Resumen
El episodio compara herramientas de visualización de datos y de business intelligence (BI), sobre todo Power BI, Tableau y Qlik Sense, y menciona Looker, Superset y Shiny. Primero se explica para qué sirven: reportes interactivos, seguimiento de métricas y cultura data-driven. Luego se revisan las comparaciones de G2 y el cuadrante mágico de Gartner, además de precios, documentación, seguridad y rendimiento. Se enumeran criterios para elegir herramienta: conectores, gestión de datos, cálculo, visualización, interactividad y publicación, más el precio y las habilidades del equipo. Una parte práctica muestra Power BI (dashboard de ejemplo, importación de datos, modelo de datos, DAX, visuales en R y Python) y ejemplos de RMarkdown y Shiny. La conclusión principal es que no hay una herramienta universalmente mejor: la elección depende del contexto, y aprender bien una herramienta facilita pasar a otra.
Capítulos
- 00:00IntroSe presentan las herramientas de visualización (Power BI, Qlik, Shiny, Excel) y para qué sirven: filtros interactivos, seguimiento de métricas con umbrales y evangelización de la cultura data-driven. Se comenta que Excel es fácil de empezar pero no escala, y que los gráficos por defecto de Python y R son poco atractivos frente a estas herramientas.
- 07:53Comparaciones de herramientas en G2 y GartnerSe muestra G2 como plataforma de reviews y comparaciones, y el cuadrante mágico de Gartner, donde Power BI, Tableau y Qlik aparecen como líderes. Se comparan puntajes por pregunta (sugiriendo un test de hipótesis para saber si las diferencias son significativas) y la distribución por tamaño de empresa. Se revisan precios (Power BI gratis en escritorio y Pro a 10 USD por usuario al mes, Qlik caro, Posit con plan gratis y plan de 9 USD) y se menciona Apache Superset como opción open source con costo de mantención.
- 21:35Comparacion entre PowerBI, Tableau y QlikSenseUn video de Consulting Pro compara las tres herramientas. Se destaca la abundante documentación gratuita de Power BI (rutas de aprendizaje de unas 3 horas), su parecido con Excel y la posibilidad de extenderlo con DAX, R o Python. También se comparan los productos de cada marca, los costos y tiers, la seguridad y perfiles de usuario (más fuerte en Tableau), la integración con Office 365 y el rendimiento, que depende de la RAM.
- 35:45MemesLos memes ilustran la gran cantidad de herramientas de BI y lo difícil que es elegir una. Se recomienda aprender bien una herramienta, conocer las demás por tutoriales, y no pelear por herramientas ni lenguajes (Python vs R). Se discute por qué Excel no escala como plataforma de BI, mientras que Power BI obliga a ordenar los datos en un modelo. Un meme final sobre reportes sin datos lleva a hablar de insistir en que lleguen los datos o de recolectarlos por scraping.
- 45:47Cómo elegir una herramienta de BISiguiendo un video de Adam, se listan seis criterios: conectores, gestión de datos, cálculo, visualización, interactividad y publicación. Se agrega un séptimo punto, el precio y las habilidades que ya tiene el equipo. También se comenta que los gráficos de torta (pie chart) no tienen soporte estándar en R.
- 49:53PowerBI, cómo aprender y conceptos básicosSe recomienda la ruta de aprendizaje oficial y una extensión de Chrome que lee en voz alta el texto seleccionado para estudiar mientras se hace otra cosa. Se muestra el dashboard de ejemplo de Microsoft (archivo .pbix), cambios de tipo de visualización, destacado de gráficos, diferencia entre reporte y dashboard, y la importación desde muchos conectores (Excel, CSV, parquet, SharePoint). Se muestra arrastrar campos a los ejes y se incluyen visuales con scripts en R y Python que permiten, por ejemplo, graficar n gráficos con subplots. Se especula sobre una futura integración con GPT-4.
- 01:12:40Cómo se relacionan los datos en PoweBIEn la vista de modelo se definen las relaciones entre tablas con llaves primarias y foráneas. Power BI las detecta automáticamente pero conviene revisarlas, y gracias al modelo se pueden mezclar campos de varias tablas en un mismo gráfico solo arrastrando.
- 01:15:00DAXDAX es el lenguaje por debajo de Power BI y se parece a las fórmulas de Excel. Se crea una medida (un KPI como suma de una columna) y otra de desviación estándar por categoría de producto, y se usan en gráficos. Un comentarista menciona Grafana para series de tiempo.
- 01:19:05RMarkdown y ShinySe muestran documentos RMarkdown con código de varios lenguajes (R, Python, SQL, C++, D3, bash) y presentaciones interactivas. Se afirma que es mejor que Jupyter Notebook por mezclar lenguajes y versionarse más ordenadamente. Además, funciona sobre HTML, admite fórmulas, mapas y tablas interactivas, y exporta presentaciones estilo Beamer vía LaTeX a PDF.
- 01:25:09CierreSe explica que el podcast lo hacen tres amigos que trabajan juntos y se invita a participar en Discord y a sugerir temas. Se resume que se habló de Power BI, Tableau y Qlik Sense, y se mostraron en la práctica Power BI, Shiny y RMarkdown.