la educación, la residencia en viviendas inadecuadas, la percepción de ingresos monetarios insuficientes y las relacionadas con la residencia en localidades pequeñas (CONAPO, 2018).

Otro tema que hace sentido contemplar es la cantidad de ubicaciones de servicios de salud como clínicas, laboratorios, farmacias, hospitales y similares que pudieran ponderar la vulnerabilidad de estos grupos. Usaremos datos del DENUE INEGI, así como Google places para corroborar estas ubicaciones.

Integración y clasificación de datos

Clasificamos las variables en distintos grupos:

  • Personas mayores a 60 años (Dado que el virus es más letal en este grupo de edad)
  • Indice de marginación (Tendrían mayores restricciones para cuidarse por su propia cuenta)
  • Promedio de habitantes por vivienda (Mayor indice de propagación y contagio casero)
  • Población Total (Potencialmente, los cuadros de la ciudad donde una actividad de rescate impactaría más personas)
  • NSE preponderante (Buscaríamos priorizar NSE bajos, dado su vulnerabilidad)
  • Servicios de Salud (Farmacias, clínicas, asilos, hospitales y similares)

En este caso, el orden de las clasificaciones representa lo que teóricamente puede representar un mayor enfoque para grupos  vulnerables. Es decir, estos pudieran ser criterios de enfoque para equipos de rescate

Datlas_Blog_Modelorescate_Covid_2

Modelaje y entrenamiento

Al no ser especialistas en temas de salud, lo más correcto es compartir este mapa con especialistas que puedan darnos más sensibilidad de campo sobre qué otras variables contemplar o cuál debería ser la prioridad. A partir de esto podríamos entrenar un modelo más especializado.

Para fines de este ejercicio y dándonos un poco de licencia para soñar, podríamos imaginar que los efectos de las variables en una ecuación podrían ser sumados y otros multiplicados. Algunos sería relevante contemplarlos con crecimiento exponencial. Los matemáticos son los encargados de esto. Cuando nosotros generamos modelos comenzamos de lo más básico y, de ser necesario, en cada etapa del proceso elevamos un poco el modelo de complejidad.

Simplificando, una vez estandarizadas las variables, podríamos ir modelando un indicador que agregue el efecto de distintas variables

Datlas_Blog_Modelorescate_Covid_3

Datlas_Promo_Youtube_Suscribe

Visualización

¿Cuál sería el efecto final? ¿Cómo se vería? La mejor forma de enfocar en este tipo de mapas es con mapas de calor. Eso nos permitiría identificar el efecto de una serie de variables de manera inmediata.

Ver video: https://youtu.be/4OIFN86nz5U

Reporte de acciones a tomar

  • Colaborar con expertos regionales para avanzar en establecer protocolos de rescate y  árboles de decisión de priorización en cuestión de atención sanitaria
  • Destacar zonas específicas para que se realicen revisiones periódicas, mediciones de temperatura, entrevistas a miembros de hogares en las manzanas indicadas y similares
  • Acercar infraestructura médica temporal de apoyo en caso de que el Covid crezca a una fase 2 ó 3
  • Ceder un contacto directo de atención para esta zona específica, sobre todo cuando son mayores de 60 años
  • Generar un plan de mediano plazo para intervenir esta zona, sobre todo ante los efectos económicos negativos que probablemente ocurran en un par de meses

Futuras investigaciones

En futuras investigaciones y con datos como los códigos postales o polígonos donde hay más infectados podríamos asociar correlaciones y causalidades para validar que estos efectos se cumplan. Conocer la capacidad de hospitales en términos de camillas, especialistas, respiradores, entre otros sería de mucha utilidad.También los hospitales y laboratorios que sí están realizando pruebas o tratamientos de COVID.

Creo que ya hay demasiados mapas sobre la evolución del COVID19. Hay que motivar a pensar en los siguientes pasos: Los efectos económicos y sociales.  Esperamos que estas 2 columnas de blogs apoyen a continuar la investigación en este sentido.

PRUEBA EL MAPA

Solicita con un escrito de motivos a direccion@datlas.mx , gracias por tu participación recuerda compartir la columna y dejar tu opinion.

