¡Bienvenidos! Si estás interesado en el mundo del Big Data, entonces el curso de ingeniero de datos es para ti. Durante este curso, aprenderás los fundamentos de la ingenería de datos y cómo trabajar con grandes volúmenes de información para crear soluciones tecnológicas innovadoras y efectivas.
Los ingenieros de datos son esenciales en la actualidad, ya que se encargan de diseñar y administrar la infraestructura necesaria para recopilar, almacenar, procesar y analizar grandes cantidades de datos. Estos datos se utilizan para identificar patrones, predecir tendencias y tomar decisiones informadas en el ámbito empresarial y tecnológico.
No se requiere experiencia previa en ingeniería de datos, ya que el curso está diseñado para principiantes. Lo importante es tener la actitud de querer aprender y estar dispuesto a poner en práctica los conocimientos adquiridos. ¡Únete a nosotros en este emocionante viaje hacia el mundo de la ingeniería de datos y descubre el potencial de los grandes volúmenes de datos!
Cada uno de las modalidades las podrás identificar al lado del nombre de cada lección con los siguientes iconos:
Lectura: 📄
Videos: 📷
Notebooks: 📘
Tour guiado: 🎯
Note: La ruta de aprendizaje se encuentra en constante actualización.
| Modulo | Duración | Lección | Descripción | Fuente | Modalidad |
|---|---|---|---|---|---|
| 01-Introducción y conceptos básicos | 1 hora | Introducción a la ingeniería de datos: Conceptos básicos y principios de la ingeniería de datos. | En la mayoría de las organizaciones, un ingeniero de datos es el responsable principal de integrar, transformar y consolidar datos de varios sistemas de datos estructurados y no estructurados en estructuras adecuadas para crear soluciones de análisis. Un ingeniero de datos de Azure también ayuda a garantizar que las canalizaciones de datos y los almacenes de datos son de alto rendimiento, eficientes, organizados y confiables, dado un conjunto específico de requisitos y restricciones empresariales. | Microsoft | Lectura 📄 |
| 01-Introducción y conceptos básicos | 1 hora | Almacenamiento de objetos vs Bloques | Vamos a explicar en qué consiste el almacenamiento de objetos vs el almacenamiento de bloques, cuáles son sus diferencias, sus aplicaciones, cómo elegir entre ellos. | Aprender BIG DATA | Lectura 📄 |
| 01-Introducción y conceptos básicos | 1 hora | Conceptos Básicos de la nube | Guía básica con los conceptos fundamentales. También, vamos a explorar los servicios más comunes, las ventajas que aporta la nube pública y sus tres modelos de implementación. | Aprender BIG DATA | Lectura 📄 |
| 01-Introducción y conceptos básicos | 1 hora | Comparativa herramientas ETL más usadas en la empresa | Comparativa de las herramientas ETL empresariales más usadas y comparamos sus pros y contras para tomar la mejor decisión informada al elegir una herramienta para un proyecto. | Aprender BIG DATA | Lectura 📄 |
| 01-Introducción y conceptos básicos | 1 hora | ETL vs ELT ¿Cuáles son sus diferencias? | Exploramos las diferencias y similitudes entre ETL y ELT como métodos para integrar y mover grandes cantidades de datos. | Aprender BIG DATA | Lectura 📄 |
| 01-Introducción y conceptos básicos | 1 hora | ¿Qué es el big data? | Qué es y cómo se define el Big Data. También, aprenderemos qué tipo de datos maneja, sus características e importancia en la actualidad. | Aprender BIG DATA | Lectura 📄 |
| 01-Introducción y conceptos básicos | 1 hora | ¿Qué es un Data Warehouse? | Qué es un Data Warehouse y las claves para comprender qué requisitos considerar al evaluar tu solución de Data Warehousing para Big Data. Además, veremos las ventajas de los DWH en Cloud y las opciones que existen. | Aprender BIG DATA | Lectura 📄 |
| 01-Introducción y conceptos básicos | 1 hora | Data Lake: Definición y Tecnologías | Qué es un Data Lake en el mundo del Big Data y sus diferencias con los Data Silos y los Data Warehouses. Además, exploraremos las alternativas que existen para construir data lakes con tecnologías modernas y aprovechando los servicios cloud. | Aprender BIG DATA | Lectura 📄 |
| 02-Bases de datos | 1 hora | Bases de Datos Relacionales y SQL | Las bases de datos relacionales y el lenguaje SQL son algunos de los conceptos fundamentales que necesitarás aprender. | Aprender BIG DATA | Lectura 📄 |
| 02-Bases de datos | 1 hora | Base de datos NoSQL | En esta entrada explicaremos las características de las bases de datos NoSQL y sus diferencias con las bases de datos relacionales. Además, veremos sus ventajas y algunas recomendaciones para determinar cuándo y cómo elegir la mejor base de datos NoSQL. | Aprender BIG DATA | Lectura 📄 |
| 02-Bases de datos | 1 hora | Conceptos básicos del diseño de una base de datos | Una base de datos correctamente diseñada le permite obtener acceso a información actualizada y precisa. Como es esencial tener un diseño correcto para lograr sus objetivos de trabajar con una base de datos, tiene sentido invertir el tiempo necesario para obtener información sobre los principios de un buen diseño. Al final, es mucho más probable que acabe con una base de datos que se ajusta a sus necesidades y que puede adaptarse fácilmente al cambio. | Microsoft | Lectura 📄 |
| 02-Bases de datos | 6 horas | SQL Básico | Este curso proporciona una introducción comprensible al lenguaje de las bases de datos relacionales: lenguaje de consulta estructurado (SQL). Contextulizado a la herramientas analíticas del banco | Capacidades analíticas y gobierno de información | Lectura 📄 |
| 03-Herramientas y tecnologías | 3 horas | Ingesta de datos y mensajería | Introducción a diferentes herramientas para ingesta de datos y mensajeria como NiFi, Kafka, Pulsar y Flume | Aprender BIG DATA | Lectura 📄 |
| 03-Herramientas y tecnologías | 3 horas | Procesamiento de datos | Introducción a diferentes herramientas para procesamiento de datos como Spark y Flink. | Aprender BIG DATA | Lectura 📄 |
| 03-Herramientas y tecnologías | 3 horas | Almacenamiento de datos | Introducción a diferentes herramientas para almacenamiento de datos como Hadoop, HDFS, Hive, Impala, Redshift, BigQuery y Synapse | Aprender BIG DATA | Lectura 📄 |
| 03-Herramientas y tecnologías | 12 horas | ❗ Uso avanzado de Impala para conexión con el ecosistema analítico (LZ) | Uso avanzado de Impala y lineamientos generales para conexión con el ecosistema analítico (LZ) en la organización. | Capacidades analíticas y Gobierno de información | Videos 📷 |
| 04-Programación | 5 horas | Introducción a la programación en Python | Comience con Python, si no tiene experiencia en codificación. | Kaggle | Lectura 📄 |
| 04-Programación | 8 horas | Introducción a Python | En este espacio puedes encontrar las memorias de los cursos dictados de Python, así puedes repasar, aclarar dudas y reforzar conocimientos. | Capacidades Analíticas y Gobierno de Información | Videos 📷 |
| 04-Programación | 18 horas | Python básico | Con el apoyo de Juan David Escobar Escobar y Blaimir Ospina Cardona, del equipo de Transformación y Soporte de Inteligencia de Negocios, se generó este material para aprender los conceptos básicos de este lenguaje que está dando mucho de qué hablar. | Skill hacking | Videos 📷 |
| 04-Programación | 6 horas | Aprende todos los fundamentos de Pandas | Con los recursos disponibles, aprenderá todo sobre pandas, la biblioteca de Python más popular para el análisis de datos. | Kaggle | Lectura 📄 |
| 05-Visualización de datos | 1 hora | Visualización de datos | El objetivo es presentar los lineamientos generales de visualización de datos con el fin de facilitar la comprensión de la información presentada al público general. | Capacidades analíticas y gobierno de información | Lectura 📄 |
| 05-Visualización de datos | 1 hora | Introducción a la compilación con Power BI | Conozca mejor qué es Power BI, incluidos sus bloques de creación y cómo funcionan conjuntamente. | Microsoft | Lectura 📄 |
| 05-Visualización de datos | 10 horas | Analista de datos de Power BI | El analista de datos de Power BI ofrece información procesable al aprovechar los datos disponibles y aplicar la experiencia en el dominio. El analista de datos de Power BI colabora con las partes interesadas clave en las verticales para identificar los requisitos comerciales, limpia y transforma los datos, y luego diseña y crea modelos de datos mediante el uso de Power BI. El analista de datos de Power BI proporciona un valor comercial significativo a través de visualizaciones de datos fáciles de comprender, permite que otros realicen análisis de autoservicio e implementa y configura soluciones para el consumo. | Microsoft | Lectura 📄 |
| 06-Recursos adicionales (opcional) ❗ | 20 horas | ❗ Productizar la analítica en la organización | Conceptos y proceso para productizar modelos analíticos en la organización. | Capacidades analíticas y gobierno de información | Videos 📷 |
-
Descripción: En la mayoría de las organizaciones, un ingeniero de datos es el responsable principal de integrar, transformar y consolidar datos de varios sistemas de datos estructurados y no estructurados en estructuras adecuadas para crear soluciones de análisis. Un ingeniero de datos de Azure también ayuda a garantizar que las canalizaciones de datos y los almacenes de datos son de alto rendimiento, eficientes, organizados y confiables, dado un conjunto específico de requisitos y restricciones empresariales.
