Categoría: Business Intelligence

Análisis de datos: una necesaria alfabetización

Análisis de datos: una necesaria alfabetización

Hoy en día, podemos encontrar datos prácticamente en todas partes. Cada vez que observamos y evaluamos algo en el mundo, recopilamos y analizamos datos. Ya sea en nuestro tiempo de ocio o trabajo, analizar datos nos ayuda a encontrar formas más fáciles de hacer las cosas, identificar patrones para ahorrar tiempo y descubrir nuevas perspectivas sorprendentes que pueden cambiar por completo la forma en que experimentamos las cosas.

Desde un punto de vista corporativo, una filosofía basada en los datos puede ayudar a las empresas a tomar mejores decisiones, crear nuevos productos, identificar tendencias o mejorar la satisfacción de su cartera de clientes. Todo ello desde una perspectiva fundamentada en los datos y no en presunciones humanas.

Además, la materia prima de este análisis, los datos, crece exponencialmente. Para 2025, Internet acumulará 181 zetabytes. Para hacernos una idea de la inmensidad de esta cantidad, un zetabyte permite almacenar 30 mil millones de películas en 4K o 60 mil millones de videojuegos, según Seagate, Apr 8, 2021. 

A mayor número de datos, los volúmenes con los que trabajamos se incrementan. Las hojas de cálculo no son suficientes. Herramientas como Python y sus librerías, SQL o R se abren paso cada vez más como las opciones más recomendadas para analizar ingentes cantidades de datos.

Por ello, el análisis de datos se está convirtiendo en la habilidad más necesaria y crítica, independientemente de cualquier profesión o trabajo. Sí, cualquier trabajo. Desde servicios financieros hasta el marketing, desde la contabilidad hasta la operación comercial, desde los servicios legales hasta los recursos humanos, todo el mundo necesita analizar datos para hacer su trabajo.

Hay una alta demanda y una gran cantidad de herramientas. ¿Cuál es el problema?

La educación y formación en datos.

La necesidad de alfabetización de datos

Hoy en día, todo profesional necesita ser educado en el uso de muchas herramientas y técnicas modernas en el análisis de datos. Sin embargo, esta formación no ha sido cubierta correctamente por la educación formal.

No está cubierta en la escuela secundaria, tampoco en instituciones superiores como la universidad, con excepción de las carreras técnicas y posgrados/maestrías.  Los jóvenes tienen miedo de las matemáticas y la estadística, miedo alientado por un sistema educativo que percibe la mentalidad técnica y analítica como algo superfluo. Todo esto propicia una curva de aprendizaje muy baja, porque ni siquiera se ha establecido una situación adecuada para desarrollar las destrezas analíticas del analista de datos.

El núcleo del problema

Si bien hemos culpabilizado la lentitud de la educación formal como la principal causa del analfabetismo de datos, podemos desgranar este problema en causas subyacentes:

  1. Los currículos de aprendizaje están desactualizados en términos de habilidades técnicas en análisis de datos.
  2. Falta de educadores y profesores con esas habilidades técnicas.
  3. Creencia generalizada de que el análisis de datos del análisis corresponde únicamente al perfil técnico, por lo que no debe enseñarse en otras especialidades.

Ahogar el crecimiento de las destrezas analíticas, una práctica común

Las destrezas analíticas son cualidades y características asociadas con la resolución de problemas usando hechos. Estas, que son un total de cinco, son vitales para desarrollar un perfil analítico. Sin embargo, observa cómo, en el contexto actual, están totalmente purgadas:

