Proyecto evaluacion entre_pares_marco_polo_sanchez_farfan

Utilizando la Ciencia de Datos en una organización
Utilizando la
Ciencia de
Datos en una
organización
Proyecto individual evaluado
por pares
Marco Polo Sánchez Farfán

1 | P á g i n a
Resumen
Este documento tiene como propósito cumplir con la práctica individual
correspondiente al proyecto de evaluación entre pares, dentro del curso “Introducción
a la Ciencia de Datos y el Big Data”, en la plataforma edx.org. Para tal efecto, se
analiza la información proporcionada en cuatro bases de datos de la empresa
denominada “Librería Iztaccihuatl” y, con base en los conocimientos adquiridos en el
curso, particularmente la Metodología CRISP-DM, se presentan propuestas de
acciones concretas para los indicadores de desempeño definidos.

2 | P á g i n a
Contenido
Introducción...........................................................................................................................1
Propuesta...............................................................................................................................3
Fase1. Comprensión del Negocio....................................................................................3
Fase 2. Adquisición de datos...........................................................................................4
Fase 3. Preparación de datos...........................................................................................5
Fase 4. Modelado..............................................................................................................5
Fase 5 Evaluación e interpretación..................................................................................6
Fase 6. Despliegue o Implementación del modelo........................................................9
Estrategia 1. Depuración y Actualización....................................................................9
Estrategia 2. Creación del Modelo de Datos ............................................................10
Estrategia 3. Acciones a seguir sobre los indicadores de desempeño ..................11
Conclusiones........................................................................................................................12
Bibliografía...........................................................................................................................14

3 | P á g i n a
Lista de Figuras
Figura 1 Comparación de metodologías para proyectos de Ciencia de Datos ........................... 1
Figura 2 Porcentaje de utilización de las metodologías para proyectos de ciencia de datos.. 2
Figura 3 Secuencia del proceso CRISP-DM..................................................................................... 3
Figura 4 Estadística descriptiva. Base de datos “books”............................................................... 7
Figura 5 Gráfico Indicadores. Base de datos “top_books”............................................................ 8
Figura 6 Estadística descriptiva. Base de datos “to_read”............................................................ 8
Figura 7 Estadística descriptiva. Base de datos “ratings” ............................................................. 9
Figura 8 Implementación del proyecto de ciencia de datos para la Librería Iztaccihuatl........ 12
Lista de Tablas
Tabla 1 Descripción de las bases de datos de la Librería Iztaccihuatl......................................... 4
Tabla 2 Inconsistencias detectadas en las bases de datos............................................................ 4
Tabla 3 Acciones de limpieza y estandarización de datos........................................................... 5
Tabla 4 Resultados del análisis de las bases de datos.................................................................. 6
Tabla 5 Acciones para la depuración y actualización de las bases de datos ............................ 10
Tabla 6 Relaciones detectadas entre los campos de las bases de datos analizadas............... 10
Tabla 7 Acciones adicionales para vincular las bases de datos.................................................. 11
Tabla 8 Acciones para el seguimiento de los KPI seleccionados................................................ 12

1 | P á g i n a
Introducción
El análisis de la información y, particularmente, de los datos, constituye la base para la
toma de decisiones y así resolver problemas en una amplia variedad de ramas, ya sea del
conocimiento, la industria, la sociedad o el gobierno.
Al respecto, se puede señalar que el análisis de datos dentro de las organizaciones,
públicas o privadas, tiene como finalidad mejorar sus procesos y obtener un mayor
rendimiento, no solo de carácter económico o financiero, sino que dependerá de las
características del negocio y el propósito del estudio, así como de los indicadores
definidos.
Derivado de lo anterior, toda vez que el presente documento tiene como finalidad
presentar una propuesta de proyecto de ciencia de datos, es necesario definir en primer
lugar en qué consiste la Ciencia de Datos, que de manera general se concibe como una
disciplina que combina un conjunto amplio de técnicas y otras ciencias para extraer
significado y conocimiento útil de los datos.1
Ahora bien, el proceso de extracción de conocimiento a partir de los datos debe realizarse
con base en un método que permita resolver el problema planteado originalmente, ya que
de otra forma la solución planteada podría ser errónea, no porque el análisis de datos lo
sea, sino por la ausencia de un marco de referencia.
Dentro de las metodologías utilizadas para desarrollar un proyecto de Ciencia de Datos, las
de mayor relevancia son KDD (Knowledge Discovery in Databases), SEMMA (Sample,
Explore, Modify, Model and Access) y CRISP-DM (Cross Industry Standard Process for Data
Mining), que se pueden comparar, de la siguiente manera:
Figura 1
Comparación de metodologías para proyectos de Ciencia de Datos
Fuente: https://blogdatlas.wordpress.com/2020/02/16/4-metodologias-para-proyectos-de-data-science-
datlas-research/.
1
Véase https://www.maximaformacion.es/blog-dat/que-es-la-ciencia-de-datos/ y
https://www.oracle.com/mx/data-science/what-is-data-science/