-
Duración: 1 hora
-
Idioma: Español
-
Contenido:
- ¿En qué consiste la ingeniería de datos? - Microsoft 📄
- Tipos de datos
- Operaciones de datos
- Idiomas comunes
- Conceptos importantes de ingeniería de datos - Microsoft 📄
- Datos operativos y analíticos
- Streaming de datos
- Canalizaciones de datos
- Lagos de datos
- Almacenamiento de datos
- Spark de Apache
- ¿En qué consiste la ingeniería de datos? - Microsoft 📄
- Descripción: Vamos a explicar en qué consiste el almacenamiento de objetos vs el almacenamiento de bloques, cuáles son sus diferencias, sus aplicaciones, cómo elegir entre ellos.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- ¿Qué es el almacenamiento de objetos?
- ¿Qué es el almacenamiento de bloques?
- Diferencias almacenamiento de objetos vs bloques
- Escalabilidad
- Descripción: Guía básica con los conceptos fundamentales. También, vamos a explorar los servicios más comunes, las ventajas que aporta la nube pública y sus tres modelos de implementación.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- ¿Qué es la Computación en la Nube?
- Servicios
- Máquinas Virtuales
- Contenedores
- Serverless
- Ventajas de la Computación en la Nube
- Modelos de Implementación en la Nube
- Nube Privada
- Nube Pública
- Nube Híbrida
- Tipos de Servicios en la Nube
- Infraestructura como Servicio (IaaS)
- Plataforma como Servicio (PaaS)
- Software como Servicio (SaaS)
- AWS, Azure o GCP, ¿Cuál elegir?
- Descripción: Comparativa de las herramientas ETL empresariales más usadas y comparamos sus pros y contras para tomar la mejor decisión informada al elegir una herramienta para un proyecto.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- ¿Qué son las herramientas ETL?
- Extracción
- Transformación
- Carga
- Herramientas ETL más usadas – Pros y Contras
- Apache NiFi
- Streamsets
- Apache Airflow
- AWS Data Pipeline
- AWS Glue
- Talend
- Informatica PowerCenter
- Ab Initio
- Pentaho
- Azure Data Factory
- Cómo elegir una Herramienta ETL para Big Data
- Volumen de datos a gestionar
- Naturaleza de los datos
- Tareas que se espera que realice la herramienta
- Consideraciones adicionales
- ¿Qué son las herramientas ETL?
- Descripción: Exploramos las diferencias y similitudes entre ETL y ELT como métodos para integrar y mover grandes cantidades de datos.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- Diferencias de Procesos ETL vs ELT
- ¿Qué es ETL?
- ¿Qué es ELT?
- ETL vs ELT
- ETLT: ETL + ELT
- Ventajas de ETLT
- ETL en la Nube
- Descripción: Qué es y cómo se define el Big Data. También, aprenderemos qué tipo de datos maneja, sus características e importancia en la actualidad.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- Big Data: ¿En qué consiste?
- Importancia del Big Data
- Naturaleza de los datos
- Datos estructurados
- Datos no estructurados
- Datos semiestructurados
- Las Vs del Big Data
- Descripción: Qué es un Data Warehouse y las claves para comprender qué requisitos considerar al evaluar tu solución de Data Warehousing para Big Data. Además, veremos las ventajas de los DWH en Cloud y las opciones que existen.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- ¿Qué es un Data Warehouse?
- Data Warehouse en Cloud
- Ejemplos de Cloud Data Warehouse
- ¿Cómo evaluar un Data Warehouse para Big Data?
