Business Intelligence con Python, Cree sus propias herramientas de BI de principio a fin

Business Intelligence con Python – Cree sus propias herramientas de BI de principio a fin es una guía práctica y completa para aprender a utilizar Python en el ámbito de la Business Intelligence y transformar datos empresariales en información útil para la toma de decisiones.

El libro aborda todo el proceso de Business Intelligence, desde la recopilación y preparación de datos hasta su análisis, visualización y presentación mediante paneles de control e informes interactivos.

A lo largo de la obra, el lector aprende a trabajar con diferentes fuentes de información, incluyendo archivos, bases de datos, API y técnicas de web scraping, utilizando herramientas y bibliotecas de Python como pandas.

También se abordan la limpieza y calidad de los datos, el análisis estadístico, la creación de Data Warehouses y la automatización de pipelines de datos mediante herramientas como Apache Airflow y Luigi.

La obra dedica especial atención a la visualización de datos y a la creación de dashboards interactivos utilizando Matplotlib, Seaborn, Plotly, Streamlit, Taipy y Dash, así como a la elaboración y difusión de informes mediante Jupyter Notebooks y Quarto.

Además, se incluyen aspectos fundamentales relacionados con la ética, la seguridad de los datos y el cumplimiento del RGPD, permitiendo abordar los proyectos de Business Intelligence desde una perspectiva técnica y profesional.

Cada capítulo incorpora ejemplos, casos prácticos y ejercicios que permiten aplicar inmediatamente los conceptos aprendidos. Es un recurso especialmente indicado para profesionales de datos, analistas y estudiantes que desean desarrollar herramientas de BI completas utilizando Python.

Introducción y Python como herramienta de Business Intelligence

• Fundamentos, definición y evolución de la Business Intelligence.
• Componentes y beneficios de la BI.
• Ventajas de utilizar Python para Business Intelligence.
• Configuración del entorno de desarrollo.
• Python, Jupyter Notebooks e IDE.
• Control de versiones y organización de proyectos.
• Buenas prácticas de programación, documentación, pruebas y depuración.
• Integración continua con GitHub Actions.

Extracción de datos desde diferentes fuentes

• Introducción a pandas y los DataFrames.
• Archivos CSV, TXT, TSV, Excel, JSON, XML y PDF.
• Bases de datos relacionales: PostgreSQL, MySQL y SQLite.
• Bases de datos NoSQL y MongoDB.
• Data Warehouses y soluciones como BigQuery y Snowflake.
• Conexiones FTP y SFTP.
• Consumo de API mediante Python.
• Web scraping con requests, BeautifulSoup y Selenium.

Preparación y limpieza de los datos

• Calidad de los datos y sus principales criterios.
• Depuración y manipulación de conjuntos de datos.
• Gestión de duplicados y valores perdidos.
• Tratamiento de valores atípicos y series temporales.
• Filtrado y selección de datos.
• Unión y combinación de DataFrames.
• Ordenación, agrupación y agregación de información.

Análisis estadístico de los datos

• Tipos de variables, población y muestra.
• Probabilidad y estadística descriptiva.
• Análisis univariante y bivariante.
• Correlaciones y asociaciones entre variables.
• Inferencia estadística e intervalos de confianza.
• Pruebas de hipótesis paramétricas y no paramétricas.
• Regresión lineal simple y múltiple.
• Evaluación de modelos y análisis predictivo.
• Caso práctico de A/B testing aplicado al marketing.

Creación de un Data Warehouse

• Conceptos OLTP y OLAP.
• Definición, características y ventajas de un Data Warehouse.
• Arquitecturas analíticas.
• Normalización y desnormalización.
• Metodologías Inmon, Kimball, OBT y Data Vault.
• Tablas de hechos y tablas de dimensiones.
• Star Schema y Snowflake Schema.
• Desarrollo de un proyecto Data Warehouse con Python.

Automatización de pipelines de datos

• Conceptos de ETL y automatización de procesos.
• Introducción a Apache Airflow.
• DAG, Tasks y Operators.
• Creación y ejecución de pipelines con Airflow.
• Introducción a Luigi y sus principales componentes.
• Comparación entre Airflow y Luigi.
• Buenas prácticas para diseñar pipelines de datos.
• Gestión de errores, logging, monitoring y pruebas.
• Caso práctico de creación de un pipeline ETL completo.

Visualización de datos

• Principios y objetivos de la visualización de datos.
• Matplotlib y creación de gráficos.
• Seaborn para análisis y visualización estadística.
• Plotly y gráficos interactivos.
• Mapas, indicadores, gráficos combinados y visualizaciones personalizadas.
• Buenas prácticas de diseño.
• Caso práctico de visualización de datos.

Paneles de control e informes

• Del análisis de datos a la toma de decisiones.
• Storytelling y comunicación de información mediante datos.
• Creación de dashboards con Streamlit.
• Creación de interfaces y paneles con Taipy.
• Desarrollo de dashboards interactivos con Dash.
• Elaboración de informes con Jupyter Notebooks y Quarto.
• Despliegue y difusión de aplicaciones de BI.
• Seguridad, acceso, mantenimiento y actualización.

Ética, seguridad y RGPD

• Importancia de la ética y la protección de datos en BI.
• Transparencia, equidad y responsabilidad.
• Sesgos en los datos y en los análisis.
• Gobernanza ética de los datos.
• Amenazas y riesgos de seguridad.
• Control de acceso, autenticación y cifrado.
• Copias de seguridad y recuperación ante incidentes.
• Principios del RGPD aplicados a proyectos de Business Intelligence.
• Derechos de los usuarios y protección de datos.
• Privacy by Design y Privacy by Default.
• Integración de ética, seguridad y cumplimiento durante todo el ciclo de vida de los proyectos de BI.

Gaël Penessot cuenta con 15 años de experiencia en Python y análisis de datos. Combina su experiencia técnica con una visión empresarial y comparte sus conocimientos sobre datos y Business Intelligence mediante formación, contenido profesional en LinkedIn y trabajos de consultoría.

A través de su experiencia, busca hacer accesibles las principales herramientas del análisis de datos moderno y ayudar a los profesionales a desarrollar soluciones prácticas de Business Intelligence.

En esta obra comparte sus conocimientos para que los lectores puedan aplicar de manera inmediata los conceptos aprendidos y crear sus propias herramientas de BI utilizando Python.