Más allá de GA4: cómo enriquecer tus datos en BQ

Nos enfocamos en la idea de ampliar una red de conexiones y colaboradores para potenciar proyectos, utilizando el ejemplo del análisis de la música popular y planteamos cómo implementar un proceso para recopilar y analizar datos utilizando Google Cloud Functions, Google Cloud Schedule y Google BigQuery. A través de la automatización, ilustramos cómo se pueden extraer datos de la API de Spotify y almacenarlos en BigQuery para análisis posteriores, destacando la versatilidad y las posibilidades de esta configuración.

Man in the middle: cómo generar tu propio proxy

Desde la frustración al depurar con herramientas como Charles presentamos Mitmproxy como solución. Mitmproxy es un proxy para interceptar el tráfico HTTP entre cliente y servidor, y mostramos cómo usarlo para analizar el tráfico de sistemas de análisis como Google Analytics y Tealium. Explicamos el proceso de instalación, configuramos un script en Python y detallamos cómo utilizar Mitmproxy en ordenadores y dispositivos móviles para depurar y analizar datos.

La historia de la música Popular a través de los datos

Hemos explorado la pasión por la música y su relación con los datos. La necesidad de comprender las tendencias musicales pasadas para entender las actuales. Abordamos la creación de una historia de la música popular basada en datos, enfrentando desafíos técnicos y conceptuales. Utilizamos la API de Spotify para obtener metadatos de canciones y aplicamos técnicas de agrupación de géneros. Visualizamos la evolución de los géneros a lo largo del tiempo utilizando BigQuery y DataStudio. Aprendemos de los obstáculos encontrados y la importancia de analizar y visualizar datos con perspectiva.

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.

¿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.

Streamlit vs Dash: cómo crear tu propio dashboard interactivo con python

Al iniciar mi blog, me encontré con la típica indecisión sobre qué contenido compartir. ¿Qué debería ser mi primer tema? ¿Interesará a alguien? Decidí seguir mi instinto y centrarme en algo que me apasiona: dashboards y visualización de datos. Mi enfoque será claro y directo, sin rodeos. A lo largo del post, trazaré un camino detallado para crear un dashboard usando las herramientas Dash y Streamlit. Desde la extracción y construcción de datos, hasta la comparación de ambas opciones. Compartiré los desafíos que enfrenté y las decisiones que tomé durante el proceso, concluyendo que Streamlit es una elección ideal para proyectos personales de visualización de datos.