- Minimizar la Latencia
- Maximizar la Concurrencia de Usuarios
- Proporcionar Valor Rápidamente
- Manejo de Datos Semiestructurados
- Rendimiento para Business Intelligence
- Escalable y Elástico
- Bajo Coste y Facilidad de Administración
- Consolidado
- Accesible Técnicamente para el Intercambio de Datos
- Descripción: Qué es un Data Lake en el mundo del Big Data y sus diferencias con los Data Silos y los Data Warehouses. Además, exploraremos las alternativas que existen para construir data lakes con tecnologías modernas y aprovechando los servicios cloud.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- ¿Qué es un Data Lake?
- Buenas prácticas en Data Lakes
- Puntos clave en la arquitectura de un data lake
- Data Silos
- Data Lake vs Data Warehouse
- Inteligencia artificial y Data Lakes
- Azure Data Lake
- AWS Data Lake
- Cloudera Data Lake
- ¿Qué es un Data Lake?
- Descripción: Las bases de datos relacionales y el lenguaje SQL son algunos de los conceptos fundamentales que necesitarás aprender.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- ¿Qué es una Base de Datos Relacional?
- Modelo Entidad-Relación
- Conceptos Básicos de las Bases de Datos Relacionales
- Operaciones Básicas
- Vistas
- Índices
- Transacciones
- Propiedades ACID
- Motores de Almacenamiento en Bases de Datos SQL
- Ejemplos de Bases de Datos Relacionales
- Descripción: En esta entrada explicaremos las características de las bases de datos NoSQL y sus diferencias con las bases de datos relacionales. Además, veremos sus ventajas y algunas recomendaciones para determinar cuándo y cómo elegir la mejor base de datos NoSQL.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- NoSQL vs Relacional (SQL)
- Tipos de bases de datos NoSQL
- Documental
- Clave-valor
- Tabular
- Grafo
- Cuándo elegir una base de datos NoSQL
- Recomendaciones para seleccionar una base de datos NoSQL
- Requisitos de rendimiento y latencia
- Define los objetivos
- Evalúa el teorema CAP
- Considera un servicio gestionado
- Decide el modo de implementación
- Conclusión Bases de Datos NoSQL
- Descripción: Una base de datos correctamente diseñada le permite obtener acceso a información actualizada y precisa. Como es esencial tener un diseño correcto para lograr sus objetivos de trabajar con una base de datos, tiene sentido invertir el tiempo necesario para obtener información sobre los principios de un buen diseño. Al final, es mucho más probable que acabe con una base de datos que se ajusta a sus necesidades y que puede adaptarse fácilmente al cambio.
- Duración: 1 hora
- Idioma: Español
- Contenido:
- Algunos términos de base de datos que debe conocer
- ¿Qué es una base de datos bien diseñada?
- El proceso de diseño
- Determinar el propósito de la base de datos
- Buscar y organizar la información necesaria
- Dividir la información en tablas
- Convertir los elementos de información en columnas
- Especificar las claves principales
- Crear las relaciones de tablas
- Refinar el diseño
- Aplicar las reglas de normalización
- Descripción: Este curso proporciona una introducción comprensible al lenguaje de las bases de datos relacionales: lenguaje de consulta estructurado (SQL). Contextulizado a la herramientas analíticas del banco, en este curso aprenderás:
- Apender el lenguaje de consulta estructurado (SQL) a un nivel intermedio
- Ser capaz de escribir consultas de recuperación de datos y evaluar el conjunto de resultados.
- Ser capaz de escribir declaraciones SQL que crean objetos de base de datos.
- Comprender la importancia y los principales problemas de la seguridad de la base de datos y el mantenimiento de la integridad de los datos.
- Aprender buenas practicas de contrución de consultas
- Duración: 6 horas.
- Idioma: Español
- Contenido:
-
¿Qué es SQL?
-
Terminología
-
Estructura básica de Manipulación de Datos
-
Conceptos de Hadoop y Arquitectura de Impala
-
Valores Nulos
- Qué son y cuándo usarlos
- Comportamiento de valores nulos en comparaciones como en
- WHERE edad > 18
- IS NULL ; IS NOT NULL
-
Manipulaciones Básicas en una sola tabla
- Conteo de registros ( Select count(*) from …. Where … )
- Conteo de valores no nulos ( Select count(col) From … )
- Ordenamiento de registros ( Select … From … order by …. )
- Agregación ( Select … from … group by …. )
- Columnas calculadas
- CASE WHEN … THEN … END
-
Funciones para transformación de datos
-
Enlaces entre tablas (Joins)
-
Algunas funciones interesantes de Definición y administración de datos
-
- Enlace a sesiones:
- Duración: 3 horas
- Idioma: Español
- Contenido:
- NiFi
- ¿Qué es Apache NiFi? Aspectos clave
- Componentes principales de Apache NiFi
- Componentes Básicos
- Componentes Avanzados
- Arquitectura de Apache NiFi
- Streaming en NiFi
- NiFi Registry
- MiNiFi
- Ejemplo de flujo en NiFi
- Monitorización en Apache NiFi
- Ventajas
- Inconvenientes
- Alternativas a Apache NiFi
- Kafka
- ¿Qué es Apache Kafka?
