Published November 25, 2024 | Version v1
Thesis Open

Herramientas de análisis y visualización de datos para ciencia de datos

Contributors

  • 1. Instituto Tecnológico de Durango

Description

La ciencia de datos es una disciplina que combina técnicas de estadística, informática, ingeniería y conocimiento específico del dominio para analizar datos estructurados y no estructurados. Su objetivo principal es transformar grandes volúmenes de datos en información útil y accionable para la toma de decisiones.

Por otra parte, la capacidad de interpretar y comunicar resultados es esencial en la ciencia de datos. Las herramientas de visualización ayudan a identificar patrones, tendencias y anomalías. Esta tesis propone mejorar la eficiencia del análisis mediante nuevas herramientas que combinan análisis avanzado con visualización interactiva. Es por ello, que el objetivo de esta tesis es evaluar herramientas de análisis y visualización de datos que faciliten la interpretación y comunicación de grandes volúmenes de datos en tiempo real. La investigación se realizó bajo un enfoque de tipo exploratoria y descriptiva y no experimental.

Como resultados principales se analizaron las características y ventajas de las herramientas y tecnologías más utilizadas para visualización en la ciencia de datos. Las herramientas analizadas fueron Power BI y Tableau. Además, se mencionan casos de éxito donde el análisis de datos usando estas herramientas fueron cruciales para una mejora en la toma de decisiones.

Files

Herramientas de Análisis y Visualización de Datos.pdf

Files (1.6 MB)

Additional details

Dates

Accepted
2024-11-25

References

  • Álvarez, P. H. L. & Pin G. L. J. (2023). Inteligencia de negocios como estrategia para la toma de decisiones en la industria atunera. Revista Científica Arbitrada Multidisciplinaria Pentaciencias, 4(6), (70-92)
  • Araujo, I. C. R. (2023). Data Visualization in the Information Society. Seminars in Medical Writing and Education 2023. https://doi.org/10.56294/mw202325
  • Binu, V. S., Mayya, S. S., & Dhar, M. (2014). Some basic aspects of statistical methods and sample size determination in health science research. AYU (An International Quarterly Journal of Research in Ayurveda), 35(2), 119-123.
  • Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
  • Crespo, F., Alves, T., & Soto, M. (2022). Ciencia de Datos, Inteligencia Artificial, y sus impactos sobre la sociedad. Observatorio Económico, 169. https://doi.org/10.11565/oe.vi169.474
  • Dietterich, T. G. (2000). Ensemble methods in machine learning. In International workshop on multiple classifier systems (pp. 1-15). Springer, Berlin, Heidelberg.
  • Fuló, P. (2022). Power BI Vs Cognos: Comparación de plataformas de datos 2022. https://www.cloudmasters.es/power-bi-vs-cognos-comparacion-de-plataformas-de-datos-2022/
  • General Electric (s.f). Predix Asset Performance Management. https://www.ge.com/digital/sites/default/files/download_assets/Predix-asset-performance-management-brochure.pdf
  • González Támara, L. (2017). Análisis exploratorio de datos: Una introducción a la estadística descriptiva y probabilidad. Universidad de Bogotá Jorge Tadeo Lozano.
  • Grace, T. A., & Sawilowsky, S. S. (2009). Data error prevention and cleansing: A comprehensive guide for instructors of statistics and their students. Model assisted statistics and applications, 4(4), 303-312.
  • Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer.
  • Hellerstein, J. M. (2013). Quantitative data cleaning for large databases.
  • Hernández, C., & Rodríguez, J. E. R. (2008). Preprocesamiento de datos estructurados. Revista vínculos, 4(2), 27-48.
  • Hernández-Sampieri, R., & Mendoza, C. (2020). Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta.
  • Hutter, F., Kotthoff, L., & Vanschoren, J. (Eds.). (2019). Automated Machine Learning: Methods, Systems, Challenges. Springer. https://doi.org/10.1007/978-3-030-05318-5
  • IBM. (2024). IBM Cognos Analytics. https://www.ibm.com/mx-es/products/cognos-analytics
  • James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning: with Applications in R. Springer.
  • Lee, G. Y., Alzamil, L., Doskenov, B., & Termehchy, A. (2021). A survey on data cleaning methods for improved machine learning model performance. arXiv preprint arXiv:2109.07127.
  • Loi, N. T., Khoi, N. D., Hoa, H. T., Chi, L.K., Bay, H.V., (2021). Analysis of Factors Affecting to The Competitiveness of The Logistics Enterprises in Mekong Delta, Vietnam under The Integration of Descriptive Statistics and Fuzzy-ISM Approach. DOI: http://doi.org/10.46300/9106.2021.15.185
  • Mack, J. & Hittle, S. (2023). JPMorgan Chase elige Tableau para ofrecer análisis de autoservicio y seguir el vertiginoso ritmo de los cambios en el sector. JPMorgan Chase elige Tableau para ofrecer análisis de autoservicio y seguir el vertiginoso ritmo de los cambios en el sector
  • Mamani, Y. (2018). Business Intelligence: herramientas para la toma de decisiones en procesos de negocio. Universidad nacional micaela bastidas de apurimac, 1-6.
  • Medina R. M. S., Salcido, M. K., Rodríguez-Rivas, J. G. (2022). Internet de las cosas para eficientizar procesos de almacenamiento, trazabilidad y entrega de mercancías. Ciudades inteligentes e Internet de las cosas: Propuestas y casos de uso. (1) 238-277.
  • Microsoft Learn. (2024). Introducción a Power BI Desktop. Microsoft. https://learn.microsoft.com/es-es/power-bi/fundamentals/power-bi-overview
  • Mishra, P., Pandey, C. M., Singh, U., Gupta, A., Sahu, C., & Keshri, A. (2019). Descriptive statistics and normality tests for statistical data. Annals of cardiac anaesthesia, 22(1), 67-72.
  • Mojica, B. A. M. (2020). Tableros de impacto de los datos de Coronavirus Covid-19 en América Latina y el mundo utilizando Power BI como herramienta de visualización. REICE: Revista Electrónica de Investigación en Ciencias Económicas, 8(15), 88-103.
  • Noonan, R. & Reed, A. (2023). UK retailer, Marks and Spencer, uses Azure Synapse Analytics and Power BI to drive powerful insights. https://customers.microsoft.com/es-es/story/1620068383237408887-marksandspencer-azuresynapseanalytics-unitedkingdom
  • Obermeyer, Z., & Emanuel, E. J. (2016). Predicting the future—big data, machine learning, and clinical medicine. The New England Journal of Medicine, 375(13), 1216-1219.
  • Opertek (2024). ¿Que es Predix?. Oportek. https://opertek.com/blog/plataforma-predix/
  • Perri, L. (2022). Migrating to the Cloud: Why, How and What Makes Sense?. https://www.gartner.com/en/articles/migrating-to-the-cloud-why-how-and-what-makes-sense
  • Power BI, (2024). Power BI Visualización de datos. https://www.microsoft.com/es-es/power-platform/products/power-bi
  • Proaño-Morales, J. J., Moreira, G. P., & Mayorga, T. E. I. (2023). Tableau Public, una herramienta de visualización de datos e inteligencia de negocios para el cultivo de camarón. AquaTechnica: Revista Iberoamericana de Acuicultura, 5(3), 123-133.
  • Provost, F., & Fawcett, T. (2013). Data Science for Business: What You Need to Know About Data Mining and Data-Analytic Thinking. O'Reilly Media.
  • Rodríguez-Rivas, J. G. & Rodríguez, C. S. (2022). Uso de Python para el análisis de datos aplicado en la investigación. Investigación y Ciencia Aplicada a la Ingeniería, 5(34), 33-40.
  • Rohlman, A. (2019). ¿Qué es la ciencia de datos? Rondo24.Gothub.Io, 2022.
  • Shao, H., Martinez-Maldonado, R., Echeverria, V., Yan, L., & Gasevic, D. (2024, May). Data Storytelling in Data Visualisation: Does it Enhance the Efficiency and Effectiveness of Information Retrieval and Insights Comprehension?. In Proceedings of the CHI Conference on Human Factors in Computing Systems (pp. 1-21).
  • Sosa H. C. & Rodriguez-Rivas, J. G. (2020). Big Data y su impacto en la sociedad. Ciencia de los Datos. Propuestas y casos de uso (1) 79-119.
  • Soto, R. C. A. & Cruz, J. A. M. (2024). Análisis de Datos a través de Herramientas de Inteligencia de Negocios. Revista de Administración, Psicología e Ingeniería Industrial (9) 31, 34-45
  • Toapantla-Cisneros, K. (2024). Power BI y su aplicación en la administración estratégica. Revista DOXA ITQ, 2(1), 004.
  • Vásquez, I. (2023). Mondelez International digitaliza la adquisición para integrar más de 160 campos de datos, 28 000 proveedores y generar millones en ahorro de costos. https://www.tableau.com/es-es/solutions/customer/mondelez-international-transforms-procurement-digitally-with-tableau
  • Venkatesan, R., Farris, P., & Wilcox, R. T. (2016). Cutting-edge marketing analytics: Real world cases and data sets for hands on learning. Pearson Education.