Descubre nuestra experiencia desarrollando Dashboards con Microsoft Power BI- COLUMNA DE OPINIÓN DATLAS

Esta experiencia comienza a partir de una gran iniciativa la cual es el aprendizaje, desarrollo y aplicación en tableros de inteligencia llamados «Dashboards», en Datlas nos hemos dado la tarea de innovar siempre procesos.

Es por ello que por medio de este blog te estaremos compartiendo uno de los programas que nos llevará a nuevas fronteras y oportunidades en proyectos dónde el Big Data se resume en tableros de inteligencia con cierto dinamismo para navegar, analizar y tomar decisiones con datos duros.

Inicios

El equipo Datlas esta viviendo uno de los pasos más importantes para el dominio y desarrollo de Dashboards, uno de las plataformas las cuales dimos vida a estos tableros para las organizaciones fue *Google Data Studio* sitio web en la nube de Google la cual podemos desarrollar aprovechar la información

Cómo automatizar los reportes de ranking de palabras clave, con STAT y Google  Data Studio | MD Blog

Caso de Uso en Data Studio

En Datlas trabajamos con una de las verticales las cuales son una oportunidad inmensa para el análisis de datos, anteriormente presentamos un blog en especial de este desarrollo de dashboard de intelgencia para el monitoreo turístico en Nuevo León llamado «DASHA» este formato fue realizado por la plataforma en línea Google Data Studio.

La experiencia de trabajar con Data Studio fue un motor importante para Datlas para el desarrollo y aplicación de proyectos de dashboard, el aprendizaje y la aplicación fue constante para poder enlazar más de 80 tableros activos que tuvieron la oportunidad de sincronizarse por medio del data warehouse.

A continuación te mostramos algunas visualizaciones que se hicieron posibles por medio de Google Data Studio:

Animated GIF
La imagen tiene un atributo ALT vacío; su nombre de archivo es datlas_blog_promo_suscriberfree.png

Nuevas fronteras rumbo al Business Intelligence

Parte de la innovación y sus procesos es implementar nuevas estrategias que nos sepan adaptar al cambio para transformar información este proceso es el business intelligence el cual nos lleva nuevas fornteras, nuevos objetivos y nuevas herramientas tecnológicas.

Nuestra experiencia para el desarrollo de dashboards comenzo en Google Data Studio este año estamos posicionando nuestros próximos proyectos en una herramienta de análisis empresarial dentro de la nube de Microsoft One Drive esta herramienta es Power BI.

Esta visualización nos muestra los programas dedicados a realizar Dashboards ¿cómo ves la competencia?
Fuente: https://davoy.tech/power-bi-vs-tableau-vs-google-data-studio-in-2021/

Microsoft Power BI

Esta herramienta tiene como propósito analizar una gran cantidad de información dentro de la suite de Microsoft en la nube, la cual permite integrar diferentes fuentes desde un libro de excel hasta tablas dentro de una página web para poder ser visualizadas en tableros e informes que pueden ser publicados.

Power BI es uno de los programas con más cantidad de cursos de aprendizaje sobre la web, ojo aquí científicos de datos pues es una oportunidad para sumar a la metodologías aplicadas para el business intelligence como lo comentabamos anteriormente.

El equipo Datlas recomienda el siguiente curso impartido por Udemy de Power BI para el análisis de datos:

https://www.udemy.com/share/1031Mi3@XRuqenkYYBXMqQ9PvVmjKGjRNq2cn1GE92KRMLqYygWIqLZZNi2dYb6dAYmZrnC8Nw==/

No hay ninguna descripción de la foto disponible.

Esqueleto Microsoft Power BI

De acuerdo al aprendizaje que Datlas se dio a la tarea de conocer y aplicar, estos fueron los puntos a tratar durante la experiencia cuando tomamos el curso:

  • Descarga del producto y conociendo Power BI Desktop: Este apartado en términos generales se vio un reconocimiento que necesitamos entender antes de usar el programa
  • Limpieza, modelado y transformación de información: En esta secciión se vieron los distintos ejercicios para la limpieza de información
  • Visualizaciones, tableros y filtros: Conocimos la variedad de análisis que puede generar un informe al ser presentado por medio de visualizaciones y filtros
  • Lenguaje DAX aplicado: “Data Analysis Expressions” es un lenguaje el cual se vincula a funciones o expresiones matemáticas las cuales se utilizan en referencia a los modelos creados en BI
Interfaz de Microsoft Power BI
La imagen tiene un atributo ALT vacío; su nombre de archivo es datlas_promo_youtube_suscribe-1.png

Caso de Uso en Microsoft Power BI

Una de nuestras primeros informes en Power BI fue un caso de uso para analizar las ventas previstas y generadas por una segmentación de vendedores aplicando diferentes tableros para visualizar desde una tabla de excel hasta ciertos tableros inteligentes los cuales contenían filtros por segmentación.