- Patrón Publish / Subscribe
- Componentes Básicos de Kafka
- Topics
- Productores
- Consumidores
- APIs y Complementos de Kafka
- Schema Registry en Kafka
- Zookeeper en Apache Kafka
- Ventajas de Apache Kafka
- Desventajas de Apache Kafka
- Apache Kafka como base de datos
- Cómo elegir la distribución de Apache Kafka adecuada
- Confluent
- Cloudera
- Red Hat – IBM
- Amazon MSK (AWS)
- Pulsar
- ¿Qué es Apache Pulsar?
- Rendimiento
- Escalabilidad
- Apache Pulsar vs Apache Kafka
- Distribución de los Datos
- Replicación
- Seguridad
- Ejemplo de código para empezar con Apache Pulsar
- Conclusión Apache Pulsar
- ¿Qué es Apache Pulsar?
- Flume
- Aspectos clave de Apache Flume
- Componentes de Apache Flume
- NiFi
- Duración: 2 horas
- Idioma: Español
- Contenido:
- Spark
- Aspectos clave de Apache Spark
- Ejemplos de Código Apache Spark
- Spark Streaming
- Spark SQL
- Integración de Apache Spark con Almacenamiento de Objetos en la Nube
- Flink
- Introducción al Streaming
- Aspectos clave de Apache Flink
- Operaciones sin estado (stateless)
- Operadores con estado (stateful)
- Características de Apache Flink
- Control Temporal de Eventos en Apache Flink
- Tipos de Ventanas
- Librerías y Componentes de Flink
- Requisitos de Flink
- Despliegue de Apache Flink
- Ejemplo de programa en Flink
- Spark
- Duración: 5 horas
- Idioma: Español
- Contenido:
- Hadoop
- ¿Qué es Apache Hadoop?
- Historia
- Arquitectura de Hadoop
- Componentes Principales
- Ecosistema Hadoop
- Tecnologías relacionadas
- Alternativas a Hadoop
- Servicios Cloud
- ¿Cómo integrar Hadoop en tu empresa?
- HDFS
- Introducción a HDFS
- Historia de HDFS
- Características
- Arquitectura y componentes de HDFS
- NameNode
- DataNode
- Funcionamiento
- Seguridad en HDFS
- Introducción a HDFS
- Hive
- ¿Qué es Apache Hive?
- Hive como Data Warehouse
- Estructura de datos en Hive
- Arquitectura de Apache Hive: Componentes
- Hive Server
- Hive Metastore
- Hive LLAP
- Ventajas
- Desventajas
- Ejemplo de consulta en Apache Hive
- Hive vs Spark, ¿Cuál es mejor?
- Apache Hive vs Apache Pig
- Impala
- ¿Qué es Apache Impala?
- Arquitectura de Impala
- Ventajas de Apache Impala
- Apache Impala vs Hive
- Cómo ejecutar Apache Impala en tu sistema Linux
- Ejemplo con Apache Impala
- Redshift
- ¿Qué es Redshift?
- Ventajas como Data Warehouse
- Arquitectura
- Redshift Spectrum vs Athena
- Alternativas a Redshift
- Redshift vs Snowflake
- Ejemplo de Redshift con Python
- BigQuery
- ¿Qué es BigQuery?
- Ventajas
- BigQuery como Data Warehouse
- ¿Por qué usar BigQuery?
- BigQuery BI Engine
- Synapse
- ¿Qué es Azure Synapse Analytics?
- Arquitectura de Azure Synapse Analytics
- Data Warehouse con Azure Synapse
- SQL Dedicado
- SQL Serverless
- Gestión
- Conclusión
- Hadoop
❗ Uso avanzado de Impala para conexión con el ecosistema analítico (LZ)- Capacidades analíticas y Gobierno de información 📷
- Descripción: Uso avanzado de Impala y lineamientos generales para conexión con el ecosistema analítico (LZ) en la organización.