Datlas_Promo_Podcast_Suscribe

Fuentes:

Inteligencia artificial y big data para combatir el coronavirus (COVID-19)

El día de ayer la Organización Mundial de la Salud (OMS) declaró como pandemia el coronavirus o COVID-19, por su nombre oficial. ¿Qué significa esto? Una enfermedad entra en la categoría de pandemia cuando cumple cualquiera de las siguientes condiciones: se extiende a muchos países o ataca a casi todos los individuos de una localidad o región. En este caso, la propagación que ha tenido este virus desde el continente asiático hasta Europa y América le ha conferido la categoría de pandemia. Ahora bien, los coronavirus son una extensa familia de virus que pueden causar enfermedades tanto en animales como en humanos. En los humanos, se sabe que varios coronavirus causan infecciones respiratorias que pueden ir desde el resfriado común hasta enfermedades más graves como el síndrome respiratorio de Oriente Medio (MERS) y el síndrome respiratorio agudo severo (SRAS). La COVID-19 es la enfermedad infecciosa causada por el coronavirus que se ha descubierto más recientemente. Tanto el nuevo virus como la enfermedad eran desconocidos antes de que estallara el brote en Wuhan (China) en diciembre de 2019. Si bien esta no es una nota médica te invitamos a consultar los síntomas, las maneras de prevenir y protegerte de este virus en el sitio oficial de la Organización Mundial de la Salud (WHO, por sus siglas en inglés).

free_Suscriber

Sin duda la industria de la salud no ha sido exenta de vivir y beneficiarse de la reciente transformación digital y la innovación tecnológica. Para este caso puntual del coronavirus queremos destacar el papel que han tenido el big data y la inteligencia artificial en la lucha, prevención y reacción ante esta pandemia. En cuanto se confirmó el brote en Wuhan el gobierno chino comenzó a desplegar una estrategia de prevención y control basado en los sistemas de inteligencia y la tecnología que tanto han distinguido al país en las últimas décadas, así como apalancado en su sistema de gobierno que, para muchos expertos, en este caso fue bastante útil y eficaz para la capacidad de reacción que tuvo el país.

datlas_china_coronavirus_covid-19_2020

Por si no lo sabías, el gobierno de China ha instalado un sistema masivo de vigilancia para sus ciudadanos que va desde cámaras hasta una intervención directa en smartphones, rastreo de operaciones financieras y ubicación en tiempo real. Fue así como el gigante asiático comenzó a luchar contra el COVID-19. Lo primero en llegar fueron las cámaras térmicas. Como salido de una película de guerra o de invasión alienígena, empezaron a utilizar las cámaras para detectar la temperatura térmica de las personas, ya que uno de los principales síntomas del COVID-19 es el alza en la temperatura. Mediante inteligencia artificial, aún vigilan la temperatura corporal de los ciudadanos.

datlas_china_coronavirus_covid-19_camaras_termicas

El siguiente gran paso fue desarrollar aplicaciones para los smartphones que, utilizando un esquema de semáforo clasifican a los ciudadanos hasta condicionarles qué hacer y con quién relacionarse. En esta iniciativa destacaba la cooperación del gigante del comercio online Alibaba, que contribuyó a desarrollarla. La aplicación era capaz de identificar a las personas según tres colores: el verde, para quien puede moverse con libertad; el amarillo, para quien había estado en una zona con peligro de infección (razón por la que debía permanecer siete días en cuarentena); y el rojo para quien hubiera estado en contacto con zonas de alta afectación del COVID-19 (lo que obliga a permanecer catorce días en cuarentena).

Pero esta innovación, sin embargo, no fue la última. Porque si el semáforo móvil clasificaba a los ciudadanos de cara a su control peatonal en la calle, hubo una aplicación posterior que profundizó aún más. Y es que el gobierno y la Corporación de Tecnología Electrónica de China, respaldados por datos de las autoridades de salud y transporte –según publicó la agencia estatal Xinhua–, desarrolló una segunda app para permitir rastrear a las personas y alertar sobre si han tenido un “contacto cercano con alguien infectado”. Una aplicación que explotaba el big data en manos del gobierno, y que es accesible apenas con escanear un código QR en las populares plataformas chinas WeChat o Alipay. El único requisito es enviar el nombre, el número de teléfono y el número de identificación y, tras cruzar los diferentes datos a los que tiene acceso, ya puede advertir si se camina por un lugar con peligro de ser infectado, o si se ha viajado cerca de personas infectadas, también si se trata de miembros de la familia o de pasajeros y tripulación de un mismo tren o avión. Es más, incluso permite buscar números de identificación diferentes, y saber si son un riesgo de salud.

free_Suscriber

Sin duda alguna, estas últimas medidas pueden ser controversiales ya que son obligatorias en algunas ciudades chinas mientras que en otras están disponibles a voluntad. Lo que no se puede negar es que estas medidas han sido eficaces en el corto plazo, pero presentan un riesgo muy delicado. “La extrapolación de estas apps de control sanitario al incipiente sistema de crédito social puede provocar, además, que algunos colectivos sean marginados y aislados socialmente. Y ello se añade a un sistema masivo de vigilancia que, en base a lo detectado por cámaras, permite o no acceder a determinados medios de transporte, o tener prioridad en los servicios”, explica Antoni Gutiérrez-Rubí, experto en tecnología y política. Lo que se añade a la conocida opacidad informativa del gobierno de China sobre su alcance.