A continuación te mostramos una visualización del ejercicio de monitoreo;

Animated GIF
Podemos notas que las visualizaciones son dinámicas, que tanto tableros y filtros se conectan al reporte.

Hasta aqui la columna de hoy, recuerda continuar la conversación en nuestras redes via @DATLASMX, y cuéntanos si en tu organización les gustaría algún Dashboard inteligencia con la metodología aprendida.

Equipo Datlas

– Keep it weird –

Dimensionando la industria de «Analítica de datos e Inteligencia Artificial» 2021 – Investigación Datlas

Nuevamente es el año 2021 y el ecosistema de la industria de productos-servicios de analítica de datos e inteligencia artificial se expande. Hace 2 años promovimos la publicación de matttruck.com quien dimensiona período a período el tamaño de la industria y sus distintos nichos.

En esta columna compartiremos la actualización al 2021.

** Revisa la edición del 2020: https://blogdatlas.wordpress.com/2020/02/04/dimensionando-industria-analitica-datlas/

Industria de analítica e inteligencia artificial 2021

Según el reporte podemos encontrar 7 industrias y varías sub-industrias para la industria de “datos” (Analítica, big data e inteligencia artificial).  Ahora haremos un pequeño enfoque a cada una.

1) Infraestructura

Este nicho contempla todo lo que tiene que ver con: Almacenaje, almacenaje distribuido, lago de datos, similares de almacenaje de bases de datos, herramientas para ETL, integraciones de datos, gobernanza de información, monitoreo de indicadores, entre otros.

2) Analítica y Machine Learning(ML)

Esto contempla todas las plataformas de inteligenica de negocios, visualización de datos, plataformas de analistas de datos, anlítica aumentada, catálogos, analytics de logs, búsqueda de información, entre otros.

3) Machine Learning e Inteligencia Artificial

Este grupo tiene como subgrupos los sistemas de documentación tipo «Notebook», plataformas de ciencia de datos, plataformas de ciencia de datos, etiquetado y generación de información, construcción de modelos, visión computacional, procesamiento de lenguaje computacional, sistemas conversacionales, hardware, entre otros.

4) Aplicaciones con enfoque a empresa e industria

Aplicaciones para empresa como marketing b2c, marketing b2b, ventas, experiencia del cliente, capital humano, legal, finanzas, automatización, seguridad. Otro tipo de aplicaciones como de educación, ciencias, inmobiliarias, finanzas, seguros, transportación, agricultura, entre otros.

5) Open source – Fuentes abiertas

Todo lo relacionado a fuentes abiertas (Y la mayoría gratuitas y con comunidades activas abonando). Como por ejemplo: Frameworks de trabajo, formatos, consultas tipo «query», bases de datos, orquestación, deep learning, colaboración, seguridad, entre otros.

6) Fuentes de Datos y APIs

Fuentes de datos como mercados de información, datos económicos, del aire, del espacio de mares, inteligencia geográfica, entre otros.

7) Más recursos de datos

Finalmente los recursos de datos que integran otros servicios de datos, escuelas e incubadoras y de investigación.

De la misma fuente, generaron un índice de compañías que más han levantado capital.

En ese sentido, varias de las compañías del ecosistema han mostrado fondeos impresionante ayudando a complementar el mensaje de lo vigorizante que es este tipo de industrias y el crecimiento que ha tenido.

¿Habías pensado que la industria de analítica de datos e inteligencia artificial era tan grande? ¿Sería interesante ver este tipo de dimensionamientos para Latinoamérica o Iberoamérica? Continúa la conversación en @DatlasMX.