2 | P á g i n a
Como puede observarse, la principal diferencia y ventaja de la metodología CRISP-DM es la
incorporación explícita del “Entendimiento del Negocio” como punto de partida para el
desarrollo de un proyecto de análisis de datos, y con esa base continuar con las etapas
técnicas del proyecto.
Por otro lado, de acuerdo con la información disponible, una justificación adicional para el
uso de esta metodología consiste en que se ha mantenido como la más empleada en los
proyectos de Ciencia de Datos.
Figura 2
Porcentaje de utilización de las metodologías para proyectos de ciencia de datos
Fuente: https://www.kdnuggets.com/2014/10/crisp-dm-top-methodology-analytics-data-mining-data-science-
projects.html.
En este sentido, este documento presenta una propuesta de proyecto basado en ciencia de
datos para la empresa denominada Librería Iztaccihuatl, que se localiza en la ciudad de
Monterrey, Nuevo León, para mejorar sus indicadores de desempeño -KPI por sus siglas en
inglés- y a la vez desplegar una mejor estrategia en la toma de decisiones.
Para el desarrollo de la propuesta se utiliza la información proporcionada en el material del
curso “Introducción a la Ciencia de Datos y el Big Data”, dentro de la plataforma edx.org,
consistente en cuatro bases de datos dentro de la carpeta denominada “datasets_books”.
En la siguiente sección, de acuerdo con los alcances del curso, se plantea la propuesta
siguiendo la Metodología CRISP-DM y, finalmente, se integra un apartado con las
conclusiones correspondientes.

3 | P á g i n a
Propuesta
La Metodología CRISP-DM consiste en 6 fases o etapas que se encuentran estructuradas
de manera secuencial; sin embargo, en cualquiera de ellas es posible regresar para revisar
y mejorar el modelo o proyecto.
Figura 3
Secuencia del proceso CRISP-DM
Fuente: https://blog.smartup.es/crisp-dm-6-pasos-proceso-data-mining/
Fase1. Comprensión del Negocio
En esta etapa es necesario identificar los objetivos del negocio, así como los del propio
proyecto, con la finalidad de entender el problema que se desea resolver.
Para el caso de estudio, la información presentada en la Introducción no muestra una
situación específica que atender para la Librería Iztaccihuatl, por lo que se parte de
considerarla como un establecimiento comercial, cuyos objetivos están dirigidos en
incrementar las ganancias y mejorar la atención al cliente.
Por lo tanto, las siguientes fases estarán orientadas al análisis de la información y diseño
de propuestas para lograr dichos objetivos.

4 | P á g i n a
Fase 2. Adquisición de datos
Esta etapa consiste en conseguir e identificar los datos necesarios, verificar su calidad y
establecer las primeras relaciones entre ellos para el desarrollo del proyecto.
La recolección de datos para este proyecto está definida por las bases de datos
proporcionados en la sección “Proyecto individual evaluado por pares”, correspondiente al
subtema 2.2 Metodologías para proyectos de Ciencia de Datos, del curso Introducción a la
Ciencia de Datos y el Big Data, en la plataforma edx.org, de manera particular en la carpeta
denominada “datasets_books”, que cuentan con las características descritas en la Tabla 1.
Tabla 1
Descripción de las bases de datos de la Librería Iztaccihuatl
Base de datos Descripción
books Contiene los datos generales de cada libro existente en la librería y
además menciona el promedio de clasificación de cada libro de
acuerdo a las votaciones y compras del cliente.
top_books Contiene el top 20 de los libros más vendidos de acuerdo a una
clasificación general.
to_read Contiene los datos de los libros más votados por los clientes
dentro del sitio web de la librería.
ratings Contiene las recomendaciones que cada cliente o usuario realiza
en el sitio web sobre libros para leer.
Al revisar la información de las bases de datos señaladas, se encontraron las
inconsistencias señaladas en la Tabla 2, lo que limita su análisis:
Tabla 2
Inconsistencias detectadas en las bases de datos
Número Inconsistencia
1 En la base de datos “books” el campo ‘original_publication_year’
muestra fechas desde 1750 a. C. Sin embargo, es preciso señalar que
la mayoría de las publicaciones “antiguas” corresponden a las
traducciones que se han realizado, lo que se distingue según el campo
‘authors’.
2 Mismo dato en todos los registros del campo ‘ISBN13’ de la base de
datos “books” y en el campo ‘ISBN’ de la base de datos “top_books”.
3 Se requiere precisar el nombre de los campos ya que en la base de
datos “books” también existe el campo ‘ISBN’ con información diferente
en cada registro, lo que puede generar confusiones e interpretación
errónea de la información.
4 La base de datos “top_books” refiere que contiene el volumen de
ventas hasta 2010; solo tiene un registro para 1999, 2005 y 2006; no

