Aunque no hay una receta única para analizar datos, en Escuela de Datos utilizamos un conjunto de pasos que pueden facilitar el trabajo y resultan provechosos para todos los que quieran aventurarse en el mundo de la data.

El “Data Pipeline” inicia planteándose una pregunta para luego encontrar la información, extraerla, limpiarla, verificarla, analizarla y presentarla. Tomando la idea de Code4SA, aquí les compartimos algunas de las herramientas que utilizamos en cada uno de los pasos:

1- Obtener la información

Estas son algunas fuentes y portales de datos en Latinoamérica:

CepalStat   Es el portal estadístico de la Comisión Económica para América Latina y el Caribe que contiene toda clase de datos demográficos, sociales, ambientales, económicos, de género, juventud, pueblos indígenas, tecnología, entre otros. Los datos se pueden descargar en tablas predeterminadas y también tienen un sistema de consulta avanzada. Además tienen disponible un API.

Banco Mundial  El portal de datos abiertos del Banco Mundial recopila toda clase de indicadores de los países latinoamericanos y del resto del mundo, que se pueden descargar fácilmente. Además en su sección de Microdatos se pueden descargar bases de datos completas de estudios o encuestas que realiza el Banco en diferentes países.

Números para el desarrollo Se trata del portal de datos abiertos del Banco Interamericano de Desarrollo, que compila más de 1700 indicadores sociales y económicos de 26 países de la región, los cuales se pueden consultar, combinar, visualizar y descargar. Además tienen bases de datos especializadas.

2- Extracción 

Copiar+Pegar  Hacer un par de clicks en ocasiones puede ser la herramienta más sencilla.

Herramientas para importar en Google Sheets  Los comandos IMPORTHTML, IMPORTDATA  o IMPORTXML permiten importar a la hoja de cálculo datos en formatos estructurados desde sitios web.

Tabula Permite extraer tablas de PDFs.

SmallPDF y Nitro  Permiten convertir archivos de PDF a csv.   La versión gratuita de Nitro permite un máximo de 50 páginas.

Import.io Permite scrappear de manera fácil algunos sitios web.

Puedes ves otras herramientas acá.

3-Limpieza y verificación

Buscar+Reemplazar Permite fácilmente buscar términos en la hoja de cálculo y reemplazarlos por otros.

Open Refine Permite limpiar, modificar y exportar bases de datos. Además es gratuita.

4-Análisis

Pivot Tables Una herramienta simple pero poderosa que permite hacer y responder preguntas con los datos. Acá un tutorial para usar tablas pivot en Google Sheets.

R  Para los usuarios más avanzados, R es un lenguaje y entorno de programación para el análisis estadístico. Es gratuito y de software libre.

5-Visualización

Infogram Con infogram se pueden crear gráficos e infografías con un par de clicks. La herramienta es gratuita aunque para usar todas sus opciones se requiere pagar una cuota.

CartoDB Ideal para visualizar información geolocalizada.

Tableau Public  El programa se descarga y offline permite hacer diferentes tipos de visualizaciones.

Datawrapper Útil para hacer diferentes tipos de gráficos, todo de forma gratuita.

Google Fusion Tables Permite organizar, visualizar y compartir información organizada en tablas de datos.

Gissela Peralta

Este post es una contribución de Gissela Peralta (@GisseJo en Twitter), una paraguaya con orgullo, emprendedora compulsiva y comunicadora hasta por los poros. Co-Founder de @Girolabs y @OpendataPy. ¡Gracias, Gisse!

Los datos abiertos en Paraguay, cada vez están saliendo más a la luz. Es así que gracias a aportes de diferentes entidades gubernamentales, organizaciones de la sociedad civil e incluso algunas empresas, están haciendo posible la apertura de datos en el país.

Aquí 5 portales donde podés encontrar datasets para utilizar y reutilizar:

1. Portal de Datos Abiertos del Gobierno Nacional

Link: http://datos.gov.py

Fue lanzado este año y va recogiendo los datos que se abren en diferentes ministerios y secretarías del Estado. Está en fase beta, fue construido por la SENATICS y está basado en el software CKAN.

1. Ministerio de Educación y Cultura

Link: http://datos.mec.gov.py/

Se pueden encontrar datos de instituciones educativas públicas y privadas, así como las matriculaciones de alumnos en todo el país, en los diferentes niveles de educación (Año 2012). Además se puede ver una visualización de algunos de los datos.

1. Ministerio de Hacienda

Link: http://isdatabank.info/boost_paraguay/

Se pueden encontrar la mayoría de los datos correspondiente a dicho ministerio en diferentes formatos, desde el año 2003 hasta el 2013.

1. TEDIC: http://www.tedic.org/opendatapy/

La organización recogió varios datasets de diferentes entidades y los colocó en este repositorio.

1. Banco Mundial: http://datos.bancomundial.org/pais/paraguay

Todos los datos de Paraguay que posee la conocida entidad.

Además se pueden encontrar datos de Paraguay (en diferentes formatos y licencias):

Leyes: http://digesto.senado.gov.py/index.php

• TSJE: http://datosabiertos.tsje.gov.py/

• Estadisticas: http://www.dgeec.gov.py/

¿Vas a trabajar algo con datos de alguna de estas fuentes? ¡Compártelo con la comunidad de Escuela de Datos! Estamos en @EscuelaDeDatos en Twitter, y también en Facebook.