# 📋 Ficha de Ejercicios y Actividades ## Tercera Sesión: Predicción y Decisiones Estratégicas **Docente:** Ing. Cesar Uribe | [LinkedIn](https://www.linkedin.com/in/uribealvites/) **Web:** [https://lab.zildar.com](https://lab.zildar.com) --- ## 📊 MATRIZ GENERAL DE ACTIVIDADES | Código | Actividad | Duración | Competencia Principal | Herramientas | |--------|-----------|----------|----------------------|--------------| | **EJ-01** | MARP Básico | 20 min | Automatización reportes | MARP, VS Code | | **EJ-02** | Python Análisis | 25 min | Análisis datos automatizado | Google Colab, ChatGPT | | **EJ-03** | Dashboard Interactivo | 30 min | Visualización inteligente | Colab, Widgets | | **EJ-04** | Framework Decisional | 45 min | Decisiones data-driven | Colab, SHAP/LIME | | **TAREA** | Proyecto Integrador | 1 semana | Integración completa | Stack completo | --- ## 🎯 EJERCICIO 1: AUTOMATIZACIÓN CON MARP ### **Identificación** - **Código:** EJ-01 - **Título:** Reporte de Ventas Automatizado con MARP - **Duración:** 20 minutos - **Modalidad:** Individual ### **Objetivos de Aprendizaje** - Implementar automatización básica de reportes usando Markdown - Convertir datos tabulares en presentaciones profesionales - Aplicar sintaxis MARP para generación rápida de slides ### **Prerrequisitos** - **Técnicos:** VS Code instalado, extensión MARP - **Conceptuales:** Sintaxis básica Markdown - **Archivos:** Dataset proporcionado por instructor ### **Recursos Necesarios** - **Dataset:** `ventas_sample.xlsx` - Columnas: producto, precio, cantidad, región - 100 filas de datos de ejemplo - Incluye datos de 5 regiones, 20 productos - **Herramientas:** VS Code + MARP Extension - **Template:** Plantilla base MARP proporcionada ### **Enunciado del Caso** **Contexto Empresarial:** Eres analista de una empresa retail que debe presentar resultados de ventas Q1 a la gerencia. El reporte manual toma 3 horas. Tu objetivo es automatizar la generación usando MARP. **Problema a Resolver:** Crear una presentación ejecutiva de 5 slides que incluya: 1. **Slide Título:** Reporte Q1 2025 con datos clave 2. **Slide Ventas por Región:** Gráfico o tabla comparativa 3. **Slide Top 5 Productos:** Ranking por ingresos 4. **Slide Análisis Precios:** Tendencias y rangos 5. **Slide Conclusiones:** 3 insights principales y recomendaciones **Restricciones:** - Usar solo sintaxis MARP nativa (sin HTML) - Presentación debe ser exportable a PDF - Diseño profesional apto para ejecutivos ### **Metodología para Instructor** 1. **Demostración** (5 min): Mostrar sintaxis MARP básica 2. **Desarrollo** (12 min): Estudiantes crean slides 3. **Validación** (3 min): Revisar 2-3 ejemplos con clase ### **Entregables Esperados** - Archivo `.md` con presentación completa - PDF exportado de la presentación - Screenshot de al menos 1 slide con datos visualizados ### **Criterios de Evaluación** - ✅ **Estructura completa** (5 slides requeridos) - ✅ **Datos correctos** extraídos del dataset - ✅ **Formato profesional** apto para ejecutivos - ✅ **Exportación exitosa** a PDF ### **Troubleshooting Común** - **Error export PDF:** Verificar extensión MARP instalada - **Datos no aparecen:** Revisar ruta archivo Excel - **Formato inconsistente:** Validar sintaxis Markdown --- ## 🐍 EJERCICIO 2: ANÁLISIS AUTOMATIZADO CON PYTHON ### **Identificación** - **Código:** EJ-02 - **Título:** Análisis de Datos con Prompts Maestros - **Duración:** 25 minutos - **Modalidad:** Individual con asistencia IA ### **Objetivos de Aprendizaje** - Aplicar prompts estructurados para generar código Python funcional - Ejecutar análisis exploratorio automatizado en Google Colab - Interpretar resultados estadísticos básicos en contexto empresarial ### **Prerrequisitos** - **Técnicos:** Cuenta Google para Colab, acceso ChatGPT - **Conceptuales:** Comprensión básica de análisis de datos - **Archivos:** Dataset modelo con errores intencionalmente ### **Recursos Necesarios** - **Dataset:** `ventas_productos_q1_2025.xlsx` - 1,000 filas de productos - Columnas: producto, precio, cantidad, categoria, region, fecha - 10% datos con errores intencionales para práctica - **Herramientas:** Google Colab, ChatGPT - **Prompts:** 5 prompts maestros proporcionados ### **Enunciado del Caso** **Contexto Empresarial:** Como analista de datos, recibes un archivo Excel con 1,000 productos del primer trimestre. El archivo puede contener errores y necesitas generar insights rápidos para una reunión ejecutiva en 30 minutos. **Problema a Resolver:** Usando los 5 prompts maestros, debes: 1. **Análisis Básico:** Cargar datos, identificar estructura, generar estadísticas descriptivas 2. **Detección Problemas:** Encontrar datos faltantes, outliers, inconsistencias 3. **Comparaciones:** Analizar diferencias entre regiones y categorías 4. **Dashboard Simple:** Crear gráficos interactivos básicos 5. **Reporte Ejecutivo:** Generar conclusiones en lenguaje de negocio **Escenario Específico:** La gerencia quiere saber: "¿Qué región está vendiendo mejor y qué productos debemos potenciar o descontinuar?" ### **Metodología para Instructor** 1. **Setup** (5 min): Verificar acceso Colab y carga de datos 2. **Prompt 1-2** (8 min): Análisis básico y detección errores 3. **Prompt 3-4** (8 min): Comparaciones y visualización 4. **Prompt 5** (4 min): Generación insights ejecutivos ### **Entregables Esperados** - Notebook Colab completo con código ejecutado - 3-5 gráficos generados automáticamente - Lista de 5 insights principales en lenguaje ejecutivo - Identificación específica de errores encontrados ### **Criterios de Evaluación** - ✅ **Código ejecuta** sin errores críticos - ✅ **Insights relevantes** para el negocio - ✅ **Gráficos claros** y bien etiquetados - ✅ **Detección errores** efectiva ### **Troubleshooting Común** - **Archivo no carga:** Usar `pd.read_excel()` con parámetros específicos - **Gráficos no aparecen:** Verificar `%matplotlib inline` - **Errores sintaxis:** Copiar código limpio desde ChatGPT --- ## 📊 EJERCICIO 3: DASHBOARD INTERACTIVO ### **Identificación** - **Código:** EJ-03 - **Título:** Dashboard Ejecutivo con Widgets Interactivos - **Duración:** 30 minutos - **Modalidad:** Individual ### **Objetivos de Aprendizaje** - Crear interfaces interactivas para exploración de datos no técnicos - Implementar widgets de filtrado y visualización dinámica - Diseñar experiencia usuario intuitiva para stakeholders ### **Prerrequisitos** - **Técnicos:** Colab funcional, comprensión widgets básicos - **Conceptuales:** Principios UX básicos, audiencia no técnica - **Base:** Ejercicio 2 completado exitosamente ### **Recursos Necesarios** - **Dataset:** Mismo del Ejercicio 2 (ya limpio) - **Bibliotecas:** ipywidgets, plotly, matplotlib - **Template:** Código base widgets proporcionado por instructor ### **Enunciado del Caso** **Contexto Empresarial:** El gerente general no es técnico pero quiere explorar los datos de ventas por sí mismo. Necesita un dashboard tan fácil de usar como "Netflix" pero para datos empresariales. **Problema a Resolver:** Crear un dashboard interactivo que permita: 1. **Menú Desplegable:** Filtrar por categoría de producto 2. **Botones Radio:** Seleccionar región específica 3. **Slider de Rango:** Ajustar rango de precios a analizar 4. **Gráficos Dinámicos:** Que