Engager
Pablo Moreno

Senior Data Scientist
at Dell

Subscriber

LUG

MVP

BIO

Business Data Scientist and Senior Financial Professional with great experience in Private Equity, Corporate Finance, and Auditor, gained within global environment over the last 20 years. Project Management skills gained within multiple industries worldwide. Applied Statistics & Quantitative Risk Analysis background developed within Financial markets and Business Intelligence, all with a strategic outlook and proven leadership ability.

EXPERTISE

BIArtificial IntelligenceReports / Reporting

Pablo'S
COMMUNITY POSTS & CONTENT

...
...

Where Do Businesses Find Data Scientists?

Competent data scientist professions can be hard to find. In this piece by Pabo Moreno, he explores methods of elevating internal workforces

...
...

Roles of the Data Professional Clearly Explained

Many people try to explain the difference among all roles of the data professional - In this piece, Pablo Moreno adds his own spin on the conversation

...
...

Como automatizar el análisis de la opinión de mis clientes sobre los reportes de Power BI

Debido al incremento exponencial de los usuarios y clientes que consumen reportes y análisis desarrollado en Power BI, así como el incremento del número de dichos proyectos en Power BI, me he visto en la necesidad de desarrollar una solución (escalable) que tenga por objetivo dos cosas fundamentales: 1. Facilitar a mis clientes el aporte de su opinión sobre los reportes y análisis en Power BI; lo que mejora la adopcion de BI e incrementa la satisfaccion del cliente 2. Automatizar y optimizar el análisis y respuesta a dichas opiniones; lo que mejora la capacidad de reaccion del desarrollador

...
...

Building the Perfect Dashboard

Pablo Moreno shares his essential points to designing and publishing a dashboard so your audience can consume data analytics better.

...
...

Text analysis with Power BI

This whitepaper by Pablo Moreno discusses how it's possible to perform text analytics in Power BI and with no code!

...
...

Past, Present and (Possible) Future of Work

In this blog by Pablo Moreno, we reflect on the growing implementation of digital transformation in the workplace and how we (might) see it evolve in the future.

...
...

Excel or Power BI?… It's Not About the Tool

There's an intriguing debate in the data analyst community on whether Excel or Power BI is the best tool for data analysis. Hear Pablo Moreno's perspective: he believes it's not about the tool, but rather, your data needs - data ingestion, data size, data aggregation, distribution of the information.

...
...

How to Interview a Data Scientist

Data is growing exponentially! To handle, analyze and interpret such a large amount of data we need data scientists.Having interviewed many aspiring data scientists, as well as having trained over 300 people in data science, I share my experience in the hiring process and some additional considerations.

...
...

Cómo entrevistar (o no) a un Data Scientist -cientifico de datos-

Hay mucho material en internet sobre ‘las mejores 50 preguntas para entrevistar a un data scientist’ y similares. Le aseguro que cualquier candidato aspirante a data scientist ha leído y aprendido todas esas mismas preguntas y respuestas que probablemente usted le hará y espera, respectivamente.Tras observar y trabajar con muchos de estos profesionales de los datos -tanto entrevistados y contratados, como profesionales internos formados en disciplinas de datos- algunas conclusiones he obtenido. Al fin y al cabo, soy data scientist y aprendo con la observación y contrastación de datos y evidencias -como no podía ser menos-.Despues de haber entrevistado a muchos aspirantes a data scientist, asi así como haber entrenado a mas de 300 personas en ciencia de datos, me gustaría compartir mi experiencia en el proceso de contratacion, y algunas consideraciones adicionales.Cómo entrevistar a un data scientistLa mejor estrategia de entrevista a un candidato a data scientist es enfocarse en su habilidad de resolver problemas; no tanto en sus conocimientos técnicos, ni tampoco en su formación (que por supuesto tambien son necesarios). No digo con esto omitir preguntas técnicas - conceptos estadísticos, algoritmos y modelos, programación, etc.-, sino enfóquese en entender cómo razona el candidato para resolver problemas.Le aseguro que en la vida real el 90% de los problemas que tendrá que resolver como data scientist serán problemas aparentemente irresolubles.“Según estudios psicológicos, la resolución de escenarios absurdos mejora la creatividad y el análisis de patrones”No tenga inconveniente en platear al candidato escenarios absurdos e irreales, y preste atención a como razona el candidato su propuesta de resolver el problema. Quizá aporta una solución también absurda (prepárese para ello), pero si aporta una solución es mucho mas que no aportar nada.Una técnica que ha sido muy eficiente en mi experiencia es preparar una prueba al candidato, ver como la resuelve y pedirle que explique sus conclusiones. Es decir, en vez de realizar una ‘entrevista’ como tal, preparar una prueba con un set de datos, y solicitar al candidato que resuelva un objetivo en un tiempo requerido, y que explique sus conclusiones y resultados.Por ejemplo, si el candidato va a trabajar en un departamento de operaciones de cadena de suministro, se puede disponer de un set de datos en internet (hay cientos o miles disponibles) y pedirle que haga un modelo predictivo del tiempo de entrega de las mercancías, y que explique los resultados obtenidos. Deje que use el lenguaje de programación o el framework o las herramientas de su preferencia. Lo importante es que resuelva el problema, no enfocarse en las herramientas que usa para ello.¿Pero qué es y qué hace un data scientist?Un data scientist es un profesional capaz de resolver problemas operativos con datos; bien sea interpretando el pasado, diagnosticando las causas de eventos, o bien estimado el evento mas probable en el futuro. Además, un data scientist debe saber interpretar los resultados obtenidos de sus investigaciones, y lo que es más importante: debe ser capaz de explicar dichos resultados a cualquier audiencia -técnica o no-Exacto; un data scientist es un individuo versado tanto en conocimientos técnicos (estadística aplicada, programación, ingeniería de datos, inteligencia de negocios, etc.), como en habilidades blandas (comunicación, interpretación, pensamiento crítico, etc.). Y quizá, lo más importante y más escaso: debe conocer y entender el área operativa o de negocio donde va a desempeñar sus funciones. De no ser así, debe tener la habilidad de aprender rápidamente como opera la actividad donde desempeñará sus funciones de data scientist.Considere que no es lo mismo un data scientist que opera en recursos humanos, como otro que trabaja en marketing, o finanzas, o servicio técnico, u operaciones internas, o ingeniería, o farmacéutica, o producción industrial. Los datos son datos (estamos de acuerdo), pero el entorno es determinante por muchos matices que es necesario conocer.Fuente: businessoverbroadway.comLe aseguro que un buen data scientist no descansa hasta encontrar una solución ‘aparentemente imposible’ a problemas ‘aparentemente imposibles’. En la vida real, esto es más habitual de lo uno se imagina.Consideraciones de la organizaciónEs fundamental tener muy claro el objetivo de por qué necesitamos contratar un data scientist. Es decir, definir muy bien el alcance de nuestro problema de recursos humanos. Así mismo, es tanto o más importante, conocer el estado de la organización en el ciclo de madurez de la ciencia de datos.Menciono esto porque no siempre esta tan claro. He conocido gerentes que solo quieren contratar data scientists para dar una ‘imagen de modernidad digital y progreso’ frente a otros gerentes o departamentos, pero sin saber que trabajo se encomendara al futuro candidato. Conseguirá agotar al recurso humano y se ira a otro lugar tan pronto le sea posible.Por otro lado, hay organizaciones que están convencidas que están listas para aplicar Machine Learning o Inteligencia Artificial, pero realizan la mayoría de su reportería de manera manual (copiar-pegar) en hojas de calculo o en diapositivas; o lo que es peor, no tienen un sistema de bases de datos debidamente arquitectado u organizado.Para concluirAntes de contratar a un data scientist, evalúe seriamente reeducar a su personal existente y dotarlo de conocimientos técnicos relativos a ciencia de datos. Su personal existente ya conoce bien su cultura empresarial, los problemas mas habituales y saben bien lo que funciona y lo que no funciona en su organización. Esto es algo que puede llevar años a un data scientist.A lo largo de mis últimos 5 o 6 años de carrera profesional como data scientist, he tenido la ocasión de entrevistar laboralmente (o participar en entrevistas laborales de otros departamentos) a un buen número de candidatos a científico de datos; tanto individuos muy noveles (juniors) como experimentados (seniors).Además de esto, he tenido la gran dicha de entrenar a más de 500 compañeros de trabajo en ciencia de datos y analítica avanzada en los últimos 2 años. Profesionales de distintas áreas como finanzas, operaciones, marketing, contabilidad, recursos humanos, servicio al cliente, etcétera. P. J. MorenoSr Data Scientist

...
...

PBI Button Templates

130 botones disponibles para su Power BI (incluye instrucciones)

...
...

Control Interno de procesos con Power BI y Visio

les dejo la grabacion de la sesion de 'Control Interno con Power BI y Visio'

...
...

POWER-BI CON R

Explicación detallada, de como poder modelar los datos, con el lenguaje R, para explorar el modelado estadístico de la información. Ejemplos de su aplicación.