Aprende más consultando nuestro DataPlaybook en línea y revisando DatlasAcademy (www.datlasacademy.com)

Fuente original para realizar esta columna: https://mattturck.com/

Equipo Datlas

– Keep it weird –

arquitectura de proyectos de datos (Data warehouses, vs Data lake vs Data mart) – Datlas manuales

Cuando vemos una casa bonita, con buena arquitectura , jardinería bien cuidada e iluminación en su punto lo que menos nos preocupa es cómo está la casa en su plomería y en los cables que hacen que esa iluminación y jardín se vean de primera. Al final tenemos contacto con los interiores y la fachada de la casa ¿Por qué debería de importarme? Bueno si en lugar de una casa habláramos de una plataforma increíble de mapas o dashboard… seguramente tendríamos que entender cómo funciona para poder construir uno para nosotros igual de funcional.

En esta columna hablaremos de la arquitectura para proyectos de datos y cómo funciona la plomería que hace viajar los datos desde su fuente hasta los puntos de consumo por los usuarios.

¿El contexto para el «aprovechamiento de los datos» ?

Desde hace un par de años decidimos comenzar nuestros diálogos sobre data science en foros nacionales con un gráfico así. Nuestra urgencia era comunicar por qué les debería de importar aprovechar todos esos datos que las organizaciones generan.

Ahora, no es tan necesario hablar de esto, la transformación digital a vuelto a los datos los protagonistas del cambio. No hay organización respetable que quiera «dejar valor en la mesa» y no esté ocupando un porcentaje de su tiempo en capitalizar el valor de los datos.

Mencionamos esto como contexto de la columna, el aprovechamiento de los datos muchas veces es dialogado de la parte cultural… pero ¿Cómo perderle el miedo a tratar de entenderlo desde la perspectiva técnica? Esperemos esta columna te apoyo a eso

¿Cómo funciona la plomería detrás de un proyecto de aprovechamiento de datos?

Un proyecto de aprovechamiento de datos para medianas y grandes cantidades de datos se puede ilustrar de la siguiente manera.

  • Existen datos de negocio de distintas fuentes. Puede ser puntos de venta transaccionales, ventas, información adquirida vía terceros (por ejemplo de clima de IBM o negocios de Google Places), de redes sociales, entre otras
  • Estos datos tendrán entrada a nuestros sistemas de información mediante una copia que se dirige a un repositorio de datos denominado «Data Lake» o «Lagos de datos». En este punto la información es de todo tipo y con estructuras diferenciadas
  • A partir de ahi es importante limpiar, estructurar e integrar las bases de datos de una manera en que puedan ser «consumibles» para nuestros proyectos de datos. Por ejemplo, si tenemos datos de clima y de negocio, podríamos generar una base de datos a nivel código postal o suburbio y cruzar estos 2 datos enlazados a una misma zona de la ciudad. Este proceso puede suceder via un ETL (Extract – Transform – Load ; Extraer – Transformar – Cargar) que son pasos programados para que los datos puedan ser casi listos para ser usados
  • Los datos procesados por el ETL serán ahora información. Esta información podrá ser almacenada en un repositorio llamado «Data Warehouse». A diferencia del «Lago de datos», en este «Warehouse» la información compartirá estructura y habrá una mayor homologación entre los sistemas numéricos en los que se registran las variables
  • Estos registros pueden pasar por pasos de «agregación» en donde se hacen sumatorias. Por ejemplo, en el «Warehouse» podríamos tener los registros de toda una semana de una tienda. Pero en la agregación, tendríamos la sumatoria de transacciones por día para poder realizar graficas de resultados diarios
  • Esa agregación la podemos llevar directo a plataformas como dashboards o si queremos manejar cierta discrecionalidad en la información podemos manejar «Data Marts». Por ejemplo, si queremos que el área de Logística sólo vea información operativa y no financiera podremos generar un Data Mart para aislar los datos y habilitar la construcción de tableros sólo con los datos que les corresponde visualizar

Te podrá interesar nuestras otras columnas: Qué es un ingeniero de datos en el diseño de perfiles de equipos de datos o cómo construir iniciativas de datos

¿Cómo varía por tecnología?

Estas rutas pueden variar por cada tecnología. Pero es válido decir que la mayoría de estas etapas se podrían cumplir en cada tecnología.

A continuación te compartirnos una imagen muy interesante que encontramos sobre los «pipelines» y contrastes entre:

  • AWS (amazon web services). De Lambda y S3 hasta Quicksight
  • Microsoft. De AZURE a PowerBI
  • Google. De big query a Data studio
Elaborado por @scgupta

Cuéntanos en @DatlasMX ¿Qué arquitectura preferirías o prefieres para tus proyectos de aprovechamiento de datos?

