Información

Paso a paso de cómo modificar un objeto nativo de Qlik

Requisitos: Conocimientos previos de HTML. Conocimientos previos de CSS. Conocimientos previos de herramienta de desarrollador de Google. Conocimientos previos de herramienta de desarrollador de Qlik. ¿Cómo Instalarlo? Para instalar la extensión SIMPLE KPI haga click en el siguiente link: https://github.com/alner/qsSimpleKPI O busque la extensión desde la Plataforma de Qlik Branch: https://developer.qlik.com/garden Luego, debe de acceder a la Qlik Management Console (QMC) del servidor. https://[URL Servidor]/qmc Por ultimo seleccione ‘Import’ y suba el archivo ZIP de la extensión. Paso a paso Nota: Para poder realizar este instructivo debe de haberse creado previamente un KPI nativo de Qlik. Arrastre a la hoja el objeto SIMPLE KPI que se encuentra en Objetos personalizados/Extensiones en el panel de la izquierda. Haga click en agregar medida y escriba 0 en la caja de texto. Presione a la tecla enter. En el panel de la derecha marque las casillas de “Hide label” y “Hide value”. Tras haber realizado los pasos anteriores debería de haber quedado un objeto vacío/invisible que podrá dejar oculto en un espacio de su hoja. En este podrá embeber el CSS que modificará los estilos de la hoja en la que se encuentre. Para modificar un objeto especifico de Qlik debe de conocer el ID de ese objeto y para ello debe de acceder a las herramientas de desarrollador. Nota: Para acceder a las herramientas de desarrollador escriba al final de la URL del sitio lo siguiente: “options/developer” También deberá de conocer la clase a la cual va a modificar su CSS y para ello debe de utilizar las herramientas de desarrollador de google presionando la tecla F12. para agilizar el proceso haga click en el icono y clickee el objeto que desea modificar de este modo le será más sencillo encontrar la/s clase/s que le corresponde al objeto.  Una vez haya encontrado la clase y obtenido el ID del objeto podrá aplicarle CSS a través del objeto creado con la extensión SIMPLE KPI. Ahora pongámoslo a prueba Haga click derecho en el objeto que desea personalizar y seleccione Developer. Copie la ID del Objeto. Haga click en el objeto de la extensión SIMPLE KPI que creó con anterioridad. Diríjase a la sección de Styles que se encuentra en Aspecto/Styles en el panel derecho. En esta Sección es donde podrá aplicar el CSS. En la caja de Texto escriba lo siguiente: Al aplicar el CSS el resultado esperado debería de ser el siguiente: Nota: Tenga en cuenta que las clases pueden variar dependiendo de la version de Qlik que este utilizando. Ventajas Todo objeto que tenga una clase CSS dentro de la app se podrá modificar con esta extensión, un KPI, el titulo o el valor del mismo, un registro en una tabla, un encabezado son algunos ejemplos de esto. Esta herramienta te da control total de los estilos de tu app. Desventajas Al ser una herramienta externa a Qlik puede traer problemas de optimización y carga de los objetos de la extension. Por Facundo Arce ¡Gracias por leer!

Paso a paso de cómo modificar un objeto nativo de Qlik Read More »

Open data, datos sin limites

¿Qué es Open data?  Open Data es el término que se emplea para referirse a datos determinados que deben estar a libre disposición de todo el mundo para que sean utilizados sin restricciones de derechos de autor, patentes u otros controles. Los datos abiertos se han convertido en una parte importante del mundo digital, ya que ayudan a promover la transparencia, la responsabilidad y la participación pública. El término Open Data incluye tres características que debe cumplir: Mas ande otro criollo pasa Martín Fierro ha de pasar, Nada la hace recular Ni las fantasmas lo espantan; Y dende que todos cantan Yo también quiero cantar. Disponibilidad y acceso: la información debe estar disponible y debe poder ser extraída con facilidad e, idealmente, sin un coste adicional que el de la propia conexión a Internet que utilice el consumidor de la información. Reutilización y redistribución: los datos deben admitir la posibilidad de ser reutilizados y redistribuidos, así como ser fusionados con otras bases de datos.  Participación universal: cualquier individuo, sociedad o institución debe poder tener acceso, reutilizar o redistribuir el contenido, es decir, no debe existir discriminación hacia ningún grupo, individuo o campo de actividad. Beneficios del Open Data Innovación: Al acceder a conjuntos de datos diversos, las empresas pueden identificar nuevas oportunidades de productos o servicios, así como desarrollar soluciones creativas y disruptivas. Desarrollo de productos: Las empresas pueden analizar estos datos para mejorar sus productos existentes o desarrollar nuevos productos que se adapten mejor a las preferencias de los clientes Toma de decisiones basada en datos: Acceder a datos abiertos relevantes puede ayudar a las empresas a tomar decisiones más informadas. Investigación de mercado: Las empresas pueden analizar los datos del mercado para comprender mejor la competencia, la demanda del mercado y las oportunidades emergentes. Confianza: Al utilizar y compartir datos abiertos, las empresas pueden mejorar su imagen de marca al demostrar transparencia y responsabilidad. ¿Cuáles son los ocho principios del Open Data? Públicos Detallados Actualizados Accesibles Automatizados Sin registro Abiertos Libres

Open data, datos sin limites Read More »

¿Qué es Qlik? Función y Beneficios.

En todas las áreas de una organización se generan infinidad de datos, desde finanzas y recursos humanos hasta marketing y ventas. La plataforma Qlik se presenta como la solución ideal para explorar todos los rincones y extraer el valor oculto detrás de estos datos, sin importar su origen o ubicación. Qlik no se limita a ser una herramienta de visualización de datos, es mucho más que eso. Es una plataforma completa para el descubrimiento. Permite democratizar los datos, recopilar, procesar y extraer valor de ellos para que sean accesibles a toda la empresa. También facilita realizar inteligencia aumentada sobre los datos de nuestra compañía, esto lo consigue a través de la indexación asociativa que generan automáticamente conocimientos sobre los datos para que puedan ser explorados por los usuarios, sin la necesidad de escribir consultas SQL complejas. Esto también recibe el nombre de alfabetización de los datos, dicho en otras palabras, Qlik nos ayuda a leer y entender mejor los datos. Plataforma de Qlik Qlik es una compañía que ofrece soluciones de Data Analytics y Data Integration, pero nos vamos a centrar específicamente en la plataforma de Qlik Data Analytics. Destacamos sus principales soluciones: Qlik Sense QlikView ¿Qué es la plataforma Qlik Data Analytics? Es la solución de Qlik en la que los conjuntos de datos pasan por un proceso de examinación y evaluación para descubrir patrones, tendencias, correlaciones y otros conocimientos útiles. Se utilizan diversas técnicas y herramientas, como estadísticas, minería de datos, aprendizaje automático (machine learning) y visualización de datos, para convertir datos crudos en información significativa. El data analytics implica recopilar datos de diferentes fuentes, limpiarlos y organizarlos para su análisis. Luego, se aplican técnicas analíticas para descubrir información oculta, identificar patrones o tendencias relevantes, y obtener conocimientos accionables. Estos conocimientos pueden ayudar a las organizaciones a tomar decisiones informadas, optimizar procesos, mejorar la eficiencia, identificar oportunidades de crecimiento y resolver problemas empresariales. ¿Qué es Qlik Sense? Qlik Sense es un producto de visualización y descubrimiento de datos que le permite crear con facilidad unas visualizaciones flexibles, interactivas y tomar decisiones correctas basadas en los datos. Es una plataforma de BI Self service (Autoservicio), permitiendole a las áreas de negocio construir visualizaciones e indicadores basados en modelos de datos provistos por el área BI, logrando descentralizar el área de TI. Con Qlik Sense podemos hacer todas las preguntas que se nos ocurran y responderlas una tras otra al instante, a medida que trabajamos, avanzando por nuestra propia ruta hacia el conocimiento. Nos permite explorar los datos libremente, aprendiendo a cada paso del camino y descubriendo los pasos siguientes basándonos en descubrimientos que hemos hecho antes. Podremos ver nuestras aplicaciones y cuadros de mando sin conexión mediante análisis móviles, además de trabajar directamente desde el smartphone a través de la aplicación Qlik Sense Mobile disponible en iOS y Android. Cuenta con capacidades de colaboración, lo que significa que los usuarios pueden compartir visualizaciones, paneles y aplicaciones con otros miembros de la organización. Además, la plataforma ofrece opciones de seguridad y gobernanza de datos para proteger la información confidencial y garantizar el cumplimiento normativo. ¿Qué es QlikView? QlikView es como tal una solución de BI que nos permite analizar y utilizar información de distintos puntos de origen de datos. De esta forma, podemos obtener una visión global sobre los datos de una compañía y las relaciones existentes entre ambos. Con QlikView, podemos extraer datos de diversas fuentes, como bases de datos, hojas de cálculo y sistemas empresariales, y combinarlos en una sola aplicación. La plataforma utiliza una tecnología de asociación de datos única que permite a los usuarios explorar los datos de forma flexible y descubrir relaciones ocultas entre ellos. ¿Cómo puede ayudar Qlik a tu organización? Qlik es una plataforma líder en el mercado, por lo que puede ser de ayuda en varios aspectos: Visualización de datos Qlik permite visualizar datos complejos de manera intuitiva y atractiva. Proporciona una amplia gama de herramientas de visualización que ayudan a los usuarios a comprender rápidamente los patrones, tendencias y relaciones en los datos. Esto facilita la toma de decisiones basada en datos y fomenta una comprensión más profunda de la información empresarial. Análisis interactivo Qlik ofrece capacidades de análisis interactivas que permiten a los usuarios explorar los datos a fondo. Puedes realizar búsquedas instantáneas, filtrar, clasificar y manipular los datos en tiempo real para obtener respuestas a preguntas específicas. Esto proporciona un enfoque más ágil y orientado al descubrimiento en el análisis de datos. Integración de datos Qlik puede conectarse a una amplia variedad de fuentes de datos, incluidas bases de datos, sistemas ERP, aplicaciones en la nube y más. Esto permite una integración fluida de los datos en un único punto de acceso, lo que facilita la combinación y análisis de información de múltiples fuentes. Descubrimiento de datos Qlik utiliza tecnología de descubrimiento de datos que permite a los usuarios explorar y analizar información de manera autónoma. Esto significa que los usuarios pueden descubrir nuevas relaciones y patrones en los datos sin necesidad de depender de informes estáticos o consultas predefinidas. Es especialmente útil para identificar insights valiosos y oportunidades ocultas en los datos. Acceso móvil y colaboración Qlik proporciona aplicaciones móviles que permiten acceder a los análisis y visualizaciones desde dispositivos móviles. Esto facilita el acceso a la información en cualquier momento y lugar. Además, Qlik fomenta la colaboración al permitir a los usuarios compartir análisis, visualizaciones y hallazgos con otros miembros de la organización, lo que promueve la toma de decisiones basada en datos de forma colaborativa. Nuestro equipo en Datalyst cuenta con una sólida experiencia en el uso de Qlik para visualizar, analizar e interpretar datos complejos. Desde la creación de paneles de control interactivos hasta el diseño de visualizaciones impactantes, tenemos las habilidades necesarias para proporcionarte una visión clara y accionable de tus datos empresariales. Comprenderemos tus necesidades específicas y adaptaremos la solución de Qlik a tu entorno empresarial. Trabajaremos para identificar los objetivos de análisis, definir los KPI clave y diseñar visualizaciones personalizadas que se alineen con tus requerimientos. Ya sea que estés buscando implementar

¿Qué es Qlik? Función y Beneficios. Read More »

Dashboard, la importancia del contexto

Este post nos ayudará a la hora de comunicar data al cliente, el poder relatar las historias con data es algo cada vez más importante en un mundo en donde cada vez es mayor la necesidad de toma de decisiones en base a analíticas. Para esto, debemos de tener en cuenta 6 puntos: Entender el contexto Elegir los elementos correctos Ordenar Enfocar la atención donde se necesita Pensar como diseñador Relatar una historia La importancia del contexto Se debe prestar atención y tiempo al contexto a la hora de comunicar, por eso nos debemos hacernos 3 preguntas: ¿Para quién? Mientras más específico sea uno con quien es el tipo de cliente con el que se trata, nos vamos a encontrar en una mejor posición a la hora de comunicarnos. ¿Para qué? ¿Qué necesitas que el cliente sepa? Aquí debes de pensar qué datos necesitamos para hacer de nuestra historia clara, fácil de entender y relevante para el cliente ¿De qué manera? Aquí podremos ver los recursos con los que contamos y preguntarnos: ¿Con qué recursos podríamos llegar a lo que queremos? Con esto en mente, podemos darnos cuenta que el poder articular precisamente a quien nos queremos dirigir y de qué manera antes de desarrollar contenido previene iteraciones y aseguramos que lo que desarrollamos cumple con lo previsto. Elegir los elementos correctos Existen muchos gráficos y otros objetos de visualización, pero solo algunos nos ayudarán en la mayoría de nuestras necesidades. Texto Simple (KPI) Cuando solo tienes un número o dos para presentar, quizá un texto simple es la mejor manera de presentarlo, piensa en solo usar el número y algunas palabras para aclarar tu punto. Tablas Las tablas son útiles para comunicar una situación en donde cada persona lee aquellas filas y columnas que son de su propio interés, si necesitamos comunicar diferentes unidades y medidas, puede ser que una tabla sea mejor que un gráfico. Algo a tener en cuenta es la tabla debe ser una con el fondo, no dejes que tableros con bordes oscuros obstruyan la visualización, mejor usar bordes claros o blancos. Los bordes de las tablas deben de ser de color claro, o inexistentes. Los datos son los que tienen que resaltar, no los bordes.         Heavy borders Light borders Minimal borders Tabla de Temperatura Una manera de mezclar los datos a incluir haciendo uso de pistas visuales es a través de un heatmap . Un heatmap es una forma de visualización en tabla en donde lo que resalta no son los datos, sino los colores que relatan la magnitud de nuestros datos. Como podemos observar, en la tabla común nos estaríamos encontrando analizando columnas y filas para encontrarle un sentido a lo que estamos mirando, donde es que los números son altos o bajos, y memorizando para posicionar las categorías presentadas en la tabla. Para reducir todo este proceso, podemos usar la saturación de color para mostrar pistas visuales, que ayuda a nuestros ojos a visualizar los puntos de interés. GRÁFICOS Una tabla bien diseñada es más fácil de comprender que una tabla bien diseñada, ya que, mientras las tablas interactúan con nuestro nuestro sistema verbal, los gráficos se comunican con nuestro sistema visual. Los gráficos conviven en 4 categorías: puntos, líneas, barras y área. PUNTOS Punto de dispersión(Scatterpoint) Son útiles para mostrar relaciones entre dos dimensiones porque te permiten codificar datos simultáneamente en un eje vertical y horizontal. Por ejemplo, supongamos que administramos una flota de autobuses y queremos comprender la relación entre las millas recorridas y el costo por milla. LINEAS Son frecuentemente utilizados para mostrar datos continuos, como lo son las unidades de tiempo: días, meses, años. Grafico lineal (Line Graph) Pueden mostrar una serie o múltiples series de datos         Valor único Dos valores Múltiples valores Gráfico de pendiente (Slopegraph) Pueden ser de ayuda cuando tienes dos puntos de comparación y buscas comparar variaciones entre los dos puntos Barras Son los mas comunes y fáciles de entender, pero, siempre hay que hacer correctamente la comparación visual. En cuento a la altura, siempre debemos tener en cuenta que nuestra base debe de ser cero, de no ser así, las dimensiones visuales no se van a mostrar correctamente y va a generar una mala comparación visual. En cuanto al ancho de las barras, no hay reglas firmes y rigurosas, pero en general las barras deben de ser más anchas que el espacio entre ellas. Demasiado delgado Demasiado grueso Perfecto VARIACIONES Gráfico de Barra Vertical (Vertical Bar Chart) Como los gráficos lineales, estos pueden contar con uno o mas puntos, tengan en cuenta que, mientras mas puntos añadas, mas difícil será de leer. Valor único Dos valores Múltiples valores Gráfico de barras verticales apiladas (Stacked Vertical Bar Chart) Los casos de uso para este grafico son limitados. Están pensados para permitir la comparación total entre categorías y también ver como se compone cada categoría, por lo que se pueden sentir rápidamente abrumadores visualmente. Gráfico en Cascada (Waterfall Chart) Este gráfico puede ser utilizado para separar las piezas de un gráfico apilado para visualizar uno a la vez, o para mostrar un punto de partida, sus incrementos y decrementos, y el resultado en el punto final. Gráfico de barras horizontales (Horizontal bar chart) Los gráficos horizontales son extremadamente fáciles de leer, es especialmente útil cuando los nombres de nuestra dimensiones son muy largos.  Valor único Dos valores Multiples valores Gráfico de barras horizontales apiladas(Stacked horizontal bar chart) Similar al gráfico de barras verticales apiladas, los gráficos de barras horizontales son utilizados para mostrar los totales en diferentes categorías, pero también para dar una idea de las piezas del subcomponente. Se pueden estructurar para mostrar valores absolutos o sumar al 100%. ÁREA Podemos utilizarlos en momentos donde nuestros valores con valores altamente diferentes EVITAR También hay algunos tipos de gráficos y elementos que debe evitar: gráficos circulares, gráficos de anillos y 3D . El ojo humano no es bueno para atribuir valor cuantitativo al espacio bidimensional. Dicho

Dashboard, la importancia del contexto Read More »

Data Lake: almacenamiento de datos sin límites

En el mundo actual, la cantidad de datos generados por empresas y usuarios aumenta exponencialmente, y con ella la necesidad de almacenar y procesar estos datos de manera efectiva. Es aquí donde entra en juego el concepto de Data Lake. ¿Qué es DATA LAKE? Data Lake es un repositorio centralizado y escalable que permite almacenar grandes cantidades de datos estructurados, semiestructurados y no estructurados en su formato original. A diferencia de los almacenes de datos tradicionales, un Data Lake no requiere que los datos se transformen o se modelen de antemano, lo que lo hace más flexible y fácil de usar. Beneficios Entre los beneficios clave de un Data Lake se encuentran la capacidad de procesar grandes volúmenes de datos en tiempo real, la eliminación de la necesidad de migrar los datos a diferentes sistemas y formatos, y la posibilidad de analizar los datos de forma más rápida y eficiente. Además, un Data Lake permite el acceso a una amplia gama de fuentes de datos, lo que puede mejorar la calidad y la variedad de los análisis realizados. También es escalable, lo que significa que se puede ampliar a medida que aumentan las necesidades de almacenamiento de datos. En términos de principios fundamentales, un Data Lake se basa en la idea de que todos los datos son valiosos y pueden ser útiles en algún momento, por lo que se deben almacenar de manera segura y accesible. También se enfoca en la agilidad y la flexibilidad, permitiendo a los usuarios trabajar con los datos de manera rápida y eficiente, sin tener que pasar por largos procesos de modelado de datos. En conclusión, es una herramienta valiosa para cualquier empresa que maneje grandes cantidades de datos y busque mejorar la eficiencia y la calidad de sus análisis. Al seguir los principios fundamentales de agilidad, flexibilidad y valorización de todos los datos, un Data Lake puede ayudar a las empresas a mantenerse competitivas en el mercado actual. ¡Gracias por leer!

Data Lake: almacenamiento de datos sin límites Read More »

Qlik, 13 años consecutivos siendo Líder.

Gartner ha reconocido a Qlik como líder en plataformas de analítica y business intelligence por decimotercer año consecutivo. Su producto principal en el mercado de plataformas de análisis y BI es Qlik Sense Enterprise SaaS, que incluye Qlik Sense, Qlik AutoML y Qlik Application Automation. Qlik también vende Qlik Sense como un producto administrado por el cliente que se puede implementar en las instalaciones o en la propia nube del cliente. Sin embargo, Qlik Sense Client-Managed no se incluye con Qlik AutoML o Qlik Application Automation. Qlik es un proveedor independiente de la nube y tiene el nivel más alto de asociación para cada uno de los tres principales proveedores de servicios en la nube (AWS, Microsoft y Google), junto con asociaciones con Databricks y Snowflake. En 2022, Qlik integró su adquisición de Big Squid para crear Qlik AutoML, que proporciona pronóstico automático, agrupamiento y análisis de factores clave para científicos de datos ciudadanos. Qlik también entregó Augmented Authoring, que crea tableros generados por IA con entradas de lenguaje natural y diseños de tablero automatizados. Fortalezas Analítica componible: la API abierta de Qlik en combinación con su Automatización de aplicaciones permite la integración de la analítica con los procesos comerciales. Los análisis se pueden integrar en las aplicaciones empresariales. La automatización de aplicaciones aprovecha un enfoque visual sin código para ensamblar rápidamente flujos automatizados que se pueden programar o controlar por eventos. Capacidades integrales de datos y análisis: a través de adquisiciones y desarrollo orgánico, Qlik ha creado un conjunto integral de tecnologías para admitir múltiples personas comerciales, citizen data engineers, citizen data scientists, business analysts y analytics developers. Independiente de la nube: muchos mercados están experimentando interrupciones debido a los proveedores de la nube que están haciendo que sea fácil y rentable para sus clientes ampliar su inversión en infraestructura de la nube a su pila de software de aplicaciones estrechamente integrada. Sin embargo, algunas organizaciones se preocupan por el bloqueo de proveedores de su proveedor de la nube y, en consecuencia, valoran a un proveedor independiente de la nube como Qlik. ¡Gracias por leer! Lee el reporte completo

Qlik, 13 años consecutivos siendo Líder. Read More »

Data Fabric: La clave para la gestión de datos

¿Qué es Data Fabric? Data Fabric es una arquitectura de gestión de datos que se utiliza para unificar la información de una organización y permitir un acceso más rápido y eficiente a la misma. La idea detrás de una Data Fabric es crear un marco de datos coherente y conectado permitiendo a los usuarios acceder y utilizar los datos de la organización de manera más eficaz. En una Data Fabric, los datos se almacenan en diferentes lugares, incluyendo sistemas internos y externos, nubes públicas y privadas, y dispositivos móviles. A través de la integración de estas fuentes de datos, permite a las organizaciones aprovechar la información para tomar mejores decisiones de negocio y ofrecer experiencias más personalizadas a los clientes. También ofrece una capa de abstracción que permite a los usuarios acceder y utilizar los datos sin necesidad de conocer los detalles técnicos de dónde se almacenan o cómo se estructuran. Esto hace que sea más fácil para los usuarios finales acceder a los datos que necesitan para realizar sus tareas diarias. Beneficios de implementar Data Fabric en tu empresa La implementación de una Data Fabric en una organización puede proporcionar varios beneficios, entre ellos: Mejorar en la eficiencia de los datos: Una Data Fabric permite que los datos se almacenen y se compartan de manera más eficiente, lo que significa que los usuarios pueden acceder y utilizar los datos necesarios más rápidamente. Reducción de costos: La implementación puede reducir los costos asociados con la gestión de datos al simplificar y automatizar muchos procesos. Mejorar la calidad de los datos: Una Data Fabric puede ayudar a mejorar la calidad de los datos al unificarlos de diferentes fuentes y establecer una capa de abstracción que asegura la coherencia de ellos. Mayor agilidad: Una Data Fabric permite a las organizaciones ser más ágiles al proporcionar un acceso más rápido y fácil a los datos, lo que les permite tomar decisiones más informadas en menos tiempo. Mejorar en la toma de decisiones: Data Fabric permite a las organizaciones tener una vista más completa y coherente de sus datos, lo que puede llevar a una mejor toma de decisiones empresariales. Mayor flexibilidad: Una Data Fabric permite que los datos se integren y compartan de manera más flexible entre diferentes aplicaciones, lo que permite a las organizaciones adaptarse más fácilmente a las necesidades cambiantes del negocio. ¡Gracias por leer!

Data Fabric: La clave para la gestión de datos Read More »

Data Mesh: una solución distribuida para la gestión de datos

En los últimos años, la gestión de datos se ha convertido en una tarea cada vez más compleja debido al aumento de los volúmenes de datos y la distribución de los equipos de datos en las organizaciones. Esto ha llevado a la aparición de nuevas arquitecturas de datos, como Data Mesh, que abordan estos desafíos de una manera más efectiva. ¿Qué es? El Data Mesh es una arquitectura de datos distribuida que se basa en la idea de que los datos deben ser gestionados por equipos dedicados llamados “dominios de datos”. Cada dominio de datos es responsable de sus propios datos, incluida la calidad, la propiedad y la gobernanza. Para permitir el intercambio de datos entre dominios, el Data Mesh utiliza una infraestructura de datos compartida basada en servicios, lo que significa que los datos se comparten a través de una API y servicios estándar en lugar de mediante copias de datos. Además, los equipos de datos utilizan prácticas ágiles y colaborativas para construir y mantener sus dominios de datos. ¿Qué beneficios tiene? El Data Mesh es beneficioso para organizaciones con grandes volúmenes de datos y equipos de datos altamente distribuidos. Permite una gestión más eficiente de los datos, lo que puede llevar a una mayor escalabilidad y flexibilidad en la organización. Además, fomenta la colaboración y la transparencia entre los equipos de datos, lo que puede mejorar la calidad y la confiabilidad de los datos en general. En primer lugar, la gestión de grandes volúmenes de datos se ha vuelto cada vez más compleja en los últimos años debido al aumento del tamaño de los conjuntos de datos y a la distribución de los equipos en las organizaciones. El Data Mesh aborda estos desafíos mediante la gestión descentralizada de los datos y la creación de equipos dedicados para la gestión de los datos en cada dominio. En segundo lugar, el Data Mesh fomenta la colaboración entre los equipos de datos y promueve la transparencia en la gestión de los datos. Al separar los datos en dominios y permitir que los equipos de datos sean responsables de sus propios datos, se fomenta la responsabilidad y la propiedad de los datos, lo que puede llevar a una mayor calidad y confiabilidad de los datos en general. En tercer lugar, el Data Mesh utiliza una infraestructura de datos compartida basada en servicios, lo que permite el intercambio de datos de manera eficiente y escalable. Esto significa que los datos se comparten a través de una API y servicios estándar en lugar de mediante copias de datos, lo que puede reducir el riesgo de inconsistencias y errores en los datos. En conclusión, el Data Mesh es una arquitectura de datos distribuida que puede ayudar a las organizaciones a abordar los desafíos de la gestión de datos en un entorno cada vez más complejo. Al permitir la gestión descentralizada de los datos y fomentar la colaboración entre los equipos de datos, el Data Mesh puede mejorar la escalabilidad y la flexibilidad de la organización, así como la calidad y la confiabilidad de los datos en general. Los cuatro principios fundamentales del enfoque de Data Mesh son los siguientes: Propiedad de los datos: cada equipo es propietario de los datos que produce y consume, y es responsable de definir, desarrollar y operar sus propias soluciones de datos. Dominio descentralizado: los equipos de dominio específico son responsables de sus propios datos y de la definición y publicación de sus interfaces de datos, lo que permite a cada equipo tomar decisiones de manera autónoma y colaborar con otros equipos cuando sea necesario. Arquitectura de productos: los equipos de datos deben pensar en sus soluciones de datos como productos y deben centrarse en la creación de soluciones reutilizables y escalables. Plataforma de autoservicio: la plataforma de datos debe ser una plataforma de autoservicio que permita a los equipos tomar decisiones y crear soluciones de datos de manera autónoma. Esto incluye la creación y gestión de flujos de datos, la seguridad y la privacidad de los datos y la integración con otras soluciones de datos en la organización. ¡Gracias por leer!

Data Mesh: una solución distribuida para la gestión de datos Read More »

Las 10 principales tendencias en datos y BI 2023

El poder y los datos se fragmentan Los dos están cambiando Los problemas geopolíticos, sociales y económicos no cesan. En lugar de avanzar hacia la cooperación, asistimos a un aumento de la tendencia al aislamiento y los conflictos, donde las normativas locales se multiplican. En el ámbito económico, la confianza es baja; el temor a la recesión, alto; y el aumento de los tipos de interés, sumado a la inflación, está afectando a los préstamos. ¿Qué tienen en común todos estos factores? No son pocos los expertos que afirman que estamos experimentando un proceso de desglobalización. En el proceso, asistiremos a nuevas fracturas de las estructuras antiguas y a la aparición de un estado de multipolaridad; es decir, la distribución del poder entre distintas entidades. Nos enfrentaremos, entre otras repercusiones, a escasez de energía, fluctuaciones de las divisas, interrupciones de las cadenas de suministro y dificultades en los mercados. Los profesionales de los datos y la analítica deben adaptarse a una mayor fragmentación con centros de datos dispares, interrupciones de las cadenas de suministro, innovación incesante y a un acceso más limitado a la mano de obra cualificada. Calibrar la estrategia ante las crisis. Eso requiere dos competencias esenciales. Los datos en tiempo real ayudan a combatir las interrupciones en la cadena de suministro Usar las previsiones y los posibles escenarios para reaccionar antes de que el inventario de materias primas comience a escasear y produzca interrupciones en los envíos. Se debe detectar los cuellos de botella de las cadenas de suministro para subsanar las carencias y trabajar de forma más eficaz con los partners. El ritmo de estos problemas no va a hacer más que acelerarse. Velocidad de decisión a escala Una vez que se dispone de datos en tiempo real, el siguiente paso es adaptar las decisiones operativas al mismo ritmo. Tiene la finalidad de acortar el proceso que lleva de los datos a la acción para los humanos; es decir: reducir el tiempo necesario para que los usuarios encuentren los datos y aumentar la frecuencia con la que realizan acciones derivadas de ellos. Además de la tecnología, la alfabetización de datos es esencial para lograrlo. Por último, la velocidad de decisión deja un rastro de Big Data con patrones que se pueden analizar. Eso creará una oportunidad para la minería de decisiones. Optimización del desarrollo de aplicaciones con un nivel bajo y alto de programación En los últimos años, surgieron herramientas con un bajo nivel de programación para crear aplicaciones, lo que impulsó al desarrollo de apps propias por parte de usuarios no experimentados. Además de permitir este gran avance, aumentan el consumo de datos y conocimientos. Por ejemplo, la automatización de aplicaciones permite a los trabajadores crear cadenas de eventos activados por datos. La competitividad entre el humano y la máquina Como los modelos de lenguaje natural se han entrenado con enormes conjuntos de datos usando el aprendizaje automático de red neural profunda, se ha producido un cambio de paradigma. En el espacio de los datos y la analítica, las capacidades de lenguaje natural tendrán enormes implicaciones en nuestra forma de consultar e interpretar la información y de generar informes basados en ella. No solo encontraremos los datos que estamos buscando, sino también otros sobre los que no se nos había ocurrido preguntar. Narraciones de datos que mueven a la acción La narración de datos se ha vendido como la forma de obtener datos que los usuarios puedan interpretar; las narraciones pueden tener un efecto emocional en las personas y moverlas a actuar; algo que los datos por sí solos no suelen hacer. Sin embargo, la narración de datos debe ser mucho más que añadir gráficos a infografías o presentaciones de PowerPoint. Debe estar conectada con la acción. Disponer de las pequeñas porciones de datos adecuadas en el momento justo es más útil. narraciones pueden tener un efecto emocional en las personas y moverlas a actuar; algo que los datos por sí solos no suelen hacer. Para conectar las narraciones con la acción, hay que añadir tres pasos: Predecir lo que va a suceder y sugerir las acciones más acertadas con AutoML. Usar las alertas, los informes y la automatización para integrar las narraciones en los flujos de trabajo en el momento adecuado. Integrar no solo dashboards, sino también microhistorias en los sistemas con los que trabajan los usuarios. Eso hará que la narración de datos cambie de conocimientos que podrían dar lugar a acciones a verdaderos conocimientos útiles que darán lugar a acciones. La consolidación del mercado abre la puerta a nuevas oportunidades La consolidación del suministro se está dando en paralelo a la consolidación de la demanda. En tiempos difíciles, los directores financieros y los CEO se implican más en el negocio y desean ver claramente el retorno de la inversión. Esto contribuirá a transformar gradualmente los modelos de precios por usuario en modelos basados en el valor generado. Al fin y al cabo, no se puede determinar de antemano qué usuarios de una empresa deberán usar una herramienta concreta si se ignora cuál será el siguiente desafío. En lugar de eso, se debe facilitar el acceso general a las herramientas y plataformas de una manera gobernada, y avanzar a partir de ahí. Lo viejo vuelve a ser nuevo… en la nube Durante la pandemia, las empresas se digitalizaron y trasladaron sus datos a la nube. Esto produjo algunos problemas propios de la madurez del negocio y su modernización. Por ejemplo, luego de la adopción de un data warehouse fue necesario abordar el movimiento y la transformación de datos, los catálogos de metadatos, etcétera. Estas nuevas necesidades están promoviendo inversiones vinculadas a los data warehouses y los data lakes, lo que abarca aspectos como la integración, el movimiento, las fuentes y la capacidad de observación de los datos y las capas semánticas. El “X-Fabric” mantiene unida la gobernanza conectada La gobernanza de datos moderna implica un X-Fabric. Esto significa reutilizar los datos y los recursos incluyendo los modelos, las secuencias de comandos y

Las 10 principales tendencias en datos y BI 2023 Read More »

La importancia del Data Driven

En los negocios actuales, tomar decisiones basadas en suposiciones o intuiciones puede ser muy riesgoso. Sin una base sólida y con una planificación débil, alcanzar las metas puede volverse complicado y generar grandes pérdidas. Con el avance y el uso de la tecnología, es imposible ignorar la importancia de los datos y el adecuado análisis de estos. Por eso mismo, es importante tomar decisiones basadas en el análisis y la interpretación de datos, mejor conocido como Data Driven, un concepto estratégico que se puede aplicar a cualquier negocio, y puede traducirse como gestión basada en datos. Tener datos consistentes para personalizar productos, mensajes y todo flujo de relación con el cliente. El principal objetivo del Data Driven es orientar la toma de decisiones, con un enfoque particular en las estrategias de evaluación de la competencia y el mercado. Esta tendencia toma cada vez más fuerza, especialmente para las empresas que quieren tomar las decisiones correctas. Beneficios Económico La gestión basada en datos permite aprovechar al máximo los recursos disponibles. Esto se debe a que, al implementarla, el análisis de riesgos es más sólido y la información recopilada contribuye a una mejor comprensión del escenario y la competencia. Planificación más sofisticada La minería de datos permite mejorar la planificación. Eso se debe al análisis de varios factores, como el comportamiento del consumidor, las tendencias del mercado, competidores, historial de negocio y las posibles repeticiones de ciclos de trabajo o procesos. Esto permite ver que ajustes se deben hacer para lograr las metas definidas. ¿Cómo tomar decisiones basadas en datos? 1- Recopilar datos La base de una buena estrategia Data Driven es la recopilación de datos. Sin embargo, sabemos que no se puede andar recopilando toda la información existente; tu negocio necesita los datos correctos que sean relevantes para tu propósito. Los datos deben ser claros, imparciales y fiables, y eso lleva tiempo. Es común que los analistas de datos dediquen alrededor del 80% de su tiempo de trabajo total a obtener y “limpiar” los datos y solo el 20% a construir modelos estratégicos a partir de ellos. También es importante señalar que solo recopilar toda esta información, sin importar cuán buena pueda ser, no es suficiente para hacer que tu empresa esté basada en datos. Lo más valioso es lo que se hará con ellos. 2- Acceso a los datos Los datos recopilados deben ser accesibles y de fácil consulta. La información relevante debe agregarse fácilmente con otros datos de la empresa cuando sea necesario, y hay una serie de plataformas que pueden ayudarte con esta tarea. Compartir también debe ser prioritario. Cuando todo el equipo puede consultar el historial de datos la toma de decisiones se vuelve más sofisticada y precisa. Además, la empresa debe ser capaz de extraer estos datos correctamente, haciendo el filtrado adecuado para obtener resultados que realmente importen. 3- Informes Al preparar informes, solo los datos puros, como la tasa de crecimiento, no dicen mucho. Es necesario informar el contexto para que la información tenga más sentido. Esto significa, por ejemplo, comunicar sobre campañas de marketing de alta inversión, cambios en el mercado y otros cambios en los procesos. También es necesario contar con alertas que muestren en tiempo real qué está pasando y qué se debe mejorar en la estrategia. 4- Análisis de datos Los informes proporcionan resúmenes que ayudan a monitorear el desempeño de tu empresa. Pero es necesario ir más allá y transformar estos datos en insights competitivos que impulsen las decisiones de la empresa a través de procesos, personas y tecnologías. Mientras el informe comunica, el análisis propone acciones y qué se puede hacer a partir de lo recabado. Todo esto es parte de la estrategia de Business Intelligence, que tiene como objetivo tomar decisiones estratégicas basadas en conocimientos concretos. ¡Gracias por leer!

La importancia del Data Driven Read More »

Scroll al inicio