De Power BI a Python: Mi Transición y Tu Primer Kit de Herramientas para Machine

¡Hola y bienvenido a mi nuevo espacio!

Si eres como yo, probablemente te apasione el mundo de los datos. Quizás has pasado incontables horas creando dashboards en Power BI o Tableau, transformando tablas de datos en historias visuales que ayudan a tomar decisiones.

Recuerdo un proyecto de análisis financiero donde, después de semanas de trabajo, presentamos un dashboard impecable que mostraba el rendimiento histórico. El gerente nos felicitó, pero luego preguntó: 'Esto es genial, ¿pero qué probabilidad hay de que nuestros clientes más valiosos nos abandonen el próximo trimestre?'.

En ese silencio, me di cuenta de que necesitaba un nuevo tipo de herramientas. Con un modelo de clasificación en Scikit-learn, no solo podríamos haber respondido esa pregunta, sino también identificar los factores de riesgo. Esa pregunta fue el inicio de un nuevo capítulo para mí, y la razón por la que estás leyendo esto hoy.

---

Mi Historia: ¿Por Qué Quise Cruzar este Puente?

Permíteme presentarme. Mi nombre es Norman Sabillon. Soy un apasionado de los datos con muchos años de experiencia en el mundo de la Inteligencia de Negocios. Durante mi carrera, he tenido la oportunidad de trabajar como Consultor Senior de BI, he liderado el desarrollo de más de 120 reportes nacionales para sectores sociales y comerciales y he ayudado a grandes organizaciones a entender sus datos.

Me especializo en Power BI y Tableau, herramientas con las que he podido capacitar a más de 500 profesionales en países como Guatemala, Honduras, Nicaragua, República Dominicana, Colombia, Perú y Venezuela. Amo enseñar y amo el Business Intelligence.

Pero mi curiosidad me impulsaba a buscar la siguiente frontera. Comprendí que el verdadero poder no solo radicaba en visualizar el pasado, sino en utilizar los datos para predecir el futuro.

Mi formación como Ingeniero y mi Maestría en Matemática, Ingeniería y Estadística de la UNAH me dieron las bases analíticas, pero fue mi curiosidad la que me impulsó a ir más allá. Actualmente, complemento mi formación con una Maestría en Análisis y Visualización de Datos Masivos en UNIR México y sigo una ruta de certificación profesional para convertirme en Ingeniero de Machine Learning. Es esta combinación de fundamentos matemáticos y experiencia práctica la que me motiva a cruzar este puente.

Este blog es la guía que me hubiera gustado tener cuando empecé: práctica, en nuestro idioma y desde la perspectiva de alguien que viene del mismo mundo que tú.

---

Tu Primer Kit de Herramientas (¡Empecemos a Construir!)

Para empezar a construir, necesitas las herramientas adecuadas. Si en BI nuestro martillo es Power BI Desktop, en Machine Learning nuestro taller es un poco diferente. Aquí tienes tus opciones:

Opción 1: La Nube (La más fácil para empezar) - Google Colab

Piénsalo como un Jupyter Notebook online y gratuito, directamente en tu navegador. No necesitas instalar absolutamente nada en tu PC. Solo necesitas una cuenta de Google. Es, sin duda, la forma más rápida de empezar a escribir código hoy mismo.

Opción 2: Local (Para proyectos a largo plazo) - Anaconda y Jupyter Notebook

• Anaconda: Es el centro de control de tu entorno de Python en tu propia computadora. Instala todo lo que necesitas (Python, librerías) de forma ordenada y sin conflictos.
• Jupyter Notebook: Este será tu laboratorio de experimentación local. Es el lugar donde escribirás código, ejecutarás experimentos y verás los resultados.

¿Cuál elegir? Una comparación rápida:

---

Las 3 Librerías Esenciales (Tu Navaja Suiza)

No importa el entorno que elijas, estas tres librerías serán tus mejores amigas:

• Pandas: Es el Power Query de Python, pero con superpoderes. La usarás para leer archivos (CSV, Excel, etc.), limpiar, transformar, filtrar y manipular tus datos.
• NumPy: Es el motor matemático silencioso que trabaja detrás de escena. Se encarga de los cálculos numéricos y las operaciones con matrices de una forma increíblemente rápida y eficiente.
• Scikit-learn: Esta es tu caja de herramientas de algoritmos. Contiene los modelos de Machine Learning (regresión, clasificación, clustering) listos para ser utilizados con unas pocas líneas de código.

Como adelanto de lo que viene, ¡así de fácil es crear tu primera tabla de datos con Pandas!

# Importamos la librería Pandas y le damos un alias 'pd' para abreviar
import pandas as pd

# Creamos un diccionario con datos, similar a una tabla simple
datos = {'Nombre': ['Ana', 'Luis', 'Marta'],
         'Edad': [28, 34, 45]}

# Usamos Pandas para convertir nuestro diccionario en una tabla profesional (DataFrame)
df = pd.DataFrame(datos)

# Imprimimos la tabla para ver el resultado
print(df)

Resultado que verás en pantalla:

  Nombre  Edad
0    Ana    28
1   Luis    34
2  Marta    45

➡️ ¡Pruébalo tú mismo! Haz clic aquí para ejecutar este código en un Google Colab. (Nota: Necesitarás una cuenta gratuita de Google para poder ejecutar el código. ¡Es rápido de crear si no tienes una!)

---

Conclusión y Nuestros Próximos Pasos

Como ves, la transición de BI a Machine Learning no es un salto al vacío, es una evolución. Ya posees la habilidad más importante: la intuición para hacerle preguntas a los datos.

Ahora, vamos a darte las herramientas para obtener respuestas aún más poderosas.

¿Te sientes listo para instalar tu propio laboratorio?

Suscríbete a mi blog (haz clic en el botón de seguir/subscribe), porque en el próximo artículo te guiaré clic por clic para instalar Anaconda y usaremos Pandas para cargar y hacer nuestro primer análisis exploratorio de un set de datos real.

Y ahora, quiero saber de ti. ¡Déjame un comentario! ¿Compartes mi anécdota? Cuéntame cuál fue tu 'momento de revelación' que te hizo querer ir más allá en el mundo de los datos. Si esta publicación te inspira, ¡compártela con un colega en BI que también esté listo para cruzar el puente!

¡Estoy emocionado de empezar este viaje juntos!

---

#MachineLearning #BItoML #InteligenciaDeNegocios #Python #DataScience #CienciaDeDatos #Español #GoogleColab #Anaconda #PowerBI #Tableau #TutorialPython #DatosEnEspañol