Big Data · Actividad 3.7 1 / 14
Actividad 3.7 · Trabajo en parejas

Análisis Exploratorio
y Generación de Reporte

Actividad 3.7  |  Big Data

De los datos preparados a la toma de decisiones.
Evaluación
Formativa
Modalidad
Parejas
Duración
70 minutos
Conocimiento
Prototipado en Big Data
Resultado de aprendizaje 2 / 14
Propósito de la clase

¿Qué lograremos hoy?

Resultado de aprendizaje

Aplicar modelos de bases de datos multidimensionales para construir soluciones eficientes en Big Data.

Hoy construiremos

Un resumen ejecutivo escrito a mano que integra el análisis de la API, los hallazgos del foro y las conclusiones del dataset preparado.

Actitudes de la sesión

Respeto e inclusión — participación equitativa en la pareja.
Innovación — propuesta de valor en el análisis.

Activación de conocimientos previos 3 / 14
Inicio UMM

Iniciemos con una UMM

Antes de analizar datos, necesitamos activar una pregunta clave. Dialoguen en pareja durante 2 minutos.
Pregunta de reflexión
¿Qué diferencia existe entre tener datos
y generar información útil?
Datos
Hechos crudos sin contexto. Existen, pero no comunican nada por sí solos.
Información útil
Datos analizados, interpretados y visualizados que permiten decidir.
Actividad interactiva 4 / 14
Selección múltiple · Preguntas 1–3 de 5
1. ¿Cuál representa mejor un insight en Big Data?
A Tener una base de datos con muchos registros.
B Crear una tabla con columnas y filas.
C Interpretar un patrón de datos para apoyar una decisión.
D Guardar archivos en una plataforma digital.
2. ¿Qué es un modelo multidimensional en Big Data?
A Un archivo comprimido con muchos datos.
B Una estructura que organiza datos en dimensiones y hechos para análisis.
C Un gráfico de barras con múltiples series.
D Una API con varios endpoints.
3. ¿Cuál es el propósito principal del análisis exploratorio (EDA)?
A Reemplazar los datos faltantes automáticamente.
B Publicar los resultados en un repositorio.
C Aplicar modelos de machine learning.
D Comprender los datos antes de tomar decisiones o aplicar modelos.
Contexto de la actividad 5 / 14
Actividad 3.7

¿Qué haremos en esta fase?

En esta fase final, cada pareja sintetizará lo trabajado en etapas anteriores — análisis de la API, participación en el foro — para construir un resumen ejecutivo escrito a mano.
Lo que ya tienen
Experiencia con la API, datos explorados, hallazgos documentados y una reflexión compartida en el foro. Todo ese conocimiento se plasma hoy en papel.
El propósito de hoy
Formular preguntas analíticas, explorar el dataset, visualizar patrones y sintetizar hallazgos en un reporte orientado a la toma de decisiones.
El entregable
Reporte exploratorio prototipo con pregunta de análisis, hallazgos clave y una recomendación basada en evidencia.
Flujo de trabajo 6 / 14
Del dato al reporte

Flujo de trabajo

Datos preparados Dataset limpio y modelado
Pregunta de análisis ¿Qué quiero saber?
Exploración EDA Estadísticas y patrones
Visualización Gráficos y tablas
Hallazgos Interpretación
Reporte Síntesis documentada
Comunicación Presentación al grupo
El flujo es iterativo: una visualización puede generar nuevas preguntas y volver a la etapa de exploración. Eso es pensamiento analítico real.
Conceptos clave 7 / 14
Análisis exploratorio · EDA

¿Qué es el Análisis Exploratorio de Datos?

Es el proceso de revisar, describir, visualizar e interpretar datos para detectar patrones, tendencias, anomalías y oportunidades de decisión, antes de aplicar modelos formales.
Comprender los datos
¿Cuántos registros? ¿Qué variables? ¿Qué tipo de datos? Distribución y valores nulos.
Media · Moda · Conteo · Nulos
Identificar variables
¿Cuáles se relacionan con la pregunta? ¿Cuáles son dimensiones y cuáles métricas?
Correlación · Pivot · Agrupación
Visualizar patrones
Gráficos que revelan distribuciones, comparaciones, tendencias temporales y relaciones.
Histograma · Boxplot · Línea · Barra
Formular hallazgos
¿Qué dice el análisis? ¿Qué patrón, anomalía o tendencia es más relevante para la decisión?
Excel · Python · Power BI · Tableau
Prototipado en Big Data 8 / 14
Prototipado

Prototipado en Big Data

Un prototipo es una versión inicial y funcional de una solución que permite validar una idea con datos reales, antes del desarrollo completo.
Ciclo de prototipado
Pregunta
Datos
Análisis
Visualización
Recomendación
Un buen prototipo…
  • Responde una pregunta concreta
  • Usa datos reales del dataset
  • Incluye al menos una visualización
  • Propone una acción o decisión
    • No es el producto final
    Es la evidencia de que la solución es viable y genera valor. Su propósito es validar, no perfeccionar.
    Entregable 9 / 14
    Reporte exploratorio

    ¿Qué debe contener la entrega?

    Inicio
    • 1
      Portada breve — nombres, fecha y título.
    • 2
      Pregunta de análisis — ¿qué se quería descubrir?
    • 3
      Descripción del dataset — origen, tamaño y variables clave.
    Desarrollo
    • 4
      Métodos y técnicas — herramientas y proceso aplicado.
    • 5
      Exploración de variables — estadísticas descriptivas.
    • 6
      Visualizaciones — al menos una gráfica significativa.
    • 7
      Hallazgos clave — interpretación de los patrones.
    Cierre
    • 8
      Recomendaciones — acción sugerida basada en datos.
    • 9
      Conclusión — respuesta directa a la pregunta inicial.
    • 10
      Anexo o evidencia — capturas, código o tablas de soporte.
    Instrucciones de la actividad 10 / 14
    Trabajo en parejas
    35 minutos

    Actividad: resumen ejecutivo en parejas

    Recuperación y síntesis · ~15 min
    • 1
      Trabajen en parejas. Revisen juntos lo realizado en etapas anteriores.
    • 2
      Recuerden la API que analizaron: ¿qué datos entregaba? ¿Qué consultaron?
    • 3
      Rescaten el aporte que hicieron en el foro: ¿qué reflexión compartieron con sus compañeros?
    • 4
      Identifiquen el hallazgo más relevante que encontraron al trabajar con los datos.
    • 5
      Definan a qué decisión concreta podría conducir ese hallazgo.
    Redacción y comunicación · ~20 min
    • 6
      Redacten a mano el resumen ejecutivo: hallazgo, interpretación y recomendación.
    • 7
      Incluyan una frase sobre el valor que aporta el dato trabajado a la toma de decisiones.
    • 8
      Agreguen la reflexión del foro como evidencia de aprendizaje colaborativo.
    • 9
      Escriban una conclusión breve: ¿qué aprendieron del proceso completo?
    • 10
      Preparen una presentación oral de 2 minutos para compartir con el grupo.
    Producto a entregar 11 / 14
    Entregable

    Producto a entregar

    Resumen ejecutivo escrito a mano que integra lo trabajado en etapas previas:
    • Pregunta que guió el análisis
    • Dataset o API utilizada en etapas previas
    • Hallazgo principal del análisis
    • Aporte o reflexión del foro
    • Recomendación orientada a la decisión
    • Conclusión breve y directa
    • Nombres de los integrantes
    Formato
    Escrito a mano. Sin extensión mínima ni máxima. La claridad y precisión de los argumentos es lo que importa, no la cantidad de páginas.
    Compartir con el grupo
    Cada pareja presenta su resumen en 1–2 minutos. Sin tecnología adicional: solo el papel y la voz.
    Evaluación formativa 12 / 14
    Criterios de evaluación

    Criterios de evaluación formativa

    # Criterio Evidencia esperada Tipo
    1 Prototipo Big Data Reporte con análisis exploratorio, modelo multidimensional aplicado y visualización representativa. Técnico
    2 Toma de decisiones Hallazgo clave interpretado con coherencia y recomendación justificada basada en los datos. Técnico
    3 Comunicación Exposición oral clara, estructurada y apoyada en las visualizaciones. Lenguaje técnico adecuado. Comunicación
    4 Respeto e inclusión Participación equitativa de ambos integrantes, trato respetuoso y colaboración activa durante la sesión. Actitudinal
    5 Innovación Propuesta de valor pertinente al problema: enfoque creativo en la selección de variables o visualización. Actitudinal
    La evaluación es formativa: el propósito es identificar fortalezas y áreas de mejora. Recibirán retroalimentación oral al finalizar las presentaciones.
    Socialización de resultados 13 / 14
    Compartamos hallazgos
    1 minuto por pareja

    Compartamos hallazgos

    Cada pareja comparte sus resultados en 1 minuto. Respondan estas tres preguntas de forma concisa:
    Cierre de la sesión 14 / 15
    De los datos a la decisión

    De los datos a la decisión

    Un reporte exploratorio no solo muestra gráficos.
    Organiza evidencia, interpreta patrones y comunica decisiones posibles.
    En Big Data, el valor no está en acumular datos,
    sino en transformarlos en evidencia para decidir mejor.
    Explorar
    Interpretar
    Decidir
    Próxima sesión · UMM 15 / 15
    Mañana · Lo que viene

    La próxima sesión comienza aquí

    Mañana realizaremos la UMM (Unidad Metodológica Mínima) de evaluación del proyecto grupal en Big Data.
    Plataforma
    Trabajarán en Azure: preparación, exploración y análisis de datos de ventas.
    Herramientas
    Python (Pandas, Matplotlib) y Power BI para visualizaciones estratégicas.
    Ponderación
    25% de la nota final · 42 puntos · Corte: 29 pts · 80 minutos
    Guía de Evaluación Práctica: Proyecto Big Data
    Diapositiva 1 de 15