Análisis Exploratorio de Datos en Python
Para el año 2022 se estima que más del 50% de los negocios globales surjan a partir de los datos
(Castellote E. (2019). Es por ello que, para el 88% de los directivos, la inversión en big data e
inteligencia artificial es ya una de las mayores prioridades en sus organizaciones (Big Data and AI
Executive Survey 2019). Estas cifras nos llevan a reflexionar y entender como en el mundo cada
vez se producen y almacenan más y más datos. En la actualidad es imprescindible el uso de la
tecnología en todos los procesos desarrollados al interior de las organizaciones.
Gracias a los procesos de transformación digital y tendencias tecnológicas como la industria 4.0,
las empresas, además de mantenerse en el mercado, buscan ser cada vez más competitivas y
deben integrar a su recurso humano, profesionales con capacidades de análisis y
aprovechamiento de datos masivos.
En este aspecto el análisis de los datos es una herramienta muy poderosa que permite a las
gerencias de las organizaciones tener acceso a información de valor que se convierte en el insumo
más importante para la toma de decisiones.
La prospectiva tecnológica 2016-2025, con base en pronósticos de Gartner e IBM, compara
pronósticos de otras reconocidas firmas de analistas como Markess International, Ovum y Pew
Research Center, determinando con la hipérbole de Gartner, que la analítica de datos será el
precursor de máquinas inteligentes avanzadas que irán más allá de los protocolos tradicionales de
computación capaces de percibir y aprender por sí solas [FEDESOFT 2015].
En este sentido, el SENA ofrece el programa de formación complementaria en análisis
exploratorio de datos, con el objetivo de brindar una formación que permita adquirir habilidades
y destrezas en técnicas de análisis y exploración de datos utilizando para este proceso el lenguaje
de programación python, de tal manera que los aprendices en esta área contribuyan al sector
productivo encontrado ventajas en el aprovechamiento de sus datos para la toma de decisiones y
la predicción de comportamientos futuros, basados en análisis estadístico y la aplicación de
técnicas propias del campo de la analítica de datos.
Contenido
RA1.
Entender el negocio: comprender la misión, visión y metas empresariales, establecimiento
de objetivos a corto, mediano y largo plazo, proyección y análisis de expansión y crecimiento
futuro.
Datos: fuentes de datos e información, exploración de la estructura de los datos.
Preparar la data: preparación de datos, detectar errores y datos faltantes, identificación
de las variables más importantes, definir las preguntas básicas, verificar si los valores de las
variables están en la escala correcta, entender la data.
Introducción al análisis exploratorio de datos: estadística descriptiva y estadística
inferencial, población y muestra, carácter, variable y atributo, la medida, escalas de medida y
clasificación de variables.
RA2.
Métodos para hacer análisis exploratorio de datos: datos univariables, datos bivariados,
datos multivariables.
Estructuras de datos: series y dataframes, dataset, ordenamiento de datos, indexación y
recuperación.
Herramientas tecnológicas para el análisis y visualización de datos: python, librerías
(pandas, numpy, matplotlib, sklearn, entre otras), ide google colaborate, jupyter, spyder,
pycharm, anaconda, orange.
Visualización básica de datos: gráficos de barra, gráficos de columna, histogramas.
RA3.
Evaluación de resultados: evaluación del resultado, comprobar el resultado obtenido
frente a los objetivos del negocio.
Validación preguntas de análisis: comprobación del resultado del modelo frente a las
preguntas de análisis propuestas, aceptación o propuesta de nuevos interrogantes.
Habilidades que Desarrolla
RA1:
Recopilar información acerca de la situación actual de la empresa o negocio objeto de
estudio.
Identificar los objetivos de negocio de la empresa u organización objeto de análisis.
Identificar fuentes de datos.
Preparar los datos para su análisis en busca de errores y datos faltantes.
Definir las preguntas objeto de análisis.
RA2:
Definir el método para hacer el análisis exploratorio de los datos.
Preparar los datos recopilados de diferentes fuentes ordenando e indexando los datos.
Preparar el dataset o base de datos a ser analizada.
Determinar las variables objeto de análisis.
Generar el modelo de análisis.
Preparar la infraestructura tecnológica a ser utilizada en el modelo propuesto.
Definir el tipo de grafico que permita visualizar las variables analizadas.
Generar grafico que permita visualizar resultados del análisis.
Ra3:
Evaluar el modelo construido.
Comprobar el resultado del modelo vs los objetivos de la organización modelo de mejora
continua.
Verificar si el resultado del modelo de análisis da respuesta a las preguntas de análisis
planteadas para la empresa u organización.
Preparar informe del análisis exploratorio de los datos.
Requisitos de Ingreso
Conocimientos en:
Preferiblemente conocimientos en lógica de programación y algoritmia básica (estructura
general de un algoritmo, variables, constantes, estructuras condicionales, estructuras
repetitivas).
Recomendable tener conocimientos básicos en estadística como: Población, muestra,
individuo, muestreo, valor, dato, máximo, mínimo, promedio, varianza.
Recomendable haber realizado previamente el programa Variables y Estructuras de
Control en Python.
Competencias en solución de problemas con algoritmia y lógica de programación.
Académicos:
Grado 9 aprobado,
Requisito adicional: Superar prueba de aptitud, motivación, interés y competencias mínimas de
ingreso.
Requisito de ley: Edad mínima definida en la ley (14 años).
