12 pasos para cambiarte a los datos

Hemos presenciado la importancia de los datos en el mercado laboral actual. El FMI ha destacado trabajos relacionados con datos en su informe sobre «trabajos del futuro». Compartimos consejos para quienes desean adentrarse en este campo, desde explorar nuevas actividades hasta dominar habilidades esenciales como Git, SQL y Python. Resaltamos la necesidad de aprender constantemente y utilizar redes sociales, siendo la pasión por los datos la clave en esta travesía.

Las mejores técnicas para limpiar y organizar datos con Pandas (parte 2)

Si has llegado hasta aquí sin duda eres uno de los míos: los datos te atrapan más que una pizza el sábado por la noche. Como ya comenté en la primera parte de este post, esta segunda parte versaría sobre las técnicas que considero más útiles y fundamentales a la hora de estructurar nuestros datos. […]

Las mejores técnicas para limpiar y organizar datos con Pandas (parte 1)

Las técnicas más eficaces de estructurar y limpiar tus datos con la herramienta de python Pandas.

5 consejos para dominar Data Studio

Mi visión sobre las herramientas clave en Data Studio para crear dashboards poderosos. Destacamos la estructuración eficiente de datos, la inclusión de textos aclarativos, la utilidad de las visualizaciones de la comunidad, y el recurso de Case & Ifs para nuevos campos. Además, enfatizamos la importancia de dominar Regex y Google Sheets para un aprovechamiento completo.

Data Extract: agiliza la carga de tus datos en Data Studio

La entrada explora la funcionalidad «Data Extract», que potencia la velocidad de carga de datos, mejorando la usabilidad y la eficiencia. Se presenta un ejemplo práctico de una empresa de distribución de espantapájaros que requiere un dashboard para controlar ventas. A pesar de las dificultades en la conexión de bases de datos, se descubre cómo usar Data Extract para pre-cargar información en DataStudio, aliviando la carga de llamadas y optimizando el proceso.

¿Sueñan los androides con géneros musicales?

A lo largo de este trabajo, hemos recorrido un emocionante camino a través de la API de Spotify en varias etapas esenciales. Se planteó el objetivo de observar cómo el algoritmo K-Means interactuaba con datos que caracterizan canciones. Se empleó Spotipy para extraer datos y Jupyter Notebook para prepararlos y realizar el análisis de clustering. Se normalizaron datos y se obtuvieron clusters que representan características musicales. El análisis de clusters reveló relaciones entre parámetros y cómo se distribuían los géneros en ellos.

API Calls: explorando los datos de Hubspot con python (parte 2 y final)

En esta segunda parte, se exploran técnicas esenciales para organizar y estructurar datos con Pandas y Python. Se destaca la versatilidad de las técnicas de unión y fusión de datos, incluyendo «join», «explode», «map» y «merge». Se subraya la utilidad de estas técnicas para relacionar datos, crear nuevas columnas y denormalizar DataFrames. Aprendemos a jugar con un Jupyter Notebook proporcionado.

API Calls: explorando los datos de Hubspot con python (parte 1)

En esta primera parte, se explica las bases de una API y presenta HubSpot como un CRM y herramienta de marketing todo en uno. Se aborda el desafío de obtener datos específicos y revela cómo usar una API Key para autenticarse. Introducimos un script de Python que realiza una llamada a la API de HubSpot, recuperando los IDs de emails y almacenándolos en un archivo JSON. Resaltamos la importancia de módulos como argparse, urllib.parse y json, y enfatiza la función de paginación y filtrado para recopilar datos necesarios.

Filtros y Condicionales en DataStudio

Google Datastudio, a pesar de ser más sencillo que algunas herramientas similares, ofrece una potente solución para visualizar datos. Su integración con la suite de Google, variedad de gráficas, y facilidad de uso lo hacen valioso. Se explora un caso real de un dashboard que determina alimentos aptos para intolerantes a la fructosa, usando filtros y condicionales para cambiar el color según los resultados. Al usar Google Sheets como fuente de datos y personalizar el formato condicional, se logra un dashboard útil y dinámico.

Configurar el consentimiento de cookies con Google Tag Manager [con receta]

En un escenario donde una empresa de molinillos de café busca respetar la privacidad del usuario, el uso de Google Tag Manager (GTM) junto a CookieBot resulta esencial. GTM permite gestionar e inyectar código en el sitio web, garantizando que se envíe información solo según las elecciones de los usuarios. Utilizando triggers y variables en GTM, las decisiones de consentimiento de cookies se aplican a las plataformas conectadas, asegurando la privacidad y cumplimiento normativo.