ANÁLISIS DE DATOS PARA LA TOMA DE DECISIONES REALES

ANÁLISIS DE DATOS PARA LA TOMA DE DECISIONES REALES
Pensamiento analítico aplicado con Python

En un mundo donde abundan los datos pero escasea el criterio, este curso
ofrece un enfoque diferente: aprender a “pensar como analista” antes que a dominar
una herramienta. A lo largo de 4 módulos de 2 videos cada uno, los estudiantes
desarrollarán la capacidad de formular preguntas relevantes, detectar errores en bases
de datos, interpretar patrones y transformar números en decisiones fundamentadas,
utilizando Python y sus principales librerías como herramientas al servicio del análisis.
El curso está dirigido a profesionales, estudiantes de Ciencias Sociales o a cualquier
persona que quiera incorporar el análisis de datos a su trabajo o investigación, con un
enfoque práctico y aplicado a cualquier base de datos.

Modalidad y acompañamiento
– 8 videos grabados
– Archivos para descargar
– Códigos utilizados en el curso, en la descripción de cada video
– Ejercicios prácticos

PROGRAMA
Módulo 1: Pensar como analistas (2 videos)
– Video 1.1: “Introducción al curso”
El problema del exceso de información y la escasez de criterio. Qué significa
analizar datos (y qué no). Recorrido general del curso.
– Video 1.2: “Pensar como analista”
Formular la pregunta correcta, detectar patrones e inconsistencias, transformar
números en argumentos. Introducción a Google Colab, Python. Librería Pandas. Carga
de datos. Primera revisión y lectura de casos: unidad de análisis, tipos de variables y
exploración de posibles errores.

Módulo 2: Estructurar y validar (2 videos)
– Video 2.1: “Radiografía de los datos”
Conocer estructura, tipos de datos y valores nulos. Obtención de estadísticos
básicos (promedio, mínimos, máximos, percentiles). Detección de anomalías.
– Video 2.2: “Decidir sobre los datos”
Detección de valores faltantes. Eliminación de filas. Relleno de valores (uso del
promedio como ejemplo). Unificación de categorías mal escritas. La importancia de
decidir con criterio, antes que con recetas automáticas.

Módulo 3: Comparar y agrupar (2 videos)
– Video 3.1: “Agrupar para entender”
Agrupaciones y métodos de agregación. Ordenamiento de resultados.
Comparación de promedios por categoría. Interpretación de patrones.
– Video 3.2: “Filtros y análisis fino”
Filtrado de filas por condiciones. Combinación de condiciones. Selección de
columnas (ej. por nombre o por posición). Construcción de análisis segmentados y
precisos.

Módulo 4: Visualizar y decidir (2 videos)
– Video 4.1: “Introducción a Matplotlib”
Utilización de librería Matplotlib: Gráfico de barras, histograma y diagrama de caja
(boxplot). Personalización básica: títulos, etiquetas, rotación.
– Video 4.2: “Del gráfico a la decisión”
Interpretación de gráficos. Identificación de patrones y formulación de hipótesis.
Límites de los datos: correlación vs. causalidad. Cómo escribir una conclusión
fundamentada. Cierre del curso.

A cargo de Juan Agustín Pirozzi
Licenciado en Sociología (UBA)