El Analista Económico-Financiero

¡20 años ya! Parece mentira que fue ayer cuando publiqué mi primer artículo en Internet, titulado Las etapas del empresario y la empresa moderna . Publicado en  Gestiopolis  (en realidad sería una segunda versión revisada de un artículo publicado varios meses atrás en un website de consultoría de negocios en Chile) este texto no solo tuvo una gran acogida, sino que marcó el inicio de un camino lleno de aprendizaje y crecimiento profesional. Aquel primer artículo, nacido de la experiencia y la reflexión, fue solo el comienzo. Invitaciones a publicar en otros espacios digitales, como la  Revista Contribuciones a la Economía , se multiplicaron, impulsando la difusión de ideas y conocimientos. Más de 30 publicaciones científicas ( ORCiD ) avalan una trayectoria dedicada a la investigación y a la publicación de  artículos de divulgación . Cada artículo, cada línea escrita, refleja el compromiso con el aprendizaje continuo y la búsqueda de respuestas a los desafíos del mundo empresarial act

Este mapa ilustra qué industria está contratando a más personas en cada país, según las ofertas de trabajo de LinkedIn (este análisis sólo considera países con 300 o más ofertas de empleo y los datos son a agosto de 2023). Fuente:  The industry hiring the most people in every country and city En todos los países, dos sectores publicaron los anuncios más buscados en la mayoría de los países (28): dotación de personal y contratación y, servicios y consultoría de Tecnologías de la Información (IT por sus siglas en inglés). Las industrias de atención médica y minorista también aparecen entre las que tienen una gran demanda. Otros datos relevantes son: La industria de la restauración tiene la mayor cantidad de vacantes en los EE. UU. (7,86% de todos los anuncios de trabajo a junio de 2023). Hospitales y atención médica son el mayor empleador potencial de Canadá en este momento (14,82% de todos los anuncios de empleo). La industria de la construcción tiene la mayor cantidad de vacantes en el

Hoy en día existe mucha confusión entre el rol del analista de datos, el científico de datos y el ingeniero de datos, esto se debe fundamentalmente que muchas habilidades y competencias de estos roles se pisan entre sí. No obstante, el título de "científico" tiene algo que no tienen los otros, justamente esa capacidad de utilizar el método científico para aportar verdadero valor a las organizaciones y generar impacto. En el post del día de hoy, les traigo una serie de recursos para fortalecer el bagaje de profesionales de la ciencia de datos. El modelo es importante, pero los supuestos lo son más  La primera recomendación, es un artículo publicado por el CFA Institute (referente en el mundo de las finanzas) que hace una critica constructiva a los profesionales que se casan con las simulaciones de Monte Carlo para realizar sus pronósticos de rendimientos futuros. La recomendación: la importancia de los supuestos y considerar en sus escenarios aquellos eventos inesperados. Má

¿Alguna vez te ha fascinado un descubrimiento científico pero te atemorizaron las ecuaciones o la jerga especializada? ¿Has deseado comprender la salud de la economía con claridad, sin perderte en un mar de estadísticas? ¿Te intriga el potencial de la inteligencia artificial para explorar fronteras matemáticas desconocidas? En este blog, abrimos las puertas a un mundo donde la complejidad se transforma en conocimiento accesible. Aquí, los datos dejan de ser números fríos y se convierten en historias vívidas que cualquiera puede comprender. Te invito a navegar en las siguientes lecturas que te ayudarán a seguir desarrollando tus conocimientos y habilidades en el mundo de los datos. Para los principiantes, Este curso desmitificará y explicará el tema del Machine Learning. En tan solo unas horas podrás comprender los conceptos y los procesos detrás de esta tecnología revolucionaria:  A Quick Introduction to Machine Learning . Para los que ya tienen más experiencia:  Anomaly Detection in T

1. ¿Qué hace que los datos ambientales sean útiles? Las mejoras en la tecnología y el procesamiento de datos ahora permiten que los individuos controlen los efectos de la contaminación del aire. Sin embargo, esta singularización radical plantea desafíos para una acción comunitaria de base amplia ( Impact of Social Sciences ). 2. Cómo detectar gráficos engañosos (checklist) Explora una lista de verificación (c hecklist ) completa para detectar gráficos engañosos, lo que permite una toma de decisiones informada y segura basada en: la fuente, el tipo de gráfico, los ejes y el mensaje ( Tableau Blog ). 3. Desigualdad de oportunidades educativas: Medición y resultados empíricos En este artículo se muestra que las técnicas de ML pueden superar a este enfoque tradicional en la estimación de la desigualdad de oportunidades (DOp) en el ámbito educativo. En particular, los autores encontraron que los métodos de ML proporcionan estimaciones de la DOp más altas, lo que sugiere que estos métodos p

Como es costumbre en este blog, esta semana toca compartirles una serie de artículos que serán de utilidad para tanto principiantes como practicantes de data science. I. Para los que inician su carrera de análisis de datos Para los nuevos, aquí les dejo un artículo con consejos para ser contratado como analista de datos, crear un portafolio de visualización de datos gratuito, conectarse con otros entusiastas de los datos, conseguir el trabajo de visualización de datos y más:  7 Ways to Stand Out and Secure Your Next Data Analytics Role ( Tableau ). El siguiente artículo es para aquellos que les gusta leer, aprender y encontrar inspiración para sus proyectos:  How mathematics built the modern world ( Work in Progress ). II. Análisis visual A continuación, les comparto una "infografía" sobre la recaudación en taquilla de las películas del Universo Cinematográfico de Marvel (MCU por sus siglas en inglés). Me gusta esta visualización, ya que combina dos objetos visuales (un gr

Desde hace algunos años me dedico a la consultoría de ciencia de datos y capacito a las organizaciones en análisis de datos e inteligencia de negocios para una mejor toma de decisiones. Por lo cual, doy fe que cada día las empresas son más conscientes que tienen que actualizarse y empezar la transformación digital a un modelo más orientado al aprovechamiento de los datos. La siguiente figura es resultado de un estudio reciente que demuestra que trabajar con IA vale la pena, ya que el valor de las habilidades de IA (aumentan los salarios de los trabajadores en un 21%) es significativamente mayor que el de las habilidades promedio (Gráfico A1). Mientras que, al examinar el valor de las habilidades de IA individualmente (Gráfico B), se observa que las habilidades relacionadas con el aprendizaje automático, es decir, ML (40%), Tensor Flow (38%), Deep Learning (27%), PNL (19%), son más valiosas que las habilidades en análisis de datos (14%) y ciencia de datos (17%), seguidas de los lenguaje

Vamos a iniciar el post del día de hoy, con una historia sobre cómo nació la ciencia de datos como la conocemos ahora... Hace 20 años empresas como Google, se dieron cuenta que tenían muchísimos datos y que necesitaban analizarlos. Para ello, Google en 2002 contrató al famoso economista Hal Varian como consultor para lo que sería en un inicio Google Trends (es experto en áreas como: diseño de las subastas de publicidad (lo que hace el Ad Sense ), econometría, finanzas, estrategia corporativa y políticas públicas). Desde entonces es el economista en jefe de Google. Así, en un principio tanto Google como las empresas tecnológicas en Silicon Valley y Seattle empezaron a contratar a economistas en sus filas para que hicieran análisis de información y visualizaciones. Con el aumento de la demanda, se creo la oferta de científico de datos como profesional (especialización, grado y posgrado). Algo curioso, es que en el camino, muchas veces las empresas no quieren al científico para que dise

El día de hoy, te voy a compartir una serie de artículos relacionados con la ciencia de datos, para que los revises con calma este fin de semana. Mi primera recomendación, es para aquellos que no están familiarizados con las metodologías ágiles:  What is agile? ( McKinsey ). Hace un par de semana les compartía algunas de las aplicaciones de ChatGPT en economía y finanzas , para los interesados en la aplicación de los LLM (Gran Modelo Lingüístico) para las finanzas, Bloomberg ha sacado su propio BloombergGPT. Aquí un artículo de Bloomberg donde explican de qué se trata su propio modelo y acá el paper . Para los más avanzados, aquí les dejo un post con recomendaciones para graficar un Diseño de Regresión Discontinua (RDD):  How should you draw an RDD graph? ( Development Impact ). Siguiendo la línea del análisis visual, ahora les dejo un recurso para los que trabajen con Tableau:  Unlock the Power of Personalized Analytics with User Attribute Functions (UAF) . MATLAB, es un software

Data Overcoming original sin: insights from a new dataset ( BIS ). LLaMA: Open and Efficient Foundation Language Models ( Meta ). Methodology Expanding the usability of remote sensing data in development ( Development Impact ). Practice How to Perform Image Segmentation with Thresholding Using OpenCV ( Regenerative ). Just for AI Titans — Autonomous & Continuous AI Training - MLOPS on steroids ( IBM Data Science in Practice ). DataViz & BI Good Practices Macro Snapshot / St. Louis Fed ( The Big Picture ). What is the Most Successful Hollywood Movie of All Time? ( Information is beautiful ). Feel free to follow me on Twitter

El día de hoy, les comparto algunas novedades enfocadas a las tecnologías (Tableau, IBM y Google) que un científico de datos debe de manejar día a día, tres recursos para realizar cursos gratuitos. Finalmente, la visualización de la semana realizada con Python. Novedades DataFam Roundup: February 6 - 10, 2023 . Un blog semanal de Tableau que reúne las tendencias de la comunidad en una sola entrada. Updates: TensorFlow Decision Forests is production ready . En este post, te muestra todas las novedades que trae la librería  TensorFlow Decision Forests . Cloud Pak for Data 4.6 Code Experience with VS Code Integration . Este artículo ofrece una visión general de la experiencia de código para los científicos de datos en Watson Studio en Cloud Pak for Data 4.6 de IBM. Cubre la nueva integración mejorada de VS Code Desktop y la integración de JupyterLab y RStudio . La integración de escritorio de VS Code permite a los científicos de datos utilizar un IDE familiar para ejecutar y depurar c

How open source software shapes AI .  Paper here . Infographic: Generative AI Explained by AI (Visual Capitalist). Clearing data-quality roadblocks: Unlocking AI in manufacturing (McKinsey). Predict building energy consumption using AutoAI (IBM). What is Tableau Public’s Viz of the Day?   (How) Should I stratify when randomizing at the group level?  (World Bank). Feel free to follow me on Twitter

Ventas de discos de vinilo en los EE.UU. desde 1973 hasta 2021 (millones de unidades) 1. Una breve línea de tiempo de los formatos musicales En 1948, Columbia Records introdujo los discos de vinilo . En 1979, se lanza el Walkman de Sony que alcanza una popularidad como formato musical durante la década de los años ochentas. El disco compacto de audio digital, comúnmente conocido como CD, se inventó en 1979 como un proyecto de desarrollo conjunto de Sony y Philips. No obstante, su lanzamiento público se produjo en 1982, cuando "The Visitors" de la agrupación Abba hizo historia como el primer disco editado en este formato. Cabe destacar que por cuestiones de precios, dicho formato no alcanzaría su popularidad hasta finales de los 80s. Desarrollado a principios de los 80s como un trabajo posdoctoral en los laboratorios Bell de AT&T, el MP3 amplió los códecs preexistentes para comprimir audio. Sin embargo, el MP3 no se generalizó su uso  en Internet hasta 1992. Pero no se

En los últimos años, tanto la pandemia por COVID-19 como las tensiones geopolíticas han obligado a las empresas a evolucionar rápidamente tanto sus procesos de gestión como sus modelos de negocio. Lo que ha llevado a las organizaciones a adoptar la analítica avanzada como pilar básico de la innovación dentro de sus funciones generales y administrativas. En la siguiente figura, se muestran los usos más frecuentes de analítica avanzada en las empresas según área o función: Fuente: McKinsey Concretamente, la visualización nos presenta los principales resultados de un estudio realizado a 302 líderes de diversas funciones corporativas (incluidos directores financieros, directores de recursos humanos, directores de información y asesores generales). Donde se les consultó por los 5 usos más frecuentes de la analítica, por función (Finanzas, Recursos Humanos, Tecnologías de la Información, Compras y Bienes Inmuebles). El color azul, indica un mayor uso por la mayoría de las empresas encuestad