  1. Curiosidad: algo tan simple como querer aprender algo es la destreza analítica más importante. No tener ambición de absorber nuevos conocimientos es el principal impedimento para convertirse en analista o científico de datos. A día de hoy, cada vez somos menos curiosos. Buscamos una solución rápida y no preguntamos el por qué de las cosas.
  2. Comprensión del contexto: el contexto es la situación en la que algo existe o sucede. Comprendiendo el contexto, estructuras las relaciones de las variables. No tener claro el contexto supone una mayor sensibilidad a incorporar valores atípicos y sesgados a tu análisis. Como decía antes, no preguntamos el por qué de las cosas. Preguntar es la primera fase del análisis de datos. Permite obtener información para crear el contexto.
  3. Mentalidad técnica: se basa en diseñar tareas en pasos más pequeños para poder medir y optimizar tu trabajo. ¿Cuántas veces has tenido tareas con entregas mensuales y has dejado todo para el último día? Al no dividir tu trabajo en pequeños pasos, pierdes la visión global, no aprendes y tu productividad cae.
  4. Diseño de datos: se trata de diseñar la forma más viable y óptima de organizar la información de la que harás uso. Va de la mano de la anterior destreza. Una falta de organización y mentalidad técnica supone un total fracaso en el diseño de datos. Cuando realizas un trabajo, ¿dedicas unos minutos antes a organizar cómo lo vas a desarrollar? Ahí reside la esencia de un buen diseño.
  5. Estrategia de datos: se basa en la gestión de las personas, procesos y herramientas que se usan en el análisis de datos. ¿Te consideras estratega? ¿Cuántas veces has tenido que dedicar más horas en un trabajo grupal como consecuencia de una falta de control y organización con los otros miembros? Si la estrategia falla, el plan falla. 

Recomendaciones

Ante la gravedad de esta situación, es imprescindible que cualquier profesional, independientemente de su especialidad, continúe formándose con un posgrado o maestría en análisis de datos, inteligencia de negocios o inteligencia artificial. 

Pertenecer a otra especialidad e iniciar este camino no debe asustarte. Podrás obtener educación de calidad de grandes corporaciones (IBM, Microsoft, Oracle, SAP, Salesforce…) y compañías especializadas en capacitar a personas en análisis de datos.

Comienza o impulsa tu carrera con sumamoOs Academy

En sumamoOs Academy te ayudaremos a convertirte en científico de datos. Descubrirás, de la mano de docentes certificados por corporaciones como Microsoft, cómo llevar a cabo un proyecto de ciencia de datos: desde analítica avanzada hasta aprendizaje automático. Consulta nuestros cursos e inicia tu camino junto a nosotros.

Descubre nuestros cursos

Novedades Power BI – agosto 2022

Novedades Power BI – agosto 2022

¡Ya están aquí las novedades de Power BI del mes de agosto! En esta ocasión os traemos un post lleno de novedades más que interesantes que comentaremos parte por parte a continuación:

1. Informes

Formato condicional para las etiquetas de datos

A partir de ahora, para el formato condicional en las etiquetas de datos de visuales con medidas sin campo de leyenda, se evaluarán los diferentes puntos de los datos de forma que se muestre un color u otro en base a un umbral. Próximamente tendremos más novedades en este ámbito.

Nuevo diálogo “Seleccionar etiqueta de sensibilidad”

Ahora es posible establecer las etiquetas de sensibilidad de un informe directamente desde el proceso de guardado,  por lo que los usuarios ahorrarán tiempo al no tener que realizar la búsqueda de los ajustes.

Actualización de la política de prevención de pérdida de datos

A partir de este mes, aparecerá un panel lateral en la página de detalles del conjunto de datos con una tarjeta que representa cada una de las políticas. Además, los propietarios tendrán más capacidad de acción ante posibles errores de identificación de datos.

En función de cómo se haya configurado la regla de política, se mostrarán las siguientes opciones:

  • Informar de un problema: informar de un problema de “falso-positivo” (la política ha identificado por error datos no sensibles como sensibles).
  • Anular: anular la política hará que esta ya no evalúe el conjunto de datos.
  • Informar y anular: realiza las dos acciones anteriores.

Metric visual

¡Ya está disponible Metric visual en Desktop! Este visual proporciona un gran nivel de flexibilidad en la integración de métricas en informes de Power BI. Por ejemplo, será posible incluir medidas individuales o crear páginas de informes que muestren métricas junto a otros visuales.

Se pueden crear nuevas métricas o añadir una existente como visual en el informe.

2. Conectividad de datos

A partir de este mes, estarán disponibles los más de 80 conectores personalizados en la experiencia de Power Query Online para su uso en Dataflows y Datarmarts.

Además, se han realizado actualizaciones en los conectores MariaDB y Google Sheets.