Finalmente, debemos estar atentos al desarrollo de esta pandemia, tomar en cuenta las medidas precautorias y seguir atentos a la forma en la que podemos adoptar algunas de estas tecnologías en favor no solo de la detección de posible infección sino en la cura definitiva de la misma.

Compártenos tu opinión y mantente atento a noticias como estas en nuestras redes sociales

@DatlasMX

Hablemos de emprendimiento – Datlas en el «V Congreso Internacional de Química e Ingeniería Verde» de FCQ UANL

El emprendimiento (ojo, no «emprendedurismo» mala traducción) es una de las habilidades más demandadas en este siglo. Con la digitalización actual es cada vez más fácil iniciar un negocio o proyecto personal. Al mismo tiempo, esto genera una necesidad de actualizarse constantemente para las empresas actuales, por miedo a quedar rezagados ante tanta innovación.

Datlas_barra_suscribir

En esta nueva dinámica ¿Qué rol le toca jugar a las universidades? ¿Cómo deberían cambiar los planes formativos de las nuevas generaciones ? Y ¿Cómo se empieza? En esta columna platicaremos de la oportunidad que tuvimos de dar una conferencia a los más de 1,800 asistentes al «V Congreso Internacional de Química e Ingeniería Verde» que se llevó a cabo por la Facultad de Ciencias Quimicas (FCQ) de la Universidad Autonoma de Nuevo León (UANL) con sede en el centro de convenciones Cintermex en la ciudad de Monterrey, Nuevo León, México. Para este evento recibimos la atenta invitación del Profr. Jorge Zarate y el Dr. Eli Gonzalez, director de la carrera de Ingeniería Industrial de la Facultad, a quienes agradecemos la oportunidad y todas las atenciones. El título de la presentación fue el siguiente:

Datlas_FCQ_UANL_2019

¿Cuáles fueron los 3 mensajes más importantes?

Durante la presentación hablamos de 1) ¿Cuáles son las características tecnológicas que hacen único a este siglo XXI a la hora de emprender?, 2) ¿Qué habilidades necesita formar un emprendedor? y finalmente contamos un poco de 3) ¿Cómo hemos construído Datlas?

1) En cuanto al primera tema concluimos que:

  • La tecnología es base de los emprendimientos en del siglo XXI
  • La tecnología habilita la disrupción y la escalabilidad de los modelos de negocio
  • La tecnología en cualquier modelo de negocio es un activo de crecimiento

El pase de diapositivas requiere JavaScript.

2) En el segundo punto discutimos sobre algunas habilidades que como jóvenes conviene ir generando durante la época de universidad y sobre todo de trabajar en equipos multidisciplinarios, es decir, con perfiles diversos. Asimismo concluimos que:

  • Un emprendedor genera modelos de negocio sustentables para resolver problemas específicos
  • Un emprendedor puede ser tradicional o tipo startup
  • Hay que emprender con equipos multidisciplinarios

Datlas_Pedro_FCQ_UANL_EGAII_2019
Pedro Vallejo, Director General DATLAS en presentación

3)  En el último punto expusimos sobre el sector emprendedor tecnológico de Monterrey, citando un estudio de Endeavor y CEMEX y retamos a los estudiantes a que se atrevan a llevar a cabo sus ideas de negocios. Aquí los puntos a destacar fueron:

  • El ecosistema de emprendimiento en Monterrey es dinámico  y está en constante crecimiento
  • El momento de intentarlo es ahora identificando un gran problema y desarrollando una solución con tecnología
  • No te olvides de la visión de tu emprendimientos, ya que este será el instructivo a seguir de tu equipo

El pase de diapositivas requiere JavaScript.

Finalmente recapitulamos los temas vistos en la charla y respondimos poco más de 10 preguntas de parte de los estudiantes.  Agradecemos las atenciones brindadas durante el evento de parte de los miembros de la FCQ, sus alumnos y en general la UANL por la cálida recepción que nos dieron.

Hasta aquí la columna de hoy. Si te interesa conocer nuestro programa de conferencias mantente atento a nuestras redes sociales o escribenos a direccion@datlas.mx

¡Próximamente daremos noticias acerca de nuestra participación en INCMTY 2019 !