Liga: https://open.spotify.com/episode/3Y0AEOtTBqMrQHRKzkkWRl?si=60cd752c36bf4212

Hasta aqui la columna de hoy, gracias por leerla y te recomendamos suscribirte a nuestro podcast para seguir aprendiendo de datos y analítica. Conoce más en https://linktr.ee/datlas

Equipo Datlas

– Keep it weird-

Otras fuentes

HACKMTY Digital y reto Datlas «Predictor de Choques y Siniestros», aqui los ganadores… – Datlas Ecosistemas

Un hackathon es un término usado en las comunidades de «hackers» o programadores para referirse a un encuentro cuyo objetivo es desarrollar nuevas ideas en poco tiempo. Pueden durar desde un par de horas hasta un par de semanas. En la época contemporánea, se han utilizado para generar ideas que terminen en MVP (productos mínimos viables o prototipos) que resuelvan retos sociales y económicos.

El #HackMTY es un evento organizado por el TECNOLÓGICO DE MONTERREY y es reconocido como el «hackathon» más grande de México enfocado para estudiantes que buscan un grado de licenciatura (donde están las ingenierías) y maestría.  El evento está abierto a la comunidad TEC DE MTY y estudiantil. En esta ocasión se realizó el evento de manera digital.Aqui puedes ver su instagram para que conozcas un poco más.

Datlas_Blog_Promo_SuscriberFree

El pasado fin de semana, 24 horas contadas del mediodía del sábado 29 de Agosto a las 12:00pm del domingo 30 de Agosto del 2020 se llevó un hackathon donde desde Datlas participamos postulando un reto y siendo patrocinadores. En esta columna documentaremos cómo vivimos el evento y los resultados obtenidos

El pase de diapositivas requiere JavaScript.

Como empresas participantes existe la figura de «sponsors» y la de «sponsors que publican retos». En esta ocasión nosotros publicamos el reto «Desarrollar un sistema de predicción de choques y siniestros de vehículos para Nuevo León, México». La explicación del reto se encuentra en el siguiente video

La gestión del evento y comunicación se realizó en un canal de DISCORD poblado con más de 300 participantes, jueves y empresas sponsors. Nos organizaron generando canales para cada uno de las empresas que postulamos un reto y finalmente los participantes seleccionaban en qué reto querían participar. Este reto era el que de manera preponderante, buscaba soluciones de ciencia de datos.

Una vez que los equipos se suscribieron a los retos, por nuestra parte les compartimos unas sencillas guías y bases de datos para que se pusieran a trabajar. Más tarde alrededor de las 4:30pm desarrollamos un workshop en donde compartimos algunos tips sobre qué orientación podrían darle al reto. Aqui la presentación:

Las ligas a los mapas de ejemplo son:

Datlas_Promo_Facebook_Suscribe

Lo que transmitimos en este taller y que buscamos sensibilizar a los participantes es que este reto tiene el objetivo de desarrollar análisis, modelos predictivos y prescriptivos que puedan impulsar sugerencias para 2 públicos:

1) Gobierno: para impulsar mejores a las vialidades y mejoras al patrullaje de tránsito

2) Empresas aseguradoras: para mejorar sus niveles de servicio ubicando a sus ajustadores más cerca de las zonas donde potencialmente ocurrirá un choque

Después de este breve taller resolvimos algunas dudas y orientaciones que nos hicieron llegar a nuestro canal para pasar al día domingo esperando las premiaciones. Este día a mediodía era cuando los equipos se preparaban para hacer sus presentaciones estelares a los jurados del HACKMTY y a los postuladores del reto para ser calificados y competir por los primeros lugares.

WhatsApp Image 2020-08-31 at 9.20.10 AM

Desde Datlas, los criterios que usamos para calificar fueron los siguientes:

Datlas_hackmty_rubrica

La presentación de los participantes estuvo increíble. Los equipos trabajaron arduamente durante 24 horas y su esfuerzo dio frutos. Realmente quedamos impresionados con el componente social que los participantes agregaron y las técnicas de ciencia de datos que mostraron. Aqui una breve reseña de algunos de los participantes:

Finalmente, como ganadores internos:

  • Mención honorifica para el equipo ENIGMA, quienes los integrantes son estudiantes de la maestría en ciencia de datos, por haber integrado y considerado la mayor cantidad de información contextual en su modelo de una manera eficaz
  • Como ganadores del reto tuvimos al equipo ALPHA TAURI quienes documentaron su proyecto en este repositorio de GITHUB y su plataforma aqui

Estamos muy contentos porque estos participantes del reto terminaron en el TOP TEN GLOBAL del HACKMTY , por lo que participaron por los primeros lugares del evento en el pitch final.

