DAX, Machine Learning e Inteligencia Artificial con PowerBI

Power BI es la plataforma de Analítica de Datos más importante del mercado y está posicionada por 16 años consecutivos como líder en el sector de Business Intelligence y Analytics según Gartner.

Power BI sigue incluyendo tecnologías disruptivas de IA como el lenguaje natural y el aprendizaje de máquina con el fin de encontrar rápidamente conocimiento crítico para la toma de decisiones.

En este seminario-taller de 3 días daremos una visión integral de 3 principales procesos de la analítica avanzada a través de un único modelo de datos que será entregado a los participantes y que se les enviará junto con los resultados del taller.

Paso a paso se les explicará conceptos fundamentales de programación avanzada DAX, construcción de estructuras de datos o capas semánticas, y su uso posterior a través de aplicaciones de Machine Learning con el fin de encontrar conocimiento que será distribuido a través de dashboards y aplicaciones en la plataforma Power BI Services.

De esta manera podremos entender cuál es el rol del Analista de Datos y cuál es su aporte a la toma de decisiones estratégicas de la empresa.

Cuando se trata de análisis de datos, una de las herramientas más poderosas en el modelado de datos que es la fase inicial del proceso analítico, es el lenguaje de expresiones de análisis de datos (DAX) utilizado en Power BI.

DAX está diseñado para la construcción de nuevas estructuras de datos (nuevas capas semánticas) que ayuden significativamente la búsqueda de conocimiento.

Al aprender DAX en Power BI, estará equipado para manejar escenarios de datos complejos, y potenciar su modelo de datos base.

El aprendizaje de máquina es una herramienta muy poderosa para aprender a través de las relaciones subyacentes en los datos, lo que nos da una ventaja al momento de decidir basados en la información. Los modelos de análisis como el de Factores de Influencia, Árboles Jerárquicos y Clusters son fundamentales para el proceso decisional.

Estos modelos ayudan a comprender las variables que impulsan las tendencias o resultados de mis KPIs. Otra razón por la que estos modelos son importantes es que ayudan a comprender las relaciones entre las diferentes variables del modelo de datos permitiendo ver cómo el cambio de una variable impacta las métricas del negocio (KPIs). Esto puede ayudarle a tomar decisiones más informadas. Por último, estos modelos pueden ayudar a identificar nuevas oportunidades de negocio. Al analizar los factores que impulsan cambios en los KPIs, puede descubrir nuevas tendencias o patrones que puede aprovechar para crear nuevos productos o servicios, o ingresar a nuevos mercados.

Pedro Chávez