3. Aplicación móvil

Seguimiento de métricas desde la app móvil

Ya es posible seguir las métricas directamente desde la aplicación móvil y mantenerse informado de la actividad de estas. Solo habrá que pulsar “Seguir métrica” desde el centro de métricas o en su panel de detalles.

4. Otros

Integración de Power BI en Dynamics 365 y Power Apps

Ya está disponible de forma general la integración de Power BI en Dynamics 365 y Power Apps basadas en modelos. Esto ofrece la posibilidad de crear rápidamente aplicaciones de negocio en un entorno de bajo código, aumentando la agilidad y modernizando los procesos.

Más formas de optimizar el rendimiento de Power BI

Este mes se han añadido nuevos ajustes que influyen en la ejecución de consultas del motor de Power BI. Junto a los ajustes de optimización existentes, permitirán mejorar el rendimiento de la aplicación mientras se importan datos o se ejecutan consultas en DirectQuery.

Estas son algunas de las novedades Power BI agosto 2022. ¡Esperamos que os hayan gustado y os sean de utilidad! Ya tenemos ganas de conocer las novedades del próximo mes.

¿Quieres conocer más detalles?

En sumamoOs somos partner de Microsoft especializados en el análisis y extracción de datos con Power BI, de modo que, si quieres averiguar más detalles sobre el uso de paneles e informes, puedes echar un vistazo aquí o contactar directamente con nosotros a través del siguiente formulario para conocer cómo transformar tu empresa empleando la infinidad de posibilidades que ofrece Power BI.

Datos, la nueva ciencia del siglo XXI

Datos, la nueva ciencia del siglo XXI

Datos, datos y más datos. Una palabra cada vez más escuchada. ¿Cómo puede ser tan importante algo que ni siquiera es tangible? Entiendo que los datos son usados por las empresas, pero, ¿de qué manera afectan a mi vida diaria?

Bien, el ser humano genera y analiza datos en sus decisiones diarias. Elegir tu hamburguesa favorita y sus complementos, por ejemplo, requiere un análisis de datos. Con pepinillo, sin pepinillo, da igual. Lo importante es que el cerebro es una máquina que transforma e interpreta los datos para obtener la mejor solución posible para nosotros, ya sea o no racional.

Sorprendente, ¿verdad? ¿Qué ocurre cuando no se observa a una única persona, sino a más de 7,9 mil millones?

Según el informe Data Never Sleeps 9.0 de Domo, a día de hoy algunas cosas que suceden en un minuto son:

  • 6 millones de usuarios compran online.
  • Se comparten 240.000 fotos en Facebook.
  • 12 millones de mensajes.
  • 5,7 millones de búsquedas en Google.
  • 167 millones de vídeos vistos en TikTok.

Esta magnitud diaria supone que, para 2025, Internet acumulará 181 zetabytes. Para hacernos una idea de la inmensidad de esta cantidad, un zetabyte permite almacenar 30 mil millones de películas en 4K o 60 mil millones de videojuegos, según Seagate, Apr 8, 2021. Esto es posible gracias a la existencia de casi 5,4 mil millones de usuarios en Internet en 2022, lo que representa el 67,9% de la población mundial.

Volumen total de datos en el mundo, 2010, 2025

Fuente: Stadista

¿A qué conclusión llegamos? Los seres humanos cada vez generamos más datos. Estos datos, estos 181 zetabytes en 2025, ¿qué integran? Necesidades, deseos, interacciones, vidas, relaciones, es decir, información valiosa.

La evolución galopante del mundo en que vivimos supone que las empresas, para poder acceder a esta información valiosa, deben analizar cada vez más datos. Para poder analizar correctamente estos datos y obtener soluciones, las empresas demandan cada vez más un perfil conocido como científico de datos. Sin la ciencia de datos, la toma de decisiones empresarial queda mucho más limitada y con mayor incertidumbre, por lo que la demanda del perfil crece exponencialmente, mientras que la escasa oferta ofrece una situación muy propicia para aquellos que estudian y se dedican a esta disciplina. Esto también puede verse en la remuneración media, de unos $117.345 en EE.UU y 35,000 € en España según Glassdoor.