Felicitamos primeramente a los organizadores que hicieron posible el evento. Agradecemos la invitación y esperamos el siguiente año más sponsors se sumen con entusiasmo porque de verdad esta es una de las mejores formas de inyectar consciencia social e innovación en generaciones que se están preparando para salir al mundo profesional.

Top ten y ganador del reto (Video): AlPHA TAURI

Datlas_Promo_Podcast_Suscribe

Equipo Datlas

– Keep it weird –

La inteligencia artificial en tu día a día

Cada vez es más sonado el uso de la inteligencia artificial y de su potencial para revolucionar cada industria, como ya lo mencionamos en una de nuestras notas anteriores.

Mientras que Twitter y Facebook utilizan inteligencia artificial para mostrarte los tweets o posts que podrían interesarte más, el resto de los servicios que utilizamos día a día no se quedan atrás, es por eso que te presentamos el día de hoy los servicios o herramientas que utilizas en tu día a día que cuentan o están por lanzar alguna herramienta nueva que emplee inteligencia artificial.

Google

Gmail cuenta con una herramienta llamada “Smart reply” de la cual quizás ya te hayas percatado en tu celular; se trata de una manera de responder a tus correos rápidamente al sugerir respuestas basadas en el contenido del correo anterior ahorrándote tiempo en teclearlas por tu cuenta, argumentan que el 12% de las respuestas enviadas por celular son mediante esta herramienta.

Además del smart reply se planea lanzar una herramienta llamada “Snooze”, sabemos que podemos posponer la alarma un par de minutos cuando nos resulta difícil levantarnos en la mañana pero Snooze en los correos es algo nuevo que nos presenta el equipo de Google, se trata de posponer tus mensajes para leerlos en una fecha posterior, esto resulta útil para aquellas situaciones en las que no puedes leer un correo por cuestiones de tiempo, como al estar en una junta, pero que sabes que lo podrías leer al terminarla.

Otra herramienta de Google en Youtube es la de combatir el terrorismo al eliminar videos relacionados automáticamente, pues éste era un gran reto para un humano considerando que cada minuto se suben más de 400 horas de videos a esta plataforma.

Microsoft

Microsoft introdujo el día de ayer un preview, cuyo objetivo es aplicar técnicas de aprendizaje automático (machine learning) a su paquete de Office 365.

En excel por ejemplo, está la herramienta “Insights”, que resulta muy útil para identificar tendencias, valores atípicos, generar tablas pivote y visualizaciones de utilidad.

En word, está la herramienta “Acronyms” que identifica acrónimos basado en documentos o correos anteriores.

En outlook, se integró Cortana para notificar actualizaciones de juntas o la hora indicada para salir considerando el tiempo que tomará llegar a la siguiente.

Text in image search, una herramienta que extrae texto de imágenes para que sea más sencillo buscar algún documento en específico.

Spotify

El «Discover» de Spotify utiliza aprendizaje automático para generar recomendaciones para tí basado en tus canciones escuchadas.

Además de ello, aunque aún no se sabe nada concreto, sabemos que algo traman, pues este año contrataron a François Pachet, un experto en las aplicaciones de la inteligencia artificial para crear música, ¡tu siguiente artista preferido podría sea una computadora en Paris!… aunque François ha mencionado que sus planes son asistir a los artistas actuales con sus composiciones y no reemplazarlos.

De nuestra parte en Datlas, utilizamos algunas técnicas de inteligencia artificial para ayudar a los emprendedores a encontrar la mejor ubicación para su negocio dadas sus necesidades y mercado meta, visítanos en www.thedatlas.com si te interesa conocer más.

 

 

Ver más en:

[1] https://www.blog.google/products/gmail/save-time-with-smart-reply-in-gmail/
[2] https://youtube.googleblog.com/2017/08/an-update-on-our-commitment-to-fight.html
[3] https://artists.spotify.com/blog/innovating-for-writers-and-artists

Microsoft Vs. Apple – De las primeras batallas en Startups -DATLAS: Columnas de opinión

Datlas_Blog_Promo_SuscriberFree

Este post va de la mano con la entrevista más famosa entre Bill Gates y Steve Jobs de 2007 donde hablan del pasado en las empresas y el futuro que percibían en ese momento para los sigueintes 5 años de la industria.

Y a continuación se mostrarán algunos headlights de la historia de rivalidad más grandes entre compañías que una vez fueron las startups más disruptivas de nuestros tiempos.

¿Por qué son/fueron una startup?

Startup es una compañía en fase de desarrollo con enorme escabilidad dentro del mercado. Estas compañías siempre estuvieron rodeado de ese entorno, pero dejaron de ser unas startups (al término que nos referimos hoy) cuando sus invenciones y proyectos dejaron de perpetuarse de forma personal y pasaron a una existencia semi-permanente.

Headline de la conferencia Bill Gates y Steve Jobs 2007 para Fortune

Bill- Construyó la primera compañía de software

Steve – Enfocado en la industria de hardware  computadora personal

Ambos: Mucha suerte atrayendo enormes talentos

1976 Apple: Quería una computadora donde pudieras escribirtu programas. Wozniak escribió el Basic. Era perfecto en todo, pero no era un punto flotante.

1977 Micrososft, lanzaron Basic en 75

– En apple II había software de Micrososft

– Basic Micrososft por Bill Vs. Basic Apple por Wozniak. Ventaja de MS es que tenían un punto flotante

– Microsoft le apostó mucho a la MAC para entrar en el mercado de las aplicaciones

– Windows 95 con interfaces gráficas se volvió un salto enorme para el software y las aplicaciones

– Apple no creció queriendo ganarle a microsoft, quería ser diferente que microsoft

– La relación entre apple y microsoft es una de las mejores que pueden tener entre desarrolladores

– Apple creó el mercado de reproductores móviles (Zune vs. Ipod)

– Apple se ve como una compañía de software. Ya no quedan muchas compañías de software. Mac no va a tomar el 80% de mercado de la pc.

– Microsoft está preparando software para desarrollo de robots y en un futuro competir. Busca integrar el software con el hardware como lo hace Apple en perfección

– Diferencias entre el mercado empresarial y el mercado de consumo es básicamente lo que diferencia una PC de una MAC

¿Cömo miran a la competencia y a la gente que quiere construir compañías de internet?

S: Es lo más sano que hayan encontrado. Quieren construir compañías que duren, no sólo para venderlas. Quieren hacer algo para que dure.

B: Un periodo saludable. Creación de nuevas interfaces, importancia de la nube y que el internet se haga parte de las tareas en la experiencia trae mucha invención que hace antiguas a las compañías que ya existían.

Voltearemos a ver este período como uno de las grandes etapas de invención.

Datlas_Promo_Facebook_Suscribe

Más headlights

– Al migrar a la nube ya no tienes que invertir tanto en el hardware

– El secreto es combinar las posibilidades de hoy con la información en la nube. La nube lo va a hacer más fuete

–  Ejemplo: Mejoramos googlemaps y lo que google tenía usando la misma información que había disponible cambiaron extremademente la usabilidad con una app. No puedes hacer eso en un «explorador».

– Steve: Hay una explosión en lo que se llama «Post-Pc»: Ipods, etc. Una variedad de productos más enfocados en propósitos específicos y eso va a ser muy innovación.

¿Cuál será la usabilidad base de los dispositivos portátiles?

B: EL gps, teléfnoo, cámaras, «digital wallet»… pero eventualmente vas a tener algo que haga todas esas cosas

Editar una tarea, una película, lectura, etc.

«Si tuvieramos una pantalla que se desenrolla podríamos tener un aparato que lo tuviera todo» (2014 Samsung lanza su pantalla enrollable)

– Buscar que la tecnología haga algo por otra causas, por ejemplo ahora estamos viendo que finalmente está haciendo algo por la educación

Aprendizajes y comentarios a compartir

* Forma un equipo genial desde el inicio. Como consejo aparte reparte bien la propiedad desde un inicio. Haganlo de la mejor forma y no tengan miedos de ser invasivos, en el futuro les traerá armonía

*El futuro y las posibilidades de desarrollo de nuevos mercados ahora está en usar la información que ya tenemos, pero de una forma más ágil, más bella y accesible para todos

*El éxito es diferente que la felicidad. En toda la entrevista podemos ver como ellos disfrutan de cada historia que cuentan. Imagínate volteando atrás en 10 o 20 años. ¿Serías como ellos?

Datlas_Promo_Youtube_Suscribe

Saludos y espero que les haya gustado.

No olviden unirse a nuestro grupo de facebook:

https://www.facebook.com/datlasmx/

 

Linkedin: Pedro Vallejo Castillo