@DatlasMX

Saludos

Equipo Datlas

 

 

 

 

 

 

¿Y en qué quedó el CoDi (Cobro digital) de BANXICO? – Datlas research

(En Datlas, startup de analítica Mexicana e impulsores del movimiento de big data mexicano, estamos  interesados en el CODI por la generación de datos que esta iniciativa va a promover. Un nuevo recurso abundante se aproxima ¿Cómo le haremos frente?)

**ÚLTIMA ACTUALIZACIÓN

Datlas_Update_blog_CODI

**** Continúa blog original

Imagínate que vas camino a la tienda de la esquina y al momento de pagar te das cuenta de que no llevas contigo tu cartera o imagina que estás de vacaciones, es momento de pagar la cuenta en un restaurante, pero al abrir tu cartera notas que no tienes efectivo. Te imaginas evitar pasar todos estos eventos que te provocan perder tiempo, pasar vergüenza, etc. Actualmente se está desarrollando una tecnología en México que te podrá ayudar con eso, y su nombre es CoDi. En esta columna te platicamos un poco de qué es y cómo van los avances según la información pública.

Datlas_barra_suscribir.png

CoDi es una plataforma de pago fintech, propuesta y en proceso de desarrollo por el Banco de México, en la cual se podrá realizar y solicitar pagos en los procesos de compra-venta de bienes y en los procesos de pagos de servicios, de una manera rápida, eficaz, segura y sin tener que llevar consigo una tarjeta o efectivo.

Datlas_example_CODI.png

El proceso de uso requiere de un código QR, el cual el vendedor deberá proporcionar ya se por una impresión o por una foto digital, el cual el comprador deberá escanear, despues de esto al comprador se le haría llegar un mensaje donde se solicitará aceptación para realizar el pago.

Datlas_Sample_CODI

¿Es novedad Mexicana?

En países como China, están dejando de lado el uso de efectivo y de tarjetas, y han optado por usar métodos de pagos iguales a Codi. Alipay y WeChat Pay son de los servicios que ofrecen este método de pago. Compañías como Apple y Samsung han puesto al alcance de sus usuarios un método de pago llamado NFC el cual estará enlazado con la tarjeta del usuario, pero este método no requiere de un código QR, aquí con solo acercar el teléfono a la terminal automáticamente se realizará el pago sin que el usuario tenga que sacar su cartera o cargar con ella, pero esta tecnología solo sirve en ciertos países y no todos los comercios cuentan con la facilidad de usar este método.

Datlas_AliPay_Sample.png

¿En México? ¿Cómo vamos?

Hoy en día CoDi está en fase de prueba, pero según Banxico, la plataforma estará habilitada a partir del cuarto trimestre de 2019. Solo algunos bancos tienen acceso a lo que se le puede llamar prueba piloto y se estima que para julio o agosto se iniciara una segunda etapa de prueba con algunos usuarios.

La lista de beneficios los cuales traería consigo CoDi es amplia:

  • Evitar el cargar con efectivo y/o la cartera.
  • Transacciones rápidas, eficientes y seguras.
  • Una mayor inclusión hacia todos los comercios tanto tiendas grandes como tiendas pequeñas como la de la esquina.
  • Crea y fomenta la competencia para que nuevos métodos de pagos sean creados con el fin de mejorar el servicio y beneficiar tanto al comprador como al cliente.
  • Al ser pagos electrónicos se evita la corrupción y se motiva más a la transparencia.
  • Podrás disponer de lo que este en tu cuenta de banco.

Datlas_foto_BANXICO_Comofunciona.png
Imagen obtenida del sitio web de BANXICO: http://www.banxico.org.mx/sistemas-de-pago/codi-cobro-digital-banco-me.html

En conclusión, se puede decir que la implementación de CoDi es un gran avance para México, el dejar de disponer siempre de cargar con efectivo, haciendo que dejemos de ser tan vulnerables a los asaltos en la calle podría ayudar a crear una sociedad más segura y además CoDi ayudaría a comercios pequeños a entrar en la evolución sin tener que gastar tanto. Estos métodos de pagos son un gran salto a la evolución de la economía en el país, y más aun cuando países  como China, Japón, EE. UU., etc., ya usan esta tecnología y funciona de una gran forma.

Datlas_barra_suscribir

Hasta aqui la columna de hoy. Te agradecemos leernos y si te gustó comparte. Pronto comenzaremos una etapa que podría ser un inicio de «cash-less» society o sociedad sin dinero en efectivo.

 

Equipo Datlas

(Desarrollado por José Romo parte de nuestro programa de intern de verano)

-Keep it weird-

 

Fuentes y otras referencias de datos: