Introducción

 3 minutos

Como analista de datos, está en un viaje. Piense en todos los datos que se están
generando cada día y que están disponibles en una organización, desde datos
transaccionales en una base de datos tradicional, datos de telemetría de los
servicios que usa, hasta señales que recibe de diferentes áreas como las redes
sociales.

Por ejemplo, las empresas minoristas actuales recopilan y almacenan cantidades

masivas de datos que rastrean los artículos que buscó y compró, las páginas que
visitó en su sitio, los pasillos en los que compra productos, sus hábitos de gasto y
mucho más.

Con los datos y la información como el activo más estratégico de una empresa, el
desafío subyacente que tienen las organizaciones hoy en día es comprender y
utilizar sus datos para lograr cambios positivos en la empresa. Las empresas
continúan luchando por usar sus datos de una manera significativa y productiva, lo
que afecta su capacidad para actuar.

Una empresa minorista debe poder utilizar sus grandes cantidades de datos e
información de tal manera que afecte a la empresa, lo que incluye:

 Seguimiento de inventario
 Identificar hábitos de compra
 Detectar tendencias y patrones de usuarios
 Recomendar compras
 Determinación de optimizaciones de precios
 Identificar y detener el fraude

Además, es posible que esté buscando patrones de venta diarios / mensuales. Los

segmentos de datos comunes que quizás desee examinar incluyen día tras día,
semana tras semana y mes tras mes para que pueda comparar cómo han estado
las ventas hasta donde estaban en la misma semana el año pasado, por ejemplo .

La clave para desbloquear estos datos es poder contar una historia con ellos. En el
mundo empresarial altamente competitivo y acelerado de hoy, la elaboración de
informes que cuenten esa historia es lo que ayuda a los líderes empresariales a
tomar medidas sobre los datos. Los tomadores de decisiones comerciales
dependen de una historia precisa para impulsar mejores decisiones
comerciales. Cuanto más rápido pueda una empresa tomar decisiones precisas,
más competitivas serán y mejores ventajas tendrán. Sin la historia, es difícil
comprender lo que los datos intentan decirle.

Sin embargo, tener datos por sí solos no es suficiente. Debe poder actuar sobre los
datos para efectuar cambios dentro de la empresa. Esa acción podría implicar la
reasignación de recursos dentro del negocio para adaptarse a una necesidad, o
podría identificar una campaña fallida y saber cuándo cambiar de rumbo. Esta
situación es donde es importante contar una historia con sus datos.

El desafío subyacente al que se enfrentan las empresas hoy en día es comprender y

utilizar sus datos de tal manera que afecten a su negocio y, en última instancia, a
sus resultados finales. Debe poder ver los datos y facilitar decisiones comerciales
confiables. Luego, necesita la capacidad de mirar métricas y comprender
claramente el significado detrás de esas métricas.

Este requisito puede parecer abrumador, pero es una tarea que puede realizar. Su
primer paso es asociarse con profesionales de datos dentro de su organización,
como ingenieros de datos y científicos de datos, para ayudarlo a obtener los datos
que necesita para contar esa historia. Pídale a estos profesionales que participen en
ese viaje de datos con usted.

Su viaje de contar una historia con datos también se relaciona con la construcción
de esa cultura de datos dentro de su organización. Si bien contar la historia es
importante, el lugar donde se cuenta también es crucial, garantizar que la historia
se cuente a las personas adecuadas. Además, asegúrese de que las personas
puedan descubrir la historia, que sepan dónde encontrarla y que sea parte de las
interacciones habituales.

El análisis de datos existe para ayudar a superar estos desafíos y puntos débiles, y
en última instancia, ayuda a las empresas a encontrar conocimientos y descubrir el
valor oculto en los tesoros de datos a través de la narración. A medida que lea,
aprenderá a usar y aplicar las habilidades analíticas para ir más allá de un solo
informe y ayudar a impactar e influir en su organización al contar historias con
datos e impulsar esa cultura de datos.
Descripción general del análisis de datos

4 minutos

Antes de que los datos se puedan utilizar para contar una historia, deben pasar por
un proceso que los haga utilizables en la historia. El análisis de datos es el proceso
de identificar, limpiar, transformar y modelar datos para descubrir información
significativa y útil. Luego, los datos se elaboran en una historia a través de informes
de análisis para respaldar el proceso crítico de toma de decisiones.

A medida que el mundo se vuelve más impulsado por los datos, la narración a
través del análisis de datos se está convirtiendo en un componente y aspecto vital
de las grandes y pequeñas empresas. Es la razón por la que las organizaciones
continúan contratando analistas de datos.

Las empresas basadas en datos toman decisiones basadas en la historia que

cuentan sus datos, y en el mundo actual basado en datos, los datos no se utilizan
en todo su potencial, un desafío al que se enfrentan la mayoría de las empresas. El
análisis de datos es, y debería ser, un aspecto crítico de todas las organizaciones
para ayudar a determinar el impacto en su negocio, incluida la evaluación de la
opinión del cliente, la realización de estudios de mercado y productos, y la
identificación de tendencias u otros conocimientos de datos.

Si bien el proceso de análisis de datos se centra en las tareas de limpieza,

modelado y visualización de datos, el concepto de análisis de datos y su
importancia para las empresas no deben subestimarse. Para analizar los datos, los
componentes centrales de la analítica se dividen en las siguientes categorías:

Descriptivo

Diagnóstico

Profético
Preceptivo

Cognitivo

Analítica descriptiva

El análisis descriptivo ayuda a responder preguntas sobre lo que sucedió en

función de los datos históricos. Las técnicas de análisis descriptivo resumen
grandes conjuntos de datos para describir los resultados a las partes interesadas.

Al desarrollar indicadores clave de desempeño (KPI), estas estrategias pueden

ayudar a rastrear el éxito o el fracaso de los objetivos clave. Las métricas como el
retorno de la inversión (ROI) se utilizan en muchas industrias y se desarrollan
métricas especializadas para rastrear el desempeño en industrias específicas.

Un ejemplo de análisis descriptivo es generar informes para proporcionar una vista

de los datos financieros y de ventas de una organización.

Análisis de diagnóstico

Los análisis de diagnóstico ayudan a responder preguntas sobre por qué

sucedieron los eventos. Las técnicas de análisis de diagnóstico complementan el
análisis descriptivo básico y utilizan los resultados del análisis descriptivo para
descubrir la causa de estos eventos. Luego, los indicadores de desempeño se
investigan más a fondo para descubrir por qué estos eventos mejoraron o
empeoraron. Generalmente, este proceso ocurre en tres pasos:

Identificar anomalías en los datos. Estas anomalías pueden ser cambios

inesperados en una métrica o un mercado en particular.

Recopile datos relacionados con estas anomalías.

Utilice técnicas estadísticas para descubrir relaciones y tendencias que expliquen

estas anomalías.
Analítica predictiva

El análisis predictivo ayuda a responder preguntas sobre lo que sucederá en el

futuro. Las técnicas de análisis predictivo utilizan datos históricos para identificar
tendencias y determinar si es probable que se repitan. Las herramientas analíticas
predictivas proporcionan información valiosa sobre lo que podría suceder en el
futuro. Las técnicas incluyen una variedad de técnicas estadísticas y de aprendizaje
automático, como redes neuronales, árboles de decisión y regresión.

Analítica prescriptiva

Los análisis prescriptivos ayudan a responder preguntas sobre qué acciones se

deben tomar para lograr una meta o un objetivo. Mediante el uso de información
de análisis predictivo, las organizaciones pueden tomar decisiones basadas en
datos. Esta técnica permite a las empresas tomar decisiones informadas frente a la
incertidumbre. Las técnicas de análisis prescriptivo se basan en estrategias de
aprendizaje automático para encontrar patrones en grandes conjuntos de datos. Al
analizar decisiones y eventos pasados, las organizaciones pueden estimar la
probabilidad de diferentes resultados.

Analítica cognitiva

La analítica cognitiva intenta extraer inferencias a partir de datos y patrones

existentes, derivar conclusiones basadas en bases de conocimiento existentes y
luego agregar estos hallazgos nuevamente a la base de conocimiento para futuras
inferencias, un ciclo de retroalimentación de autoaprendizaje. El análisis cognitivo
lo ayuda a saber qué podría suceder si las circunstancias cambian y a determinar
cómo podría manejar estas situaciones.

Las inferencias no son consultas estructuradas basadas en una base de datos de

reglas; más bien, son hipótesis no estructuradas que se recopilan de varias fuentes
y se expresan con diversos grados de confianza. La analítica cognitiva eficaz
depende de los algoritmos de aprendizaje automático y utilizará varios conceptos
de procesamiento del lenguaje natural para dar sentido a las fuentes de datos
previamente desaprovechadas, como los registros de conversaciones del centro de
llamadas y las revisiones de productos.

Ejemplo

Al habilitar la visualización de informes y datos, una empresa minorista utiliza

análisis descriptivos para observar patrones de compras de años anteriores y
determinar qué productos podrían ser populares el próximo año. La compañía
también podría buscar datos de respaldo para comprender por qué un producto
en particular fue popular y si esa tendencia continúa, lo que los ayudará a
determinar si continuar almacenando ese producto.

Una empresa puede determinar que un determinado producto fue popular durante
un período de tiempo específico. Luego, pueden usar este análisis para determinar
si ciertos esfuerzos de marketing o actividades sociales en línea contribuyeron al
aumento de las ventas.

Una faceta subyacente del análisis de datos es que una empresa necesita confiar en
sus datos. Como práctica, el proceso de análisis de datos capturará datos de
fuentes confiables y los convertirá en algo consumible, significativo y de fácil
comprensión para ayudar con el proceso de toma de decisiones. El análisis de
datos permite a las empresas comprender completamente sus datos a través de
procesos y decisiones basados en datos, lo que les permite tener confianza en sus
decisiones.

A medida que crece la cantidad de datos, también lo hace la necesidad de analistas

de datos. Un analista de datos sabe cómo organizar la información y convertirla en
algo relevante y comprensible. Un analista de datos sabe cómo recopilar los datos
correctos y qué hacer con ellos, en otras palabras, dar sentido a los datos en su
sobrecarga de datos.

Roles en los datos

 5 minutos
Contar una historia con los datos es un viaje que generalmente no comienza
contigo. Los datos deben provenir de algún lugar. Llevar esos datos a un lugar que
usted pueda utilizar requiere un esfuerzo que probablemente esté fuera de su
alcance, especialmente en consideración a la empresa.

Las aplicaciones y proyectos de hoy pueden ser grandes e intrincados, y a menudo

implican el uso de habilidades y conocimientos de numerosas personas. Cada
persona aporta un talento y experiencia únicos, compartiendo el esfuerzo de
trabajar juntos y coordinando tareas y responsabilidades para llevar un proyecto
desde el concepto hasta la producción.

En el pasado reciente, roles como analistas de negocios y desarrolladores de

inteligencia de negocios eran el estándar para el procesamiento y la comprensión
de datos. Sin embargo, la expansión excesiva del tamaño y los diferentes tipos de
datos ha provocado que estos roles evolucionen hacia conjuntos de habilidades
más especializados que modernizan y agilizan los procesos de ingeniería y análisis
de datos.

Las siguientes secciones destacan estos diferentes roles en los datos y la

responsabilidad específica en el espectro general de descubrimiento y
comprensión de datos:

 Analista de negocios

 Analista de datos

 Ingeniero de datos

 Científico de datos

 Administrador de base de datos

Analista de negocios

Si bien existen algunas similitudes entre un analista de datos y un analista de

negocios, el diferenciador clave entre los dos roles es lo que hacen con los
datos. Un analista de negocios está más cerca del negocio y es un especialista en
interpretar los datos que provienen de la visualización. A menudo, los roles de
analista de datos y analista de negocios podrían ser responsabilidad de una sola
persona.

Analista de datos

Un analista de datos permite a las empresas maximizar el valor de sus activos de

datos a través de herramientas de visualización y generación de informes como
Microsoft Power BI. Los analistas de datos son responsables de perfilar, limpiar y
transformar los datos. Sus responsabilidades también incluyen diseñar y construir
modelos de datos escalables y efectivos, y habilitar e implementar las capacidades
analíticas avanzadas en informes para su análisis. Un analista de datos trabaja con
las partes interesadas pertinentes para identificar los requisitos de informes y datos
apropiados y necesarios, y luego se les asigna la tarea de convertir los datos sin
procesar en conocimientos relevantes y significativos.

Un analista de datos también es responsable de la gestión de los activos de Power

BI, incluidos los informes, los paneles, los espacios de trabajo y los conjuntos de
datos subyacentes que se utilizan en los informes. Tienen la tarea de implementar y
configurar los procedimientos de seguridad adecuados, junto con los requisitos de
las partes interesadas, para garantizar la protección de todos los activos de Power
BI y sus datos.

Los analistas de datos trabajan con ingenieros de datos para determinar y localizar
fuentes de datos adecuadas que cumplan con los requisitos de las partes
interesadas. Además, los analistas de datos trabajan con el ingeniero de datos y el
administrador de la base de datos para garantizar que el analista tenga el acceso
adecuado a las fuentes de datos necesarias. El analista de datos también trabaja
con el ingeniero de datos para identificar nuevos procesos o mejorar los procesos
existentes para recopilar datos para su análisis.

Ingeniero de datos

Los ingenieros de datos proporcionan y configuran tecnologías de plataforma de

datos que se encuentran en las instalaciones y en la nube. Administran y aseguran
el flujo de datos estructurados y no estructurados de múltiples fuentes. Las
plataformas de datos que utilizan pueden incluir bases de datos relacionales, bases
de datos no relacionales, flujos de datos y almacenes de archivos. Los ingenieros
de datos también garantizan que los servicios de datos se integren de forma
segura y sin problemas en todos los servicios de datos.
Las responsabilidades principales de los ingenieros de datos incluyen el uso de
herramientas y servicios de datos locales y en la nube para ingerir, egresar y
transformar datos de múltiples fuentes. Los ingenieros de datos colaboran con las
partes interesadas del negocio para identificar y cumplir con los requisitos de
datos. Diseñan e implementan soluciones.

Si bien puede existir cierta alineación en las tareas y responsabilidades de un

ingeniero de datos y un administrador de base de datos, el alcance del trabajo de
un ingeniero de datos va mucho más allá de cuidar una base de datos y el servidor
donde está alojado y probablemente no incluye la gestión general de datos
operativos.

Un ingeniero de datos agrega un valor tremendo a los proyectos de ciencia de

datos e inteligencia empresarial. Cuando el ingeniero de datos reúne datos, lo que
a menudo se describe como disputa de datos, los proyectos avanzan más rápido
porque los científicos de datos pueden concentrarse en sus propias áreas de
trabajo.

Como analista de datos, trabajaría en estrecha colaboración con un ingeniero de

datos para asegurarse de que pueda acceder a la variedad de fuentes de datos
estructuradas y no estructuradas, ya que lo ayudarán a optimizar los modelos de
datos, que normalmente se proporcionan desde un almacén de datos o lago de
datos moderno. .

Tanto los administradores de bases de datos como los profesionales de inteligencia

empresarial pueden realizar la transición a un puesto de ingeniero de
datos; necesitan aprender las herramientas y la tecnología que se utilizan para
procesar grandes cantidades de datos.

Científico de datos

Los científicos de datos realizan análisis avanzados para extraer valor de los
datos. Su trabajo puede variar desde el análisis descriptivo hasta el análisis
predictivo. El análisis descriptivo evalúa los datos a través de un proceso conocido
como análisis exploratorio de datos (EDA). La analítica predictiva se utiliza en el
aprendizaje automático para aplicar técnicas de modelado que pueden detectar
anomalías o patrones. Estos análisis son partes importantes de los modelos de
pronóstico.
El análisis descriptivo y predictivo son solo aspectos parciales del trabajo de los
científicos de datos. Algunos científicos de datos pueden trabajar en el ámbito del
aprendizaje profundo, realizando experimentos iterativos para resolver un
problema de datos complejo mediante el uso de algoritmos personalizados.

La evidencia anecdótica sugiere que la mayor parte del trabajo en un proyecto de

ciencia de datos se dedica a la manipulación de datos y la ingeniería de
características. Los científicos de datos pueden acelerar el proceso de
experimentación cuando los ingenieros de datos utilizan sus habilidades para
discutir con éxito los datos.

En la superficie, podría parecer que un científico de datos y un analista de datos

están muy separados en el trabajo que hacen, pero esta conjetura es falsa. Un
científico de datos examina los datos para determinar las preguntas que necesitan
respuesta y, a menudo, elaborará una hipótesis o un experimento y luego recurrirá
al analista de datos para que lo ayude con la visualización y el informe de datos.

Administrador de base de datos

Un administrador de base de datos implementa y gestiona los aspectos operativos

de las soluciones de plataforma de datos híbridas y nativas de la nube que se
basan en los servicios de datos de Microsoft Azure y Microsoft SQL Server. Un
administrador de datos es responsable de la disponibilidad general, el rendimiento
constante y las optimizaciones de las soluciones de base de datos. Trabajan con las
partes interesadas para identificar e implementar las políticas, herramientas y
procesos para los planes de copia de seguridad y recuperación de datos.

El rol de un administrador de base de datos es diferente al rol de un ingeniero de

datos. Un administrador de base de datos monitorea y gestiona el estado general
de una base de datos y el hardware en el que reside, mientras que un ingeniero de
datos está involucrado en el proceso de manipulación de datos, en otras palabras,
ingesta, transforma, valida y limpia los datos para satisfacer las necesidades
comerciales. y requisitos.

El administrador de la base de datos también es responsable de administrar la

seguridad general de los datos, otorgando y restringiendo el acceso y los
privilegios de los usuarios a los datos según lo determinen las necesidades y
requisitos comerciales.
Tareas de un analista de datos
 7 minutos

Un analista de datos es uno de los varios roles críticos en una organización, que
ayudan a descubrir y dar sentido a la información para mantener la empresa
equilibrada y funcionando de manera eficiente. Por lo tanto, es vital que un analista
de datos comprenda claramente sus responsabilidades y las tareas que se realizan
casi a diario. Los analistas de datos son esenciales para ayudar a las organizaciones
a obtener información valiosa sobre la gran cantidad de datos que tienen, y
trabajan en estrecha colaboración con otros miembros de la organización para
ayudar a revelar información valiosa.

La siguiente figura muestra las cinco áreas clave en las que participará durante el
proceso de análisis de datos.

Preparar

Como analista de datos, probablemente dividirá la mayor parte de su tiempo entre

las tareas de preparación y modelado. Los datos deficientes o incorrectos pueden
tener un impacto importante que da como resultado informes no válidos, pérdida
de confianza y un efecto negativo en las decisiones comerciales, lo que puede
provocar una pérdida de ingresos, un impacto comercial negativo y más.

Antes de que se pueda crear un informe, se deben preparar los datos. La

preparación de datos es el proceso de generación de perfiles, limpieza y
transformación de sus datos para prepararlos para modelarlos y visualizarlos.
La preparación de datos es el proceso de tomar datos sin procesar y convertirlos en
información confiable y comprensible. Se trata, entre otras cosas, de asegurar la
integridad de los datos, corregir datos incorrectos o inexactos, identificar los datos
faltantes, convertir datos de una estructura a otra o de un tipo a otro, o incluso una
tarea tan sencilla como hacer que los datos sean más legibles.

La preparación de datos también implica comprender cómo va a obtener y

conectarse a los datos y las implicaciones de rendimiento de las decisiones. Al
conectarse a los datos, debe tomar decisiones para asegurarse de que los modelos
e informes cumplan y funcionen con los requisitos y expectativas reconocidos.

Las garantías de privacidad y seguridad también son importantes. Estas garantías

pueden incluir datos anonimizados para evitar compartir en exceso o evitar que las
personas vean información de identificación personal cuando no es
necesaria. Alternativamente, ayudar a garantizar la privacidad y la seguridad puede
implicar eliminar esos datos por completo si no encajan con la historia que está
tratando de dar forma.

La preparación de datos a menudo puede ser un proceso largo. Los analistas de

datos siguen una serie de pasos y métodos para preparar los datos para colocarlos
en un contexto adecuado y afirman que eliminan la mala calidad de los datos y
permiten que se conviertan en información valiosa.

Modelo

Cuando los datos están en un estado adecuado, están listos para ser modelados. El
modelado de datos es el proceso de determinar cómo se relacionan sus tablas
entre sí. Este proceso se realiza definiendo y creando relaciones entre las tablas. A
partir de ese momento, puede mejorar el modelo definiendo métricas y agregando
cálculos personalizados para enriquecer sus datos.

La creación de un modelo de datos adecuado y eficaz es un paso fundamental para

ayudar a las organizaciones a comprender y obtener información valiosa sobre los
datos. Un modelo de datos eficaz hace que los informes sean más precisos,
permite que los datos se exploren de forma más rápida y eficiente, reduce el
tiempo del proceso de redacción de informes y simplifica el mantenimiento de
informes futuros.

El modelo es otro componente crítico que tiene un efecto directo sobre el

rendimiento de su informe y el análisis general de datos. Un modelo mal diseñado
puede tener un impacto drásticamente negativo en la precisión general y el
rendimiento de su informe. Por el contrario, un modelo bien diseñado con datos
bien preparados garantizará un informe adecuadamente eficiente y confiable. Esta
noción prevalece más cuando se trabaja con datos a escala.

Desde la perspectiva de Power BI, si su informe tiene un rendimiento lento o las

actualizaciones tardan mucho tiempo, es probable que deba volver a visitar las
tareas de preparación de datos y modelado para optimizar su informe.

El proceso de preparación de datos y modelado de datos es un proceso

iterativo. La preparación de datos es la primera tarea en el análisis de
datos. Comprender y preparar sus datos antes de modelarlos hará que el paso del
modelado sea mucho más fácil.

Visualizar

La tarea de visualización es donde puede dar vida a sus datos. El objetivo final de la
tarea de visualizar es resolver problemas comerciales. Un informe bien diseñado
debe contar una historia convincente sobre esos datos, lo que permitirá a los
responsables de la toma de decisiones empresariales obtener rápidamente los
conocimientos necesarios. Mediante el uso de visualizaciones e interacciones
adecuadas, puede proporcionar un informe eficaz que guíe al lector a través del
contenido de forma rápida y eficiente, lo que le permite seguir una narrativa en los
datos.

Los informes que se crean durante la tarea de visualización ayudan a las empresas
y a los responsables de la toma de decisiones a comprender qué significan esos
datos para que se puedan tomar decisiones precisas y vitales. Los informes
impulsan las acciones, decisiones y comportamientos generales de una
organización que confía y depende de la información que se descubre en los datos.

La empresa puede comunicar que necesita todos los puntos de datos en un

informe determinado para ayudarlos a tomar decisiones. Como analista de datos,
debe tomarse el tiempo para comprender completamente el problema que la
empresa está tratando de resolver. Determine si todos sus puntos de datos son
necesarios porque demasiados datos pueden dificultar la detección de puntos
clave. Tener una historia de datos pequeña y concisa puede ayudar a encontrar
información rápidamente.
Con las capacidades de inteligencia artificial integradas en Power BI, los analistas
de datos pueden crear informes potentes, sin escribir ningún código, que permiten
a los usuarios obtener información y respuestas y encontrar objetivos
procesables. Las capacidades de IA en Power BI, como los elementos visuales de IA
integrados, permiten el descubrimiento de datos haciendo preguntas, utilizando la
función Quick Insights o creando modelos de aprendizaje automático directamente
dentro de Power BI.

Un aspecto importante de la visualización de datos es diseñar y crear informes para

la accesibilidad. A medida que crea informes, es importante pensar en las personas
que accederán y leerán los informes. Los informes deben diseñarse teniendo en
cuenta la accesibilidad desde el principio, de modo que no se necesiten
modificaciones especiales en el futuro.

Muchos componentes de su informe ayudarán con la narración. Desde un esquema

de color que es complementario y accesible, hasta fuentes y tamaños, hasta elegir
las imágenes correctas para lo que se muestra, todos se unen para contar esa
historia.

Analizar

La tarea de análisis es el paso importante para comprender e interpretar la

información que se muestra en el informe. En su rol de analista de datos, debe
comprender las capacidades analíticas de Power BI y usar esas capacidades para
encontrar conocimientos, identificar patrones y tendencias, predecir resultados y
luego comunicar esos conocimientos de una manera que todos puedan entender.

La analítica avanzada permite a las empresas y organizaciones impulsar mejores

decisiones en toda la empresa y crear conocimientos prácticos y resultados
significativos. Con el análisis avanzado, las organizaciones pueden profundizar en
los datos para predecir patrones y tendencias futuros, identificar actividades y
comportamientos y permitir que las empresas hagan las preguntas adecuadas
sobre sus datos.

Anteriormente, el análisis de datos era un proceso complicado e intrincado que

normalmente realizaban ingenieros de datos o científicos de datos. Hoy, Power BI
hace que el análisis de datos sea accesible, lo que simplifica el proceso de análisis
de datos. Los usuarios pueden obtener rápidamente conocimientos sobre sus
datos mediante el uso de imágenes y métricas directamente desde su escritorio y
luego publicar esos conocimientos en los paneles de control para que otros
puedan encontrar la información necesaria.

Esta característica es otra área donde las integraciones de IA dentro de Power BI

pueden llevar su análisis al siguiente nivel. Las integraciones con el aprendizaje
automático de Azure, los servicios cognitivos y los elementos visuales de
inteligencia artificial integrados ayudarán a enriquecer sus datos y análisis.

Gestionar

Power BI consta de muchos componentes, incluidos informes, paneles, áreas de

trabajo, conjuntos de datos y más. Como analista de datos, es responsable de la
gestión de estos activos de Power BI, supervisa el uso compartido y la distribución
de elementos, como informes y paneles, y garantiza la seguridad de los activos de
Power BI.

Las aplicaciones pueden ser un método de distribución valioso para su contenido y

permitir una administración más fácil para grandes audiencias. Esta función
también le permite tener experiencias de navegación personalizadas y vincular a
otros activos dentro de su organización para complementar sus informes.

La gestión de su contenido ayuda a fomentar la colaboración entre equipos e

individuos. Compartir y descubrir su contenido es importante para que las
personas adecuadas obtengan las respuestas que necesitan. También es
importante ayudar a garantizar que los artículos estén seguros. Desea asegurarse
de que las personas adecuadas tengan acceso y de que no está filtrando datos a
las partes interesadas correctas.

Una gestión adecuada también puede ayudar a reducir los silos de datos dentro de
su organización. La duplicación de datos puede dificultar la administración e
introducción de la latencia de datos cuando los recursos se utilizan en
exceso. Power BI ayuda a reducir los silos de datos con el uso de conjuntos de
datos compartidos y le permite reutilizar los datos que ha preparado y
modelado. Para datos comerciales clave, respaldar un conjunto de datos como
certificado puede ayudar a garantizar la confianza en esos datos.

La administración de activos de Power BI ayuda a reducir la duplicación de

esfuerzos y ayuda a garantizar la seguridad de los datos.