- Duración: 12 horas
- idioma: Español
- Contenido:
- Sesión 1: Introducción y herramientas
- Qué es Hadoop
- Qué es la LZ
- Qué es Impala
- Diferencias Impala vs RDBMS
- Formas de consultar Impala y configuración de herramientas
- HUE
- SAS
- Spark
- ODBC
- Python
- R
- HewNoMore
- Algibe Mágico
- Algibe Helper
- Impala Helper
- Sparky-bc
- Sesión 2: Conceptos generales, tablas externas y buenas prácticas
- Conceptos generales
- Cómo se almacenan los datos en LZ
- Qué son las particiones
- Estructura mínima de tablas
- Métodos de ingestión
- Fechas de ingestión
- No delete/No Update
- Repaso rápido de SQL Impala - Ejemplos prácticos
- Explorando bases de datos y sus tablas
- Tipos de datos y sentencias SELECT
- Algunos operadores importantes
- Tipos de Join en Impala
- ¿Cuánto pesa la consulta?
- Identificando última fecha de ingestión
- Creación de tablas formato parquet
- Creación de tablas particionadas
- Alimentación de particiones en una tabla particionada
- Eliminación de tablas y particiones
- Creación de tablas externas
- Buenas prácticas (teoría y ejemplos prácticos)
- Conceptos generales
- Sesión 3: Taller
- Taller práctico: optimiza el query, uso de buenas prácticas
- Sesión 1: Introducción y herramientas
- Recursos de las sesiones
- Descripción: Comience con Python, si no tiene experiencia en codificación.
- Duración: 5 horas
- idioma: Inglés
- Contenido:
- Descripción: En este espacio puedes encontrar las memorias de los cursos dictados de Python, así puedes repasar, aclarar dudas y reforzar conocimientos.
- Duración: 8 horas
- idioma: Español
- Contenido:
- Descripción: Con el apoyo de Juan David Escobar Escobar y Blaimir Ospina Cardona, del equipo de Transformación y Soporte de Inteligencia de Negocios, se generó este material para aprender los conceptos básicos de este lenguaje que está dando mucho de qué hablar.
- Duración: 18 horas
- idioma: Español
- Contenido:
-
Descripción: Con los recursos disponibles, aprenderá todo sobre pandas, la biblioteca de Python más popular para el análisis de datos.
En el camino, completará varios ejercicios prácticos con datos del mundo real. Le recomendamos que trabaje en los ejercicios mientras lee los tutoriales correspondientes.
-
Duración: 6 horas
-
Idioma: Inglés
-
Contenido:
-
Descripción: El objetivo es presentar los lineamientos generales de visualización de datos con el fin de facilitar la comprensión de la información presentada al público general.
-
Duración: 2 horas
-
Idioma: Español
-
Contenido:
- Introducción
- Cómo entender el contexto a comunicar
- Cómo elegir gráficos efectivos
- Orden e higiene visual de los gráficos
- Focos de atención
- Storytelling
- Descripción: Conozca mejor qué es Power BI, incluidos sus bloques de creación y cómo funcionan conjuntamente.
- Duración: 1 hora.
- Idioma: Español
- Contenido:
- Introducción
- Partes de Power BI
- Adaptación de Power BI a su rol
- Descargar Power BI Desktop
- Usar Power BI
- Bloques de creación de Power BI
- Servicio Power BI
- Comprobación de conocimientos
- Descripción: El analista de datos de Power BI ofrece información procesable al aprovechar los datos disponibles y aplicar la experiencia en el dominio. El analista de datos de Power BI colabora con las partes interesadas clave en las verticales para identificar los requisitos comerciales, limpia y transforma los datos, y luego diseña y crea modelos de datos mediante el uso de Power BI. El analista de datos de Power BI proporciona un valor comercial significativo a través de visualizaciones de datos fáciles de comprender, permite que otros realicen análisis de autoservicio e implementa y configura soluciones para el consumo.
- Duración: 10 horas.
- Idioma: Español
- Contenido:
❗ Productizar la analítica en la organización - Capacidades analíticas y gobierno de información 📷 📄
- Descripción: Conceptos y proceso para productizar modelos analíticos en la organización.
- Duración: 20 horas.
- Idioma: Español
- Contenido:
- Modulo 1: Contexto general de productizar
- Definición
- Áreas participantes en el proyecto
- Etapas
- Modelo Operativo
- Historias de Usuario y comunicación con el equipo de Tecnología
- Requerimientos para analíticos y funcionales
- Modelos analíticos online
- Adecuación Ambientes Intermedios
- Modulo 2: Cómo productizar
- Modulo 1: Contexto general de productizar