Business Intelligence Con Power Bi Avanzado

Capacitador

David Paguay, MBA.

Alejandro es ingeniero en economía y finanzas por la EPN y la Universidad Jean Monnet, cuenta con una Maestría en Administración de Empresas (MBA) en la USFQ. Su experiencia profesional de 6 años ha estado ligada a 3 actividades: la investigación estadística en el sector público; el emprendimiento y liderazgo de equipos en desarrollo de aplicaciones de Lucy -una aplicación P2P de su autoría, y a la docencia, ya que ha sido instructor invitado para la Sociedad Ecuatoriana de Estadística SEE y DS analytics impartiendo más de 400 horas de R y PowerBI.
Actualmente, es analista del Ministerio de Finanzas -desempeñándose como Scrum Máster en el desarrollo de un BI e investigador-. Su interés radica en el emprendimiento y la docencia como actividades que le permitan desarrollar su pasión por los datos, la innovación y el liderazgo

Categorías: ,

El objetivo de este curso es proveer de herramientas y entrenamiento más profundo e intensivo de las herramientas de Power BI; a través de la  integración con R y Python, actualización automática de los reportes, trabajo con mapas

El curso no solamente se orienta al descubrimiento de nuevas herramientas, sino también a un entrenamiento de las habilidades de Power BI, por ello cuenta con talleres en cada capítulo. También se orienta a las necesidades de una empresa en crecimiento real que actualmente utiliza Power BI para llevar a cabo sus análisis de datos y sistemas de reportería

Contenido:

  • DAX (nuevas funciones)
    • Switch
    • Tablas condicionales
    • Niveles de seguridad
    • Funciones de manipulación de tablas
    • Time intelligence functions
  • Conexiones de datos
    • Conexiones con nuevas fuentes
    • Gateway
    • Actualización incremental
    • Lenguaje M
  • Esquemas de datos
    • Esquemas, granularidad y jerarquías
    • Relaciones bidireccionales
    • Optimizar rendimiento
  • Análisis exploratorio
    • EDA en PBI
    • Análisis de series de tiempo
    • Árboles de descomposición
    • Factores clave (key influencers)
  • Integración con R
    • Transformación de datos
    • Gráficos
    • Obtención de datos
  • Integración con Python
    • Ejercicio de machine learning
    • Carga dinámica de datos con JSON
    • SQL
  • Diseño
    • Guías de diseño orientado al usuario
  • Ejercicio práctico