1. Introducción
En este documento se va a explicar distintas alternativas que tiene la Biblioteca
Iztaccíhuatl, ubicada en Monterrey, Nuevo León. Se proponen ideas para un análisis
de datos y de esta forma realizar predicciones para tener una mayor eficiencia en el
servicio que se proporciona. También se proponen herramientas para implementar
el análisis, tales como el lenguaje de programación adecuado y los servicios en la
nube que se pueden utilizar.
Desarrollo
El mejor lenguaje de programación a utilizar para analizar los datos de la biblioteca es
Python, esto porque da mayor flexibilidad para trabajar, además de que la biblioteca está en
un contexto de uso general, por lo que no considero necesario utilizar herramientas de un
nivel tan avanzado para lograr tener una alta eficacia en el análisis de los datos.
Las predicciones que se podrían hacer para la librería podría ser: conocer cuáles van a ser
los libros o los temas más solicitados en un periodo determinado de tiempo, esto
conociendo las tendencias globales, la fecha del año, las innovaciones de cada sector, etc.
Otra predicción que se podría implementar sería cuánta cantidad de libros se van a solicitar
en cierto periodo de tiempo, su punto de partida sería registrando cuántas personas visitan
la librería durante un periodo y qué tipo de contenido consumen, así mismo conociendo las
fechas de exámenes de Universidades de la ciudad para añadirlo como una mayor
posibilidad de que las personas visiten la biblioteca.
Otra posibilidad para predecir es saber la cantidad de personas que van a asistir a la
biblioteca en un periodo de tiempo, para este caso se consideran las mismas cosas que en
las predicciones anteriores, sin embargo se podrían sumar más factores, como por ejemplo
el horario de la biblioteca, el huso horario que esté actualmente en el país (en México hay
un momento donde se atrasa o se adelanta una hora el reloj, por lo que algunos meses
oscurece a muy temprana hora, aprox 5:30 pm).
En cuanto a las adecuaciones a los datos, en el caso de los autores, haría que el registro se
haga de acuerdo a una clave (por ejemplo: AFSA2022-Aguilar_Flores_Sergio_Adriel.
Siendo las iniciales de los apellidos primero, después el año de publicación y luego los
nombres, separados por un guión y escribiendo apellidos y nombre completo separado por
un guión bajo para que no haya espacios nulos en la base de datos). Y aplicando estos
formatos de clave para los demás registros, esto para lograr que haya una concordancia y
orden.
Al tratarse todo de un mismo tema, libros con los mismos tipos de datos per con diferente
nombre de variable, lo más sencillo es tener una base de datos de tipo relacional, para
poder ubicar toda la información de manera rápida y sencilla sobre un libro en específico, ya
que se tiene la información precisa de los datos que se van a consultar.
Sinceramente creo que cualquier tipo de servicio en la nube de paga podría funcionar para
la biblioteca, tales como AWS, Google Cloud, etc. Considero que no se podría utilizar
alguno de uso común porque al ser una biblioteca, hay demasiados recursos disponibles,
además, cada uno de ellos tiene una gran cantidad de datos propios.
2. Conclusiones
Para finalizar, es importante entender que en esta era digital hay que tener los datos
centralizados pero al mismo tiempo seguros, por lo que es importante invertir en un servicio
que nos pueda proporcionar estas dos cualidades. Generalmente se piensa que el análisis
de datos es solo para grandes empresas mundiales porque son técnicas de análisis
avanzadas, sin embargo cualquier negocio puede sacar provecho de esta nueva tendencia
hacia las predicciones. El análisis de datos aún está en desarrollo, por lo que es importante
adaptarse al cambio para que no nos tome por sorpresa, es por ello que es necesario
comenzar a digitalizar esos grandes volúmenes de datos que se almacenan en carpetas y
que con el paso del tiempo se vuelve más complicado acceder a ellos.