Evolución de la demanda de científicos de datos

Fuente: Msia Student Research & Tecla

La brecha existente entre la oferta y demanda del profesional del dato origina problemas en las organizaciones, ya que no se pueden adaptar correctamente a los rápidos cambios del entorno. La capacitación técnica de los equipos de trabajos existentes en las empresas es un factor relevante en la mejora de la toma de decisiones organizacional, independientemente del departamento en el que te encuentres (finanzas y contabilidad, ventas, gerencia de negocio, etc.). Hazte esta pregunta:

¿Necesito datos para hacer mi trabajo? Si la respuesta es ‘Sí’, entonces podemos decir que eres un científico de datos en potencia. 

Puede que te preguntes, «¿qué es la ciencia de datos?», «¿en qué consiste?» o «¿por qué es importante?». Aunque no sepas la respuesta a estas preguntas, sí, potencialmente eres un profesional del dato porque tienes iniciativa y necesidad de aprender esta disciplina, todo lo que necesitas es un poco de formación técnica.

Si eres una persona que desea comenzar la transición a este campo y saber responder a estas preguntas, mejorar sus capacidades o explotar el talento de tus equipos de trabajo, sumamoOs cuenta con un curso especializado de ciencia de datos para analistas de negocio. También contamos con la posibilidad de ofrecer esta formación en tu organización con contenidos adaptados y utilizando tus datos. Si te interesa esta Formación In Company, contáctanos y te realizaremos un presupuesto adaptado a tus necesidades.

Y recuerda, las personas que estudian esta disciplina aportan un valor diferencial a la toma de decisiones de las empresas y son un activo muy importante. Con ayuda de sumamoOs, aventúrate en este sector.

Novedades Power BI – julio 2022

Novedades Power BI – julio 2022

Como cada mes, os traemos las actualizaciones, nuevas funcionalidades y novedades Power BI julio 2022. Este mes ha cerrado con grandes novedades. ¡Descúbrelas!

1. Informes

Mapa coroplético para el visual de Azure Maps

Para empezar, este mes Power BI ha introducido capas de relleno en el visual de Azure Maps. Los mapas rellenos utilizan formas coloreadas para diferenciar los datos, ayudando a presentar de una forma más visible variaciones o patrones en diferentes regiones geográficas.

Modelos compuestos en Power BI Datasets y Analysis Services

A continuación, Power BI ha añadido soporte para los conjuntos de datos que tienen definidos parámetros de consulta dinámicos. A partir de ahora, es posible crear un modelo compuesto en dichos datasets para enriquecerlos o ampliarlos, permitiendo a los usuarios que utilicen filtros o slicers que establecerán valores de un parámetro de consulta M.

Actualizaciones en las métricas visuales

Este mes Power BI ha añadido diferentes actualizaciones que agilizan la creación y el intercambio de métricas:

 

  • Visualización de métricas: una ampliación del visual de Scorecard permitirá incluir visuales de métricas mejorando considerablemente el nivel de flexibilidad en su integración.
  • Mover/copiar cuadros de mando: ahora es posible copiar y mover cuadros de mando en el servicio, teniendo en cuenta todas las características y metadatos de los visuales, los registros y las reglas de estado.
  • Seguir métricas: la función “Seguir” permite acceder rápidamente a las métricas deseadas y mantenerse al día de su actividad. Se pueden ver todas las métricas seguidas en la sección «Siguiendo» del centro de métricas.
  • Compartir el enlace directo a una métrica: ahora la URL de la barra de direcciones incluye también el ID de la métrica, por lo que es posible compartir un enlace directo a la misma.

2. Modelado

Nueva función DAX: NETWORKDAYS

Se ha introducido una nueva función DAX que nos devuelve el número de días laborables que hay entre dos fechas: NETWORKDAYS. Los días laborables excluyen los fines de semana (que se pueden personalizar utilizando el parámetro de fines de semana) y aquellas fechas que se indiquen en un parámetro opcional de vacaciones.

Soporte de RLS multi-rol en el modelo compuesto

Seguidamente, se ha incorporado una mejora en los modelos compuestos que habilita la compatibilidad con RLS de varios roles. Es decir, ahora los propietarios de modelos pueden asignar a un mismo usuario más de un rol de RLS.

Mejora del rendimiento de las consultas

Este mes se ha mejorado el rendimiento de las consultas permitiendo propagar los filtros RLS definidos en las tablas de dimensiones de importación a las tablas de DirectQuery utilizando conectores Mashup.

3. Conectividad de datos

En el mes de julio se ha introducido en Preview una conexión directa con Datamarts, que nos permite conectarnos fácilmente desde el punto de entrada de la obtención de datos a aquellos Datamarts en los que se nos haya concedido el acceso. También, Power BI ha introducido el conector Eduframe Reporting, que nos permitirá conectarnos con su herramienta de gestión de información de estudiantes para explorar y mostrar sus datos en nuestro informe.

Por otro lado, se han realizado actualizaciones en otros conectores existentes como BitSight Security Ratings, Databricks o Funnel.

4. Servicio

Mejoras en el centro de datos: vista previa y exportación

A partir de ahora, podemos seleccionar una tabla o columnas en la vista de Tablas del panel lateral derecho y obtener una vista previa del conjunto de datos seleccionado. No obstante, es posible que esta vista previa no muestre todos los datos, por lo que también se ha incorporado la posibilidad de exportar o personalizar esta tabla.

5. Aplicación móvil

Presentación de los Data in Space

Data in Space es una nueva función que utiliza la tecnología de realidad aumentada en la aplicación de Power BI Mobile para crear anclajes persistentes en el mundo real y adjuntar contenido de Power BI a esos anclajes. Es decir, nos permite conectarnos a los datos de negocio con los escenarios de mundo real en la gestión de instalaciones, fabricación, ventas, etc., dejando que los empleados puedan descubrir y utilizar más fácilmente los datos para tomar mejores decisiones.

Parámetros de informes paginados en JS SDK

Otra de las novedades Power BI julio 2022 es que ahora los desarrolladores pueden configurar los parámetros de los informes paginados en Power BI estableciéndolos en la configuración de la carga útil a través de JS SDK.

6. Análisis incrustados

 

Mejoras en la accesibilidad de los informes incrustados

Power BI ha facilitado la accesibilidad a los informes incrustados proporcionando diferentes APIS que permitirán ajustar los niveles de zoom, añadir atributos de título al componente con poco código, habilitar atajos de teclado y añadir modos de alto contraste para los informes incrustados.

Copiar visual como imagen en escenarios de incrustación

Para finalizar, ahora es posible copiar un visual específico para compartirlo en otro lugar, tanto en el servicio de Power BI como en los informes incrustados de la organización.

Estas son algunas de las novedades Power BI julio 2022. ¡Esperamos que os hayan gustado y os sean de utilidad! Ya tenemos ganas de conocer las novedades del próximo mes.

¿Quieres conocer más detalles?

En sumamoOs somos partner de Microsoft especializados en el análisis y extracción de datos con Power BI, de modo que, si quieres averiguar más detalles sobre el uso de paneles e informes, puedes echar un vistazo aquí o contactar directamente con nosotros a través del siguiente formulario para conocer cómo transformar tu empresa empleando la infinidad de posibilidades que ofrece Power BI.

Modelos de Scoring o cómo categorizar científicamente a mis clientes

Modelos de Scoring o cómo categorizar científicamente a mis clientes

¡Hola de nuevo! En el pasado post que os dejo por aquí hablábamos de la importancia de tener una metodología de machine learning para la implantación de proyectos paso a paso de este tipo en una compañía.

Entre los 5 casos más comunes de aplicación de modelos de machine learning en la empresa comentamos uno que tiene un impacto directo sobre el negocio y sobre el que hablaremos a continuación; los modelos Scoring.

Estos son modelos utilizados, en su gran mayoría, en marketplaces y e-commerce con el objetivo de poder categorizar clientes y poder mejorar el marketing de la compañía. Pero también son usados en aseguradoras, banca y son aplicables a cualquier sector. En definitiva, es un indicador que nos va a determinar como de bueno o malo son nuestros clientes.

Pero la verdad es que categorizar a clientes es complicado y me recuerda al cruce de Shibuya, muchos usuarios, muchos clientes y todo muy diferentes… entonces, ¿cómo categorizo correctamente a cada uno de ellos? El problema viene en muchas ocasiones cuando las compañías categorizan a sus clientes de una manera artesanal, bajo su experiencia o conocimiento sobre los mismos, y sin tener en cuenta todas las variables que pueden influir en que un cliente sea mejor que otro.

Entonces es aquí es donde yo me pregunto, ¿es posible categorizar a mis clientes de manera científica basada en datos? Déjame decirte que sí, se puede, y además te invito a que lo veamos juntos ?

¿Qué modelos scoring existen? 

Existen diferentes modelos para el desarrollo de un indicador scoring para una compañía. Modelos estadísticos que nos permiten obtener resultados de forma rápida o modelos de machine learning más complejos que precisan de un entrenamiento y mayor esfuerzo.

Entre estos modelos más sencillos de implementar podemos encontrar dos que pueden ayudarnos a conseguir nuestro objetivo de obtener un indicador de scoring para nuestra compañía.

El primero de ellos es el modelo DEA (data envelopment análisis) a través del cual podemos conocer si un cliente es eficiente en función de diferentes factores. Este modelo tiene la peculiaridad de que todas sus variables han de ser definidas en función de si dependen de manera directa o indirecta de nuestro cliente.

Por otro lado tenemos el modelo GEI (global entrepreneurship Index) que se trata de un modelo que inicialmente se utilizó para ordenar países en cuanto a su índice de emprendimiento y que ha demostrado grandes capacidades para la aplicación en este tipo de indicadores de clasificación. Este es un modelo que tiene diferentes fases que se van adaptando para la solución del problema.

Seleccionar un modelo u otro será en función de las variables que vayan a conformar nuestro problema y de su posible categorización. Un vez seleccionado el, o los modelos a testear, pasaremos al desarrollo e implementación fase a fase.

¿Cómo abordo un modelo de scoring? 

Para que la búsqueda e implementación de un modelo scoring no sea una odisea puedes seguir una serie de pasos que te indico a continuación:

Primera fase: Análisis del problema y definición de variables

  • Se trata de una fase de investigación del problema para entender cómo debemos plantear nuestro modelo de scoring. En esta primera fase se definen que factores influyen en que un cliente sea bueno o no. Un vez encontrado, definimos finalmente las variables que formarán parte de nuestro indicador de scoring. Podríamos utilizar herramientas como Power BI o Tableau, que nos aportan una facilidad en cuanto a visualización, para comprobar cómo se comportan las variables y cómo influyen en nuestro problema.

Segunda fase: Análisis del problema y definición de variables

  • En esta segunda fase, y con las variables ya definidas, buscamos modelos afines al planteamiento de nuestro indicador. En esta fase podemos definir tantos modelos como creamos que dan solución a nuestros problema utilizando como mínimo 2 para comprobar el resultado entre ambos.

Tercera fase: Programación y testing de modelos desarrollados

  • En esta última fase desarrollamos la solución y la adaptamos a las variables que formarán parte de nuestro modelo. Para la fase podremos utilizar un dataset aleatorio para comprobar que el modelo nos devuelve un resultado y posteriormente aplicar nuestro dataset real.

¿Beneficios que aporta categorizar bien a mis clientes? 

Disponer de un modelo scoring basado en datos en la compañía nos va a permitir conocer, de una manera científica, a nuestros clientes. Esto nos permitirá categorizarlos objetivamente a nuestros clientes, conocer quienes aportan valor a la compañía y qué otros deberíamos mejorar. A su vez, podríamos realizar acciones de marketing destinadas a cada segmento de cliente, en función de su posición de scoring, que nos permitirían mejorar la posición de cada cliente en la compañía.

Por otro lado, una categorización de clientes científica es en muchas ocasiones necesaria a nivel legal para poder explicar el comportamiento de algoritmos que evitan el sesgo en la propia categorización y nos evitan problemas legales.

Y por último, nos servirá a la compañía para evitar creencias basadas en el conocimiento de la empresa y poder tomar decisiones basadas en datos.

¿Quieres conocer más detalles?

En sumamoOs desarrollamos y acompañamos en la implantación de modelos estadísticos y modelos de machine learning, entendiendo las necesidades de tu empresa y el valor aportado directamente al negocio para que puedas aprovechar el potencial de estos algoritmos. De modo que, si quieres averiguar más detalles, puedes  echar un vistazo aquí o  contactar con nosotros para conocer cómo transformar tu empresa empleando está creciente corriente tecnológica. 

Novedades Power BI octubre 2020

Novedades Power BI octubre 2020

Un mes más os compartimos algunas de las novedades de Power BI más relevantes en su release de octubre 2020. En esta nueva actualización predomina la mejora del aspecto visual de la plataforma.

Veamos todas las novedades que nos ofrecen:

1. Informes

 

Personalización de imágenes disponible de forma generalizada

La posibilidad de realizar ajustes en línea en la visualización de  objetos en vista de lectura ya está disponible para todos los usuarios. Esta nueva funcionalidad permitirá una mejora en la experiencia de usuario a la hora de crear sus propios paneles, pues podrán personalizar los objetos visuales sin tener la necesidad de crear nuevos.

Esta nueva función debe ser activada en la configuración de informes de Servicio o Escritorio.

Personalización de visuales

Esta versión para todos los usuarios incluye:

  • Varias mejoras de usabilidad:
    • Soporte de arrastrar y soltar.
    • Marcas de entrenador por primera vez.
    • Opción «No resumir».
    • Activar / desactivar la configuración a nivel de página.
  • Integración y adaptabilidad en las aplicaciones de su organización, por ejemplo en Microsoft Teams.
Informes Power BI en Teams

Marcas de agua para nuevos usuarios

Para facilitar el uso de la plataforma, se han agregado unas nuevas señalizaciones para guiar a nuevos usuarios a obtener datos, completar el panel de campos y arrastrar y soltar elementos visuales.

Marca de agua Power BI

2. Analítica

Exportar datos de Q&A visual

Se ha ampliado el soporte de extracción de datos obtenidos a través de las «preguntas y respuestas» que nos puede ofrecer nuestro informe. A partir de ahora nos permitirá exportar los datos en formato «xlxs» o «csv».

Extracción de datos Power BI QA

3. Preparación de datos

 

Parámetros Dynamic M Query (vista previa)

Esta nueva función permite a los responsables de los informes cambiar la visualización y actualizar dinámicamente los parámetros de consulta M a partir de sus selecciones de filtro o segmentación. Esto permite a los usuarios interactuar con los informes según les convenga.

En el blog de Power BI puedes encontrar los pasos a seguir de forma detallada para poner en práctica y configurar esta nueva visualización de datos: https://bit.ly/3jn075m

4. Detección automática de tablas desde archivos de Excel y JSON

A partir de esta nueva release, gracias al conector de Excel y JSON, se podrá identificar de forma automática secciones en Excel  o JSON para transformarlas posteriormente en formato de tablas.

Detección automática de Tablas

Otro cambio respecto a Excel, es el análisis sobre Excel en Power BI service. Ahora se descargará un archivo de Excel que incluye una conexión de tabla dinámica(PivotTable) al conjunto de datos de Power BI.

5. Móvil

Power BI para HoloLens 2 (versión preliminar)

Otra novedad es la aplicación Power BI para HoloLens 2, adaptándose a la realidad mixta para facilitar al usuario la interacción y visualización tanto de informes como paneles.

Power BI para HoloLens 2

6. Visualización

Las funciones de capacidad de administración extendida disponibles de manera general

Los administradores de Power BI, con esta nueva actualización, ya pueden importar y administrar elementos visuales de AppSource directamente en la página de elementos visuales de la organización en el portal de administración.

Además,los objetos visuales de la tienda de organización cambian. Ahora aparecerán de forma automática en el panel de visualización de todos los miembros de la organización que han iniciado sesión, en el escritorio o en el servicio.

¡ Ya queda menos para conocer qué novedades nos traerá Power BI en los últimos meses de este año 2020!

¿Quieres conocer más detalles?

En sumamoOs somos partner de Microsoft especializados en el análisis y extracción de datos con Power BI, de modo que, si quieres averiguar más detalles sobre el uso de paneles e informes, puedes echar un vistazo aquí o contactar directamente con nosotros a través del siguiente formulario para conocer cómo transformar tu empresa empleando la infinidad de posibilidades que ofrece Power BI.