5 | P á g i n a
Número Inconsistencia
existe información de 2000 a 2004, cinco registros para 2007, cuatro
para 2008, 11 para 2009 y 97 para 2010.
5 Registros repetidos en todos los campos de la base de datos
“top_books”, con excepción en el campo ‘classification’. Lo anterior
significa que un mismo libro está registrado con dos categorías
diferentes en ese campo: Original fiction y HB Fiction.
6 En esta misma base de datos existen 30 registros en el campo ‘Publ
Date’ que no corresponde con el formato de fecha de los 90 registros
restantes.
7 En la base de datos “ratings” un mismo usuario evalúa dos o más veces
el mismo libro.
Fase 3. Preparación de datos
Los datos recogidos en la etapa anterior deben adaptarse a través de tareas generales de
selección, limpieza, cambios de formatos y, en su caso, generación de nuevas variables,
para permitir su procesamiento.
En función de los datos y las inconsistencias señaladas en el apartado anterior se efectuó
la limpieza y estandarización con las acciones señaladas en la Tabla 3 de aquellos registros
que influyen o pueden ser determinantes en el análisis de los KPI definidos para esta
propuesta.
Tabla 3
Acciones de limpieza y estandarización de datos
Incidencia Preparación
5 Determinación de un registro único por libro
6 Corrección del formato de fecha.
Fase 4. Modelado
En esta etapa se selecciona la técnica más apropiada para resolver el problema en función
de los datos elegidos.
Dados los alcances del curso Introducción a la Ciencia de Datos y el Big Data y
especialmente los este proyecto, no se determina una técnica o modelo de minería de
datos o, en general, de ciencia de datos; sin embargo, se presenta el tipo de análisis que
se realizará con la información.
En este sentido, es importante mencionar que a través del análisis de datos se pretende
obtener información que otorgue valor agregado para describir e interpretar correctamente
los reportes e informes de la organización de que se trate, a fin de resolver problemas y
sustentar la toma de decisiones.

6 | P á g i n a
Actualmente, la mayoría de la literatura sobre la Analítica de Datos, la divide en tres tipos,
en función de si valor y complejidad:
• Analítica Descriptiva. Es el tipo más simple y responde a la pregunta ¿qué sucedió?
De esta manera, permite conocer lo que ha ocurrido en el pasado e identificar
patrones, tendencias y excepciones.
• Analítica Predictiva. Al ponerla en práctica se pretende responder a la pregunta
¿qué puede pasar?, mediante la predicción de resultados con base en la relación de
variables explicativas, o de entrada, y variables de salida.
• Analítica Prescriptiva. Trata de responder a la pregunta ¿qué se puede hacer?; es
decir, determinar las acciones óptimas que deben llevarse a cabo con base en
modelos predictivos y definir la mejor estrategia ante situaciones concretas.
En este sentido, derivado de la información disponible de la Librería Iztaccihuatl y el
alcance de este proyecto, el análisis a realizar será de tipo descriptivo, mediante la
utilización de técnicas sencillas para conocer su situación actual.
Fase 5 Evaluación e interpretación
En esta etapa deben analizarse los resultados obtenidos mediante la aplicación del modelo
elegido anteriormente para mostrar su relación con los objetivos del proyecto.
Dentro de la Tabla 4 se presentan los resultados de la exploración de los resultados,
mediante pruebas básicas, en tanto que en las Figuras 3, 5 y 6 se muestran los
histogramas y la estadística descriptiva de estos conjuntos de datos. En el caso de la base
de datos “top_books”, la Figura 4 exhibe el valor y volumen de ventas de acuerdo con la
clasificación de los títulos.
Tabla 4
Resultados del análisis de las bases de datos
Base de datos Resultados
books Contiene 10,000 registros (libros), cuyas fechas de publicación
original datan desde 1750 a. C, hasta 2017 d. C. Los libros se
encuentran en 21 idiomas diferentes, de los cuales el inglés
representa el 87.3%, si se suman las cinco clasificaciones
diferentes que presenta. Del total de registros, no se encuentra
especificado el idioma en 1,084 de ellos.
En cuanto a los indicadores seleccionados, el ‘rating’ promedio es
de 4.00, con un rango de 2.47 a 4.82. El intervalo (3.943, 3.984]
presentó la mayor frecuencia con 664 observaciones.

7 | P á g i n a
Base de datos Resultados
top_books Muestra 120 registros con los 20 libros más vendidos según las
categorías establecidas en el campo ‘classification’. De acuerdo con
esta información, hasta el 2010, el mayor número de libros
vendidos pertenecía a la clasificación PB Fiction, mientras el mayor
valor se generó por la clasificación HB Non Fiction.
Sin embargo, al revisar la base de datos se observa que los datos
para un mismo libro están repetidos en todos los campos, pero
con diferente clasificación, por lo que, al hacer una depuración de
la información repetida, se obtienen 103 registros únicos con igual
número de categorías en el campo ‘classification’. Las conclusiones
sobre las clasificaciones con mayor número y valor de ventas no se
modifican.
to_read Recopila 912,705 registros con las recomendaciones de 48,871
usuarios del sitio web de la Librería Iztaccihuatl, respecto a 9,986
títulos (libros). De esta cantidad, el libro más recomendado tiene
2,772 menciones, en tanto que 34 títulos solo tienen una
recomendación.
Respecto a la actividad de los usuarios del sitio web, la media de
las recomendaciones por usuario es de 18.7, en un rango de 1
hasta 117. Cabe resaltar que 2,286 usuarios solo han realizado
una recomendación.
ratings Se compone de 981,75 registros con la calificación (rating)
otorgada por 53,426 usuarios a 10,000 títulos con que cuenta la
librería. Por título, la calificación promedio es de 3.86, donde el
peor evaluado tiene un rating de 1.96, mientras que el libro mejor
calificado obtuvo un promedio de 4.82 puntos. El rating promedio
por usuario es de 3.87, en el rango permitido de 1 a 5 puntos.
Figura 4
Estadística descriptiva. Base de datos “books”

8 | P á g i n a
Figura 5
Gráfico Indicadores. Base de datos “top_books”
Figura 6
Estadística descriptiva. Base de datos “to_read”

9 | P á g i n a
Figura 7
Estadística descriptiva. Base de datos “ratings”
Fase 6. Despliegue o Implementación del modelo
El conocimiento adquirido en las etapas anteriores debe mostrarse al cliente mediante un
conjunto de acciones dentro del proceso del negocio.
Como se señaló anteriormente, toda vez que no se desarrolló un modelo de ciencia de
datos, en este apartado se detallará, con base en la información analizada, el plan de
acción que la Librería Iztaccihuatl deberá llevar a cabo.
Estrategia 1. Depuración y Actualización
Con base en las inconsistencias señaladas en la Fase 2, con el propósito de contar con más
y mejor información que permitan la toma de decisiones estratégicas por parte de la
compañía, la empresa deberá instrumentar el plan que se indica en la Tabla 5:

10 | P á g i n a
Tabla 5
Acciones para la depuración y actualización de las bases de datos
Inconsistencia Acciones
1 Establecer la fecha que corresponda a la publicación de la
traducción realizada
2 Integrar el ISBN correspondiente a cada libro.
Buena práctica: Utilizar el catálogo del ISBN para evitar errores de
registro manual.
3 Identificar y establecer el mismo nombre para los campos en
diferentes bases de datos que se refieran a la misma información.
Buena práctica: Establecer un modelo de datos para que diferentes
bases hagan referencia a una tabla única para el campo deseado.
4 Crear una base de datos con información histórica completa con el
volumen y valor de ventas de 1999 a la fecha.
5 Establecer una categoría única para cada libro.
6 El campo deberá referirse a la fecha de venta y no a la de
publicación, por lo que se requiere modificar toda la base de
datos.
Buena práctica: crear una validación de datos en este campo para
que la captura cumpla con un formato único en todos los registros
o generar un vínculo a la base de datos de ventas que contenga la
fecha requerida.
7 Conservar la última calificación asignada por el usuario para cada
libro.
Es preciso señalar que la implementación de las siguientes etapas depende del
cumplimiento de estas acciones, por lo que será necesario monitorear su avance.
Estrategia 2. Creación del Modelo de Datos
Para cumplir con esta etapa es necesario identificar las relaciones existentes entre la
información de las cuatro bases de datos. De manera inicial, las únicas relaciones que
existen son las mostradas en la Tabla 6.
Tabla 6
Relaciones detectadas entre los campos de las bases de datos analizadas
Base de datos Campo Base de Datos Campo
books
ISBN → top_books ISBN
book_id
→ to_read book_id
→ ratings book_id

11 | P á g i n a
Por otro lado, una vez procesada la información con base en la Estrategia 1, se pueden
ejecutar las acciones señaladas en la Tabla 7, lo que permitirá establecer relaciones
adicionales en el conjunto de datos.
Tabla 7
Acciones adicionales para vincular las bases de datos
Base de datos
Origen
Acción
Base de datos
Destino
Consecuencia
ratings
Calcular la media del
campo ‘rating’ por
‘book_id’
books
Actualizar el campo
average_rating
books
Vincular el campo ISBN
con el mismo campo de
“top_books”
top_books
Integrar el campo
‘book_id’ de la base de
datos “books”
top_books
Vincular el campo
‘book_id’
to_read
ratings
Vincular el campo
‘book_id’ con la base de
datos “top_books”
Las acciones previstas en las etapas siguientes dependen del cumplimiento de los trabajos
previstos en esta estrategia, por lo que es necesario evaluar su implementación.
Estrategia 3. Acciones a seguir sobre los indicadores de desempeño
De acuerdo con la información presentada en cada una de las bases de datos, se propone
establecer como KPI los siguientes:
• Ingresos por ventas, correspondiente a la columna “Value” de la base de datos
top_books.
• Volumen de ventas, que se refiere a la columna “Volume” de la base de datos
top_books.
• Calificación, de acuerdo con la columna “Rating” de la base de datos raitings.
• Recomendaciones, según la columna “book_id” de la base de datos to_read.
Una vez que se haya verificado que las etapas de actualización y depuración de datos se
ha concluido y que se han determinado los vínculos existentes entre los campos de datos,
en la Tabla 8 se detallan las acciones a realizar para el seguimiento de los indicadores de
desempeño.

12 | P á g i n a
Tabla 8
Acciones para el seguimiento de los KPI seleccionados
Indicador Acciones
Ingresos por
ventas.
Realizar un análisis predictivo de las ventas futuras y
estacionalidad su mediante modelos de series de tiempo, con
base en la información de los campos ‘Value’ y ‘Date’.
Volumen de
ventas
Establecer un modelo de clasificación de los libros más
vendidos según su encuadernación (campo ‘Blinding’) y
categoría (campo ‘Classificaction’).
Recomendaciones Identificar los elementos “no coincidentes” en las
recomendaciones de los usuarios que coinciden con tres
elementos o más, de acuerdo al campo ‘book_id’, para hacer
sugerencias de compra en la página web de la Librería.
Calificación Promover los títulos con mayor calificación según la media del
campo ‘ratings’ que no se encuentren en la base de datos
“top_books”.
A manera de resumen, en la Figura 7 se muestran de manera general las etapas de
implementación del proyecto de ciencia de datos propuesto para la Librería Iztaccihuatl.
Figura 8
Implementación del proyecto de ciencia de datos para la Librería Iztaccihuatl
Conclusiones
El trabajo desarrollado en este documento tuvo la finalidad de cumplir con la práctica
individual del proyecto de evaluación entre pares, correspondiente al curso “Introducción a
la Ciencia de Datos y el Big Data”, dentro de la plataforma edx.org.
Para lograr tal fin, en primer lugar, se definió la Ciencia de Datos, como una disciplina que
combina un conjunto amplio de técnicas y otras ciencias para extraer significado y
conocimiento útil de los datos.

13 | P á g i n a
Además, para contar con un marco de referencia para realizar el proyecto solicitado, se
analizó la ventaja de la Metodología CRISP-DM, debido a que integra la comprensión del
negocio, y la secuencia de sus fases permite regresar entre ellas para mejorar el modelo.
La información proporcionada para la ejecución de esta práctica consistió en cuatro bases
de datos de la Librería Iztaccihuatl, y de su revisión se detectaron inconsistencias, tales
como fechas de publicación, campos con información repetida para registros de libros
diferentes, campos con el mismo nombre en diferentes bases de datos que no
corresponden a la misma información, información desactualizada e incompleta en los
libros más vendidos, falta de validadores en campos para registro de fechas,
principalmente.
Con base en lo anterior, en la etapa de preparación de la información, se realizaron
acciones de limpieza y estandarización del conjunto de datos, y, dado el alcance del curso,
dentro de la fase de Modelado se eligió la realización de un análisis descriptivo de los
mismos.
Los resultados de este análisis, que se presentaron a través de los indicadores estadísticos
básicos e histogramas correspondientes, se integraron en la etapa de Evaluación e
interpretación.
De esta manera, derivado de los hallazgos de las etapas anteriores, en la fase de
Despliegue o implementación del modelo se propone un plan de acción para la Librería
Iztaccihuatl, consistente en:
1. Depuración y actualización de los datos.
2. Creación del Modelo de datos.
3. Acciones a seguir sobre los indicadores de desempeño.
Este último punto consiste en planteamientos concretos para realizar análisis de mayor
profundidad y aplicación de modelos de ciencia de datos para la información referente al
valor y volumen de ventas; así como propuestas relativas para la promoción de ventas
según las recomendaciones y calificación que otorgan los usuarios del sitio web de la
Librería a los diferentes títulos, con base en las relaciones encontradas en los diferentes
campos de las bases de datos analizadas.

14 | P á g i n a
Bibliografía
DAnalytics. (30 de abril de 2020). Descriptiva, predictiva, prescriptiva: los tipos de
analítica. Data Analytic. https://danalyticspro.co/2020/04/30/descriptiva-predictiva-
prescriptiva-los-tipos-de-analitica/
Datlas. (16 de febrero de 2020). 4 metodologías para proyectos de data science.
https://blogdatlas.wordpress.com/2020/02/16/4-metodologias-para-proyectos-de-data-
science-datlas-research/
Galán, V. (2015). Aplicación de la Metodología CRISP-DM a un Proyecto de Minería de
Datos en el Entorno Universitario. [Archivo PDF].
https://e-archivo.uc3m.es/bitstream/handle/10016/22198/PFC_Victor_Galan_Cortina.pdf
Instituto Tecnológico de Estudios Superiores de Monterrey (2019). Introducción a la ciencia
de datos y el big data. Ciclo de vida de un proyecto de ciencia de datos. [Archivo PDF].
Oracle. (s.f.) ¿Qué es la ciencia de datos? https://www.oracle.com/mx/data-science/what-is-
data-science/
Piatetsky, G. (Octubre 2014). CRISP-DM, still the top methodology for analytics, data
mining, or data science projects. KDnuggets. https://www.kdnuggets.com/2014/10/crisp-
dm-top-methodology-analytics-data-mining-data-science-projects.html
Smartup.es. (7 de octubre de 2019). CRISP-DM: los 6 pasos del proceso de Data Mining.
Big Data & Analytics. https://blog.smartup.es/crisp-dm-6-pasos-proceso-data-mining/
Rodríguez, O. (2010). Metodología para el Desarrollo de Proyectos en Minería de Datos
CRISP-DM.
http://www.oldemarrodriguez.com/yahoo_site_admin/assets/docs/Documento_CRISP-
DM.2385037
Vladimir, V. (28 de agosto de 2020). Tipos de Analítica de Datos.
https://blog.applying.pe/tipos-de-analitica-de-datos/

Proyecto evaluacion entre_pares_marco_polo_sanchez_farfan

Recomendados

Recomendados

Más contenido relacionado

Similar a Proyecto evaluacion entre_pares_marco_polo_sanchez_farfan

Similar a Proyecto evaluacion entre_pares_marco_polo_sanchez_farfan (20)

Último

Último (20)

Proyecto evaluacion entre_pares_marco_polo_sanchez_farfan