se actualicen automáticamente con filtros 5. **Botón Descarga:** Exportar datos filtrados a Excel **Requerimientos UX:** - Interface limpia, sin código visible - Instrucciones simples en pantalla - Respuesta inmediata a cambios - Tolerancia a errores del usuario ### **Metodología para Instructor** 1. **Demo interactividad** (5 min): Mostrar resultado esperado 2. **Widgets básicos** (10 min): Crear controles paso a paso 3. **Conectar gráficos** (10 min): Linking interactivo 4. **Testing UX** (5 min): Probar usabilidad ### **Entregables Esperados** - Dashboard completamente funcional - Mínimo 3 tipos de widgets implementados - 2-3 gráficos que respondan a filtros - Documentación básica uso para no técnicos ### **Criterios de Evaluación** - ✅ **Funcionalidad completa** todos los widgets - ✅ **Sincronización** gráficos con filtros - ✅ **Usabilidad** intuitiva para no técnicos - ✅ **Estabilidad** sin errores con uso normal ### **Variaciones Posibles** - **Básica:** Solo dropdown y 1 gráfico - **Intermedia:** Múltiples widgets, 2-3 gráficos - **Avanzada:** Widgets complejos, exportación, tooltips --- ## 🧠 EJERCICIO 4: FRAMEWORK DECISIONAL COMPLETO ### **Identificación** - **Código:** EJ-04 - **Título:** Decisiones Estratégicas con Framework 5 Pasos - **Duración:** 45 minutos - **Modalidad:** Individual con validación grupal ### **Objetivos de Aprendizaje** - Implementar metodología completa análisis → decisión - Aplicar técnicas interpretabilidad (SHAP/LIME) en contexto empresarial - Generar recomendaciones accionables con justificación cuantitativa ### **Prerrequisitos** - **Técnicos:** Dominio Colab, conceptos ML básicos - **Conceptuales:** Framework 5 pasos, SHAP vs LIME - **Experiencia:** Ejercicios 1-3 completados ### **Recursos Necesarios** - **Dataset:** `decisiones_estrategicas_modelo.xlsx` - 2,000 filas de datos empresariales - 15 variables: financieras, operacionales, mercado - Escenario retail/manufactura - **Bibliotecas:** shap, lime, sklearn, pandas - **Templates:** Código base para modelo predictivo ### **Enunciado del Caso** **Contexto Empresarial:** Eres director de estrategia de una empresa con 2,000 productos. La junta directiva necesita decidir: - ¿Qué productos descontinuar? - ¿Dónde invertir recursos limitados? - ¿Qué factores impulsan el éxito/fracaso? **Datos Disponibles:** - Histórico 24 meses performance productos - Variables: ventas, margen, costos, competencia, tendencias - Métricas objetivo: ROI, crecimiento, sostenibilidad **Problema a Resolver:** Implementar Framework 5 Pasos completo: 1. **Contextualización:** Análisis situación empresa y mercado 2. **Predicción:** Modelos performance próximos 6-12 meses 3. **Interpretabilidad:** SHAP para explicar drivers de éxito 4. **Recomendaciones:** Plan específico por segmento productos 5. **Documentación:** Reporte ejecutivo con business case **Deliverable Final:** Presentación 10 minutos con decisiones específicas y justificación cuantitativa. ### **Metodología para Instructor** 1. **Contextualización** (8 min): Análisis exploratorio dataset 2. **Modelado predictivo** (12 min): Crear modelo base 3. **SHAP implementation** (10 min): Interpretabilidad 4. **Generación recomendaciones** (10 min): Traducir a acciones 5. **Validación grupal** (5 min): Peer review resultados ### **Entregables Esperados** - Notebook con 5 pasos implementados - Modelo predictivo funcional con métricas - Visualizaciones SHAP interpretables - Lista 5-7 recomendaciones específicas con ROI estimado - Slide deck ejecutivo (5 slides máximo) ### **Criterios de Evaluación** - ✅ **Completitud** framework (5 pasos implementados) - ✅ **Validez técnica** modelo y métricas - ✅ **Interpretabilidad** clara SHAP/LIME - ✅ **Accionabilidad** recomendaciones específicas - ✅ **Comunicación** ejecutiva efectiva ### **Troubleshooting Común** - **SHAP install error:** `!pip install shap` primero - **Modelo no converge:** Verificar scaling datos - **Interpretaciones confusas:** Simplificar a top 5 features --- ## 🚀 TAREA FINAL: PROYECTO INTEGRADOR ### **Identificación** - **Código:** TAREA-FINAL - **Título:** Sistema Automatizado Integral IA - **Duración:** 1 semana (entrega siguiente clase) - **Modalidad:** Individual ### **Objetivos de Aprendizaje** - Integrar todas las competencias desarrolladas en proyecto real - Demostrar dominio completo stack tecnológico - Crear solución empresarial escalable y reutilizable ### **Prerrequisitos** - **Técnicos:** Todos los ejercicios 1-4 completados exitosamente - **Conceptuales:** Comprensión integral metodologías enseñadas - **Recursos:** Acceso dataset real o simulado de calidad empresarial ### **Enunciado del Proyecto** **Contexto:** Desarrollar un sistema automatizado completo que demuestre el potencial de IA aplicada en transformación de procesos empresariales tradicionales. **Componentes Obligatorios:** 1. **Ingesta Automatizada** - Leer Excel con mínimo 6 columnas, 500+ filas - Limpieza y validación automática datos - Error handling robusto 2. **Triple Generación Formatos** - **MARP:** Presentación ejecutiva automática - **HTML:** Dashboard interactivo con widgets - **PPTX:** Reporte PowerPoint profesional 3. **Análisis Inteligente** - Dashboard interactivo con mínimo 3 widgets - Implementación SHAP o LIME para interpretabilidad - Generación insights automática 4. **Decisiones Automatizadas** - Framework 5 pasos implementado - Recomendaciones específicas con ROI - Reporte ejecutivo Word automático 5. **Interface Usuario** - Botones descarga cada formato - Instrucciones uso claras - Tolerancia errores usuario ### **Casos Sugeridos** - **Retail:** Optimización portafolio productos - **Financiero:** Análisis riesgo crediticio - **RRHH:** Predicción rotación empleados - **Marketing:** Segmentación clientes - **Operaciones:** Optimización inventarios ### **Entregables Finales** 1. **Notebook Colab** completo y documentado 2. **3 archivos generados** (MARP, HTML, PPTX) 3. **Dashboard funcional** con widgets 4. **Reporte Word** ejecutivo automático 5. **Video demo** 5 minutos uso del sistema 6. **Análisis ROI** tiempo ahorrado vs método manual ### **Criterios de Evaluación** - ✅ **Integración completa** (40%): Todos componentes funcionan - ✅ **Calidad técnica** (25%): Código limpio, eficiente - ✅ **Usabilidad** (20%): Interface intuitiva, robusto - ✅ **Impacto empresarial** (15%): ROI demostrable, escalable --- ## 📊 RECURSOS COMPLEMENTARIOS ### **Datasets Proporcionados** - `ventas_sample.xlsx` - Ejercicio 1 (100 filas) - `ventas_productos_q1_2025.xlsx` - Ejercicios 2-3 (1,000 filas) - `decisiones_estrategicas_modelo.xlsx` - Ejercicio 4 (2,000 filas) ### **Templates de Código** - MARP base template - Widgets básicos Colab - SHAP implementation starter - Prompts maestros optimizados ### **Criterios Evaluación General** - **Funcionalidad:** ¿Funciona como se especifica? - **Calidad:** ¿Código limpio y bien documentado? - **Usabilidad:** ¿Fácil de usar para no técnicos? - **Impacto:** ¿Genera valor empresarial demostrable? ### **Soporte Técnico** - **Durante clase:** Instructor disponible para troubleshooting - **Fuera clase:** Foro Discord para consultas - **Recursos:** Documentación adicional en repositorio curso --- **Preparado por:** Ing. Cesar Uribe **Revisión:** v1.0