DESCRIPCIÓN DEL CURSO

Este curso está diseñado para que profesionales de metalurgia, planta, QA/QC, seguridad y áreas operativas desarrollen habilidades prácticas para visualizar, analizar y automatizar reportes con Power BI y Python. El enfoque se centra en construir tableros claros, accionables y orientados al control operacional y la gestión de indicadores, integrando buenas prácticas de ETL, modelamiento y visualización.

A lo largo del programa aprenderás desde los fundamentos de Power BI (Desktop y Service) y procesos de ETL con Power Query, hasta el modelamiento relacional, relaciones y DAX para KPIs de seguimiento. Además, incorporarás Python (Pandas, Numpy, Matplotlib y Seaborn) para limpieza, consolidación de fuentes y visualizaciones estadísticas. Culminarás con una guía práctica de solución BI y un caso aplicado enfocado en gestión de EPP, usando integración de múltiples archivos, merge/append, pivoteo y KPIs de cumplimiento.

Etiquetas

Power BI Python ETL Power Query DAX Metalurgia Gestión de EPP Merge / Append Pivot / Unpivot KPIs de cumplimiento

¿QUÉ APRENDERÁS?

Comprender Power BI (Desktop vs Service) y su aplicación en entornos de planta y metalurgia.
Realizar ETL con Power Query: extracción, transformación y carga (Import / DirectQuery).
Conectar y consolidar múltiples archivos con Merge Queries y Append Queries.
Aplicar pivoteo y despivoteo para estructurar datos operacionales y de control.
Construir modelos con relaciones y esquemas eficientes para reportes de gestión.
Crear medidas y KPIs con DAX: retrasos, alertas, porcentajes de cumplimiento y seguimiento.
Aprender Python 3 y librerías (Pandas, Numpy, Matplotlib/Seaborn) para limpieza y análisis exploratorio.
Integrar Power BI + Python para escenarios donde se requiera análisis y visualización avanzada.
Diseñar una solución BI completa: canvas, UX/testing, publicación, accesos y actualización.
Aplicar todo en un caso práctico: gestión de EPP con alertas de entrega y control de cumplimiento.

COMPETENCIAS A DESARROLLAR

Capacidad para preparar, estandarizar y consolidar datos mediante procesos ETL.
Modelamiento de datos y relaciones orientadas a performance y mantenimiento del reporte.
Dominio de DAX para KPIs operativos: cumplimiento, retrasos, alertas y seguimiento.
Transformaciones avanzadas de estructura: merge/append, pivot/unpivot y normalización.
Análisis con Python para limpieza, exploración y visualizaciones complementarias.
Publicación y gestión de reportes: workspaces, accesos, actualización y gateways on-premise.

TEMARIO DETALLADO

Módulo 01 – Power BI: fundamentos y ecosistema Ver contenidos ▾

¿Qué es Power BI?: componentes, alcance y beneficios en reporting operativo.
Historia de Power BI: evolución y adopción en analítica empresarial.
Power BI Desktop: modelado, reportes y construcción de dashboards.
Power BI Service: publicación, colaboración, consumo y gobernanza.
Desktop vs Service: diferencias y flujo recomendado de trabajo.

Módulo 02 – ETL y visualizaciones con Power BI Desktop Ver contenidos ▾

Extracción (E): definición/selección de fuentes y alcance del proceso.
Transformación (T) con Power Query: combinar consultas, editar/agregar columnas, filtrar, limpiar y eliminar filas.
Carga (L): importación vs DirectQuery (criterios y rendimiento).
Visualizaciones iniciales: construcción de reportes base orientados a gestión.

Módulo 03 – Esquemas, relaciones y DAX Ver contenidos ▾

Esquemas relacionales: estrella, copo de nieve y sin esquema.
Relaciones: cardinalidad (1:* / 1:1 / *:* ) y dirección de filtrado (simple / ambos).
DAX: agregación, texto y formato, time intelligence, columnas calculadas y tablas.
Publicar un reporte: publicación en Service y distribución.
Áreas de trabajo y gestión de accesos: roles, permisos y audiencias.
Actualización y Gateways on-premise: refresco, fuentes locales y escenarios.

Módulo 04 – Python 3: base para análisis de datos Ver contenidos ▾

¿Qué es Python?: enfoque práctico para analítica y automatización.
Historia de Python: por qué es estándar en data analytics.
Herramientas: entornos, paquetes y flujo recomendado.
Anaconda y Jupyter Notebook: instalación y uso para análisis.

Módulo 05 – Librerías y conceptos clave Ver contenidos ▾

Conceptos: tipos de datos, listas, funciones, diccionarios, filtrado, lógicas y dataframes.
Numpy: base numérica y cálculos.
Pandas: limpieza, transformación, joins y consolidación de fuentes.
Matplotlib: gráficos base y personalización.
Seaborn: visualización estadística para análisis exploratorio.

Módulo 06 – Power BI + Python: integración aplicada Ver contenidos ▾

Pros y contras: beneficios vs limitaciones (refresco, performance, complejidad).
Import & Join: Power Query vs Pandas (criterios por volumen y limpieza).
Datos nulos: Power Query vs isnull / tratamiento en Pandas.
Visualizaciones: DAX/Visuales vs Seaborn (cuándo conviene cada uno).
Power BI + Python: cuándo usarlo, cuándo no, y ejemplo de aplicación.

Módulo 07 – Guía práctica de solución BI (end-to-end) Ver contenidos ▾

Objetivo y enfoque: decisiones y proceso a soportar.
Diseño del Canvas: layout, jerarquía visual y narrativa.
Fuentes de datos y conexiones: estructura, control y trazabilidad.
Modelamiento de datos: relaciones, performance y escalabilidad.
Visualizaciones y medidas: KPIs, segmentación y filtros.
UX y testing: validación con usuarios, consistencia y performance.
Publicación: workspaces, permisos y distribución.
Actualización y accesos: refresh, gateway y gobernanza básica.

Módulo 08 – Caso de uso en metalurgia: gestión de EPP Ver contenidos ▾

Caso: Gestión de Equipos de Protección Personal (EPP)
- Alertas de próxima entrega: control por fechas, estado y prioridades.
- Conexión entre varios archivos: consolidación de registros y trazabilidad.
- Merge Queries y Append Queries: unificación de fuentes y estandarización.
- Pivoteo y despivoteo: reestructuración para análisis por persona/área/tipo de EPP.
- KPI de retrasos: atrasos por responsable, área, proveedor o tipo.
- Porcentaje de cumplimiento: entregas a tiempo, fuera de fecha y backlog.

EVALUACIÓN Y CERTIFICACIÓN

Al finalizar el curso obtendrás tu certificado digital con código QR único, verificable y apto para compartir en LinkedIn. La evaluación se basará en ejercicios por módulo, construcción de medidas DAX y el desarrollo de un reporte final aplicado al caso de gestión de EPP, incluyendo alertas, KPIs de retraso y porcentaje de cumplimiento.

CERTIFICADO REFERENCIAL

Certificado referencial del curso de Visualización de datos con Power BI y Python aplicado a la Metalurgia

Temario del curso

Conoce quién enseña el curso

Reseñas del curso (0)

Temario del curso

Conoce quién enseña el curso

Reseñas del curso (0)