l presente documento busca identificar las herramientas necesarias para el análisis; estructuras de datos y servicios de la nube para desarrollar un modelo basado en Ciencia de Datos como apoyo a la toma de decisiones para una organización.

1. Aplicando la Ciencia de Datos en una organización
Fabián Alberto García Gómez
Tecnológico de Monterrey
Certificación profesional en ciencia de datos
Septiembre, 2022.

2. 1. Introducción
La ciencia de datos se ha convertido en un aliado importante para el desarrollo de los
procesos productivos de las empresas. Desde la minería de datos, la gestión de la información
y el almacenamiento de datos hasta su análisis e implementación, son procedimientos que
proveen ventajas competitivas a las empresas.
El presente documento busca identificar las herramientas necesarias para el análisis;
estructuras de datos y servicios de la nube para desarrollar un modelo basado en Ciencia de
Datos como apoyo a la toma de decisiones para una organización.
2. Caso
La Librería Iztaccihuatl ubicada en la ciudad de Monterrey, Nuevo León, México ha decidido
desarrollar un proyecto basada en ciencia de datos para mejorar sus indicadores de
desempeño (KPI’s) y a la vez desarrollar una mejor estrategia en la toma de decisiones.
En la carpeta denominada “datasets_books” se encuentran los siguientes archivos: books;
top_books; raitings; to_read. Te recomendamos utilizar la herramienta Python para analizar
los datos que se te proporcionan.
El archivo “books” contiene los siguientes datos:
Id - Identificador del registro
Book Id - Identificador del libro
Number Editions - Número de ediciones
ISBN - Clave estándar internacional del libro
ISBN13 - Clave estándar extendida internacional del libro
Authors - Autor del libro
Original Publication - Fecha de publicación
Original Title - Título original del libro
Title - Título del libro

3. Language Code - Clave de idioma del libro
Average Rating - Promedio de la clasificación del libro
Image - Enlace a la imagen de la portada del libro
Small Image - Enlace a la imagen en versión optimizada de la portada del libro.
El archivo “top_books” contiene los siguientes datos:
Position - Posición del libro en la clasificación del libro
ISBN - Clave estándar extendida internacional del libro
Title - Título del libro
Author - Autor del libro
Imprint - Editorial
Publisher Group - Grupo Editorial
Volume - Volumen de ventas hasta el 2010
Value - Ventas determinadas por el volumen
RRP - Precio recomendado para minoristas
ASP - Precio promedio para venta
Binding - Tipo de encuadernación
Publ Date - Fecha de publicación
Product Class - Clasificación del libro
Classification - Clasificación General del libro
El archivo “ratings” contiene los siguientes datos:
Book Id - Identificador del libro

4. User Id - Identificador del cliente/usuario que clasifico un libro
Rating - Nivel de clasificación del libro.
El archivo “to_read” contiene los siguientes datos:
User Id - Identificador del cliente/usuario que clasifico un libro
Book Id - Identificador del libro
El archivo “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.
El archivo “top_books” contiene el top 20 de los libros más vendidos de acuerdo a una
clasificación general.
El archivo “ratings” contiene los datos de los libros más votados por los clientes dentro del
sitio web de la librería.
El archivo “to_read” contiene las recomendaciones que cada cliente o usuario realiza en el
sitio web sobre libros para leer.
3. Objetivo general
Identificar las herramientas necesarias para el análisis; estructuras de datos y servicios de la
nube para desarrollar un modelo basado en Ciencia de Datos como apoyo a la toma de
decisiones para una organización.
4. Objetivos específicos
● Establecer qué lenguaje de programación para ciencia de datos utilizará para realizar
el análisis de datos de la Librería Iztaccihuatl.
● Determinar qué predicciones se podrían obtener de los datos de la Librería
Iztaccihuatl.
● Establecer qué adecuaciones se podría hacer a los datos de la Librería Iztaccihuatl
para poder realizar un análisis predictivo.
● Definir qué tipo de base de datos se utilizaría para alojar los análisis de los datos de la
Librería Iztaccihuatl.
● Determinar qué tipo de servicio de la nube podría contratar la Librería Iztaccihuatl
para alojar la información y el proyecto de ciencia de datos.

5. 5. Desarrollo
¿Qué lenguaje de programación para ciencia de datos utilizará para realizar el análisis de
datos de la Librería Iztaccihuatl.?
Teniendo en cuenta el volumen de datos y los objetivos que se persiguen, considero que el
lenguaje apropiado para desarrollar el proyecto es Python.
¿Qué predicciones se podrían obtener de los datos de la Librería Iztaccihuatl.?
● Cantidad de ventas
● Cantidad de clientes (nuevos clientes)
● Rotación de inventario
● Productos de interés
¿Qué adecuaciones se podrían hacer a los datos de la Librería Iztaccihuatl para poder
realizar un análisis predictivo?
Aplicaría algunas acciones de preprocesado como:
● Identificación y manejo de valores nulos.
● Identificación y manejo de outliers.
● Identificar tendencias y correlaciones.
● Eliminar columnas que no sean necesarias.
● Realizar escalado de datos de ser necesario.
¿Qué tipo de base de datos se utilizaría para alojar los análisis de los datos de la Librería
Iztaccihuatl.?
Usaría una base de datos estructurada seleccionando la herramienta propia de este tipo de
bases de datos(mySQL, Postgrel, Oracle) , esto teniendo en cuenta que se manejan datos
estructurados.
¿Qué tipo de servicio de la nube podría contratar la Librería Iztaccihuatl para alojar la
información y el proyecto de ciencia de datos?
En cuanto al tipo de servicio considero que una nube privada sería lo recomendable teniendo
en cuenta el tipo de información. Respecto al servicio se podría seleccionar AWS, Google
Cloud o Microsoft Azure.
6. Conclusiones
● Si bien R es un gran lenguaje para desarrollar proyectos, Python es un lenguaje con
una sintaxis muy limpia y amigable, con una gran comunidad, y con la robustez
necesaria para resolver problemas comunes en ciencia de datos.

6. ● Muchas veces se subestima la etapa de preprocesado lo cual puede afectar el resultado
final; por eso es importante que en cualquier proyecto de ciencia de datos se sigan
todos los pasos de dicha etapa y desarrollarlos con el mayor cuidado posible para así
optimizar el desarrollo y el resultado del proyecto.
● Determinar qué servicio de alojamiento usar para el proyecto de ciencia de datos está
sujeto a la cantidad de datos y a su sensibilidad (información calificada).