¡Bienvenidos al último proyecto individual de la etapa de labs! En esta ocasión, debo trabajar situándome en el rