El Analista Económico-Financiero

Wikipedia define a la ciencia de datos como un concepto para unificar estadísticas, análisis de datos, aprendizaje automático, y sus métodos relacionados, a efectos de comprender y analizar los fenómenos reales, empleando técnicas y teorías extraídas de muchos campos dentro del contexto de las matemáticas, la estadística, la ciencia de la información, y la informática. Si eres emprendedor/empresario y no sabes como la ciencia de datos te puede ayudar en tu empresa, te recomiendo empezar por esta lectura, acerca de cómo las empresas se convierten en líderes en su sector, gracias a la aplicación/implementación de técnicas de aprendizaje automático y desarrollo de inteligencia artificial en sus operaciones de negocio ( McKinsey ). Análisis de texto Para los que ya tiene práctica con Python y les interesa aprender a realizar un análisis de texto, les recomiendo echarle un vistazo a  How Topic Modelling can help companies to mine customer reviews ( IBM Data Science in Practice ). Análisi

1. El impacto de las FinTech en la economía Hoy toca hablar de tecnología, específicamente de la economía basada en los datos y, para ello, inicio con dos documentos de trabajo sobre los efectos de la tecnología en la economía. El primero de ellos, encontró que una mayor entrada de tecnología financiera tiene efectos positivos a largo plazo en la producción agregada y el consumo ( Fintech Entry, Firm Financial Inclusion, and Macroeconomic Dynamics in Emerging Economies ). El segundo, señala que las tecnologías de la información hacen que la oferta de crédito de los bancos sea más sensible a los cambios en los precios locales de la vivienda, y debilitan la importancia de la distancia geográfica entre prestatarios y prestamistas. Estos resultados sugieren que la adopción de tecnologías de la información por parte de los bancos puede aumentar el dinamismo al mejorar el acceso de las nuevas empresas a la financiación ( Does IT help? Information technology in banking and entrepreneurship ).

Después de un largo break entre un tiempo sabático y la pandemia. A mediados de 2021, tomé la decisión de reactivar varias de mis actividades, que van más allá de desempeñarme como consultor y docente de Análisis de Datos y de Business Intelligence . Así, en este último post del año, quiero compartir con todos ustedes estos recursos, los cuales espero encuentren de su interés: Artículos de divulgación Zorrilla Salgador, J.P. (2021). Diplomacia ciudadana: canal de vinculación y empoderamiento de la diáspora mexicana . Espacio México (2 de noviembre de 2021). Zorrilla Salgador, J.P. (2021). Business Intelligence: qué es y su importancia en las empresas . Senpai Academy Blog (31 de Agosto de 2021).  Zorrilla Salgador, J.P. (2021). El sector privado necesita científicos sociales de datos para innovar . Espacio México (26 de agosto de 2021).  Zorrilla Salgador, J.P. (2021). Cuatro lecciones de un mexicano en el exterior . Espacio México (12 de julio de 2021).  Zorrilla Salgador, J.P. (

Hola a todos, hoy les traigo a colación un post con artículos sobre temas prácticos de ciencia y tecnología, y su cruce con la ciencia de datos. 1. Redes Sociales Profesionales Vamos a iniciar con lo más simple de todo, con una recomendación que te ayudará en la creación de tú marca personal (profesional) en las redes:  How to Master Social Media: Consistency . También te podría interesar:  Porqué Twitter es una red social poco comprendida y cómo sacarle el mayor provecho . 2. Economía Espacial En este blog, desde el 2013, he escrito y publicado sobre la 'economía espacial' ( Space Economy ) algo que en su momento, seguramente muchos lectores interpretaban como un tema más de ciencia ficción o de la futurología. Hoy en día, es un tema más recurrente y de actualidad en los medios. Como McKinsey que ha publicado el siguiente artículo sobre la financiación de la exploración espacial: R&D for space: Who is actually funding it? . Aquí para ver los artículos publicados en este b

Desde hace algún tiempo, en este blog he ido publicando entradas en inglés con recursos con las etiquetas de Análisis de Datos, Business Intelligence, Data Science, Inteligencia Artificial (IA), Machine Learning y Visual Analytics. Con la finalidad de promover más la difusión y divulgación de recursos en estas áreas, cambiare el formato de estas entradas a una presentación en español. No obstante, los enlaces a los mejores recursos casi siempre serán en inglés ( sorry pero siempre pueden usar algún traductor). La estructura de estos posts, se dividen en tres tipos: El primero, artículos que te brindarán conocimientos teóricos. Segundo, investigaciones que han utilizado modelos de machines learning o IA. Tercero, tutoriales para aprender/practicar algo de programación que se utiliza en la ciencia de datos o en IA. I. Artículos Dicho esto, inauguramos las entradas sobre ciencia de datos con el post el hoy. Mi primera recomendación es un artículo que discute la diferencia entre la inter

Iniciamos esta semana, con una serie de artículos sobre problemas y desafíos del mundo actual. Mi primera lectura recomendada, es un artículo que nos explica un fenómeno, que creo que se debe de estar dando en varios países, donde las empresas que no están subiendo precios están camuflando la inflación , en esta columna explican dos nuevos conceptos económicos que aparecen en la escena anglosajona:  Shrinkflation y Skimpflation . El pasado miércoles 10 de noviembre, se celebró el Día Mundial de la Ciencia para la Paz y el Desarrollo de la UNESCO. Por este motivo el blog Nada es Gratis publicó dos entradas dedicadas al análisis de la brecha de género en las vocaciones STEM, sus causas y políticas para abordarlo ( 1º parte ) y ( 2º parte ). Sin duda unas excelentes referencias para la evaluación de políticas de género en STEM. Recientemente McKinsey, ha elaborado un estudio que pone al descubierto el potencial impacto de los riesgos climáticos para las personas de todo el mundo , y e

My recommended reads for this week: Open Data: A New Power Struggle Emerges ( Visual Capitalist ). Your Blueprint for governed analytics at scale ( Tableau ). Jumpstarting value creation with data and analytics in fashion and luxury ( McKinsey ). Report: Language Models in Plain English. Humans understanding how machines understand language ( IBM Community ). Five Common Distance Measures in Data Science With Formulas and Examples ( Regenerative ). After floods and pandemics: How to obtain a meaningful forecast ( VoxEU ). DiD you see Beta? Beta who? Part 1 & Part 2 (Development Impact). Meet VanDEEPol: a hybrid AI/mechanistic model to predict brain activity and structure from imaging data ( IBM Research ). Feel free to follow me on Twitter Have a nice week

El día de hoy les hago extensa la invitación para participar en la Semana de la Ciencia 2021 , evento organizado por el eje de Ciencia, Tecnología, Innovación y Academia   Capítulo España de la Red Global MX  con el apoyo de la Embajada de México en España y el Instituto de los Mexicanos en el Exterior (IME). La Semana de la Ciencia es un evento on-line y gratuito y se hará entrega de constancia de participación. El evento tiene como objetivo dar a conocer entre los universitarios mexicanos y el público interesado, el trabajo científico, de investigación, desarrollo y académico que realizan mexicanos cualificados en el extranjero. El evento contará con 59 ponentes de talla internacional, ubicados en 13 países diferentes, de los cuales el 98% son mexicanos reconocidos por su talento, trayectoria y compromiso profesional. Las conferencias estarán organizadas en torno a cuatro ejes temáticos: Química, Sustentabilidad, Salud y COVID-19. Un servidor, estaré participando el martes 16 de no

The weekend is almost here! Pour yourself a mug of coffee, and get ready for our Data weekend reads: Data Governance: How to Focus on three areas for a holistic data governance approach for self-service analytics ( Tableau ). Visual Data Analysis: What 3.5 million French firms can tell us about the efficiency of Covid-19 support measures ( VoxEU ). ML: Operationalizing machine learning in processes ( McKinsey ). ML: A Complete Sentiment Analysis Project Using Python’s Scikit-Learn ( Regenerative ). ML:   Can We Use Machine Learning to Predict Energy Savings? ( Resources ). AI:   How to prioritise humans in artificial intelligence design for business ( LSE Business Review ). AI: Building Explainable AI (XAI) Applications with Question-Driven User-Centered Design ( Medium ). DS:   Building your Data Science portfolio using GitHub ( YouTube ). Feel free to follow me on Twitter Have a nice weekend

My recommended back to work reads for this week: How to harness a new wave of data-driven decision-making ( Tableau ). Hyper-personalization: The Silver Bullet to Success in Digital Banking ( The Decision Lab ). Cloud cost-optimization simulator ( McKinsey ). PairPlot and PairGrid in Python ( Regenerative ). Money flow networks: Evidence from Japan ( VoxEU ). Can artificial intelligence make software development more productive? ( LSE Business Review ). Can I pool together data from the same experiment in multiple countries to boost sample size and power? ( Development Impact ). Feel free to follow me on Twitter

Hola a todos, arrancamos esta semana con una serie de artículos que les voy a compartir, que estoy seguro que serán de interés a todos los niveles, es decir, al que se quieren iniciar en el apasionante mundo de los datos, como aquellos que ya llevan un tiempo en la profesión del análisis de datos. El primer artículo que les voy a recomendar, es para el análisis visual de los datos, con 6 lecciones a tener en cuenta sobre la comunicación con datos:  6 lessons learned about data communication from the Iron Viz 2021 Feeder ( Tableau ). Escribí el siguiente post para el blog de Senpai Academy , una academia latinoamericana líder en marketing digital, programación, videojuegos, productos digitales y ciencia de datos:  Business Intelligence: qué es y su importancia en las empresas ( Blog de Senpai Academy ). Para aquellos que deseen ver un ejemplo práctico de cómo se hace un análisis de Business Intelligence, aquí les dejo:  Fantasy Football Draft Prep – Using Data to Build a Championship

Assorted links for People interested in Data Science profession: Salaries And Job Opportunities For Data Scientists Continue To Rise ( Forbes ). Python or R? Which One is Better for Data Scientists or Data Analysts ( Regenerative ). Risk Managers: Avoiding Disaster with Catastrophe Bonds? ( Enterprise Investor ). 8 steps to starting a cybersecurity virtuous cycle ( World Economic Forum ). Lessons from banking to improve risk and compliance and speed up digital transformations ( McKinsey ). RiskGrade: A More Intuitive Way to Calculate Investment Risk ( Visual Capitalism ). Growing Digital Business : How the power of predictive analytics can transform business ( Tableau ). How to Calculate Month-over-Month Growth Rate ( Rootstrap ). Feel free to follow me on Twitter

My recommended articles for this week: How Software Is Eating the Car . The trend toward self-driving and electric vehicles will add hundreds of millions of lines of code to cars ( IEEE Spectrum ). This is Personal: The Do’s and Don’ts of Personalization in Tech ( The Decision Lab ). How Women Need To Be Involved In Data Science To Prevent Bias In Algorithms ( Rootstrap ). Exploratory Data Analysis of Text data Including Visualization with Python ( Regenerative ). How Databricks and Tableau customers are fueling innovation with data lakehouse architecture ( Tableau ). Real Estate pricing with Machine Learning & non-traditional data sources ( Tryolabs ). Design sandbox: Power calculations and optimal design for cost effectiveness : Part 1: The case of cash benchmarking and  Part 2: The case of nonlinearities . Plus:   Pharma’s digital Rx: Quantum computing in drug research and development ( McKinsey ). Feel free to follow me on Twitter

The Use of Data Using Data Analytics as a Source for Change  ( Knowledge@Wharton ). Regulating personal data : Linking different models to digital services trade  ( VoxEU ). The Importance of Statistics On Thinking Machines, Machine Learning, And How AI Took Over Statistics ( Forbes ). Spot the Logical Fallacy : some useful errors that might also apply to other fields ( The Big Picture ). Statistics (Philosophy) Quiz: See If You Really Know What You’re Doing Using Tests ( William M. Briggs ). Learning Resources Exploratory Data Analysis, Visualization, Prediction Model in Python ( Regenerative ). Text Files Processing, Cleaning, and Classification of Documents in R ( Regenerative ). Dissecting 1-Way ANOVA and ANCOVA with Examples in R ( Regenerative ). Data and Analytics  resources from Development Impact Evaluation (DIME) of the World Bank.  Feel free to follow me on Twitter Have a nice weekend!

El jueves de la semana pasada, tuve el agrado de impartir el webinar titulado "El poder de los datos" . Este webinar tiene como objetivo general ofrecer al público una introducción al apasionante mundo de la ciencia de datos, su impacto en las organizaciones y cómo formarte en este sector. Entre los temas que se trató en la charla se encuentran: explicar qué es el Big Data; cómo ha sido la aceleración de la adopción digital en las empresas durante la crisis del covid-19; el estado actual de las empresas en cuanto a la obtención de valor de los datos; el camino de los datos y su análisis hacia la generación de impacto en las organizaciones; el estado actual de la práctica profesional dentro de la comunidad de científicos de datos. Finalmente, hago la presentación de un curso de formación en Análisis de Datos y Business Intelligence (BI). Si les interesa el tema, les recomiendo seguir viendo los últimos minutos de la charla, donde se plantearon preguntas que pueden ser de muc

These are my data science recommended readings for this weekend: Five steps for companies to make AI pilots a success.   The pandemic has made the need for organisations to digitise and increase technology adoption even more urgent. More and more companies are turning to artificial intelligence for help in their processes. But how can managers ensure that they go about it in the most effective way possible? Terence Tse, Dilpreet Sall, Mark Esposito and Danny Goh created a five-step methodology to improve the odds of success in AI adoption ( LSE Business Review ). Adopting a smart data mindset in a world of big data.   Industrial companies are using artificial intelligence to improve plant operations. To be successful, they will need to transform their data with the help of domain experts ( McKinsey ). After a year of COVID-19 charts, eight data communication lessons learned. In this article, the author choose eight examples from the last year that each reveal one key lesson anyone

These are my recommended articles for this week about data science. A  A Tale of Time Varying Covariates ( Causal Inference: the Remix ). Analytics-to-Value: Digital analytics optimizing products and portfolios ( McKinsey ). Reinforcement Learning & pricing: a complicated love story ( TryoLabs ). Book Review: Machine Learning for Asset Managers ( CFA Institute ). Six tips for the best experience at Tableau’s DataDev Hackathon ( Tableau ). Take Full Control Over the Subplots in Matplotlib ( Regenerative ). Finally, a good example of dashboard: Best-Selling Video Games ( Tableau Public ). Feel free to follow me on Twitter

Source:   Best of the Tableau Web: March 2021 . The expanding scope of models and the increased use of models based on advanced analytics have amplified the strategic importance of model risk management . Read more: A strategic vision for model risk management . This article will discuss the details of logistic regression in R. But for a refresher or better understanding, I will discuss some formulas behind the model . Read more:  A Complete Tutorial on Logistic Regression, and Inference in R .  Extreme Gradient Boosting (XGBoost) is an open-source library that provides an efficient and effective implementation of the gradient boosting algorithm . Read more: XGBoost for Regression . In Tableau 2021.1, we’ve added new connectors to help our customers access more data in Azure than ever before: an Azure SQL Database connector and an Azure Data Lake Storage Gen2 connector . Read more:  Unlock the value of your Azure data with Tableau . An easier way to create a pipeline from scripts and

My recommended readings for this weekend: What is Tableau Business Science? ( Tableau ). How To Effectively Utilize Data Visualization ( Rootstrap ). A Complete Image Classification Project Using Logistic Regression Algorithm ( Regenerative ). An Adversarial or “Long and Squiggly” Test of the Plausibility of Parallel Trends in Difference-in-Differences Analysis ( Development Impact ). AI-powered decision making for the bank of the future ( McKinsey ). The 7 big myths about AI in traditional businesses ( Tryolabs ). Sensemaking and Lens-Shaping: Identifying Citizen Contributions to Foresight through Comparative Topic Modelling ( Futures ). Feel free to follow me on Twitter

This are my recommended Data Science readings for this weekend. Enjoy! Statistics: A Complete Overview of the Probability Distributions with Examples, R Implementation ( Regenerative ). Data Manipulation: Ready, Set, Bunch! ( Development Impact ). Text-based Analysis: Fraud and Deception Detection: Five Language Fingerprints ( CFA Institute ). Project Management:   What is Technical Debt? ( Rootstrap ). Finally, a three-part Tableau series about the learnings of the data in the time of COVID-19: The human face of data Understanding context and the limitations of data The value of data collaboration Feel free to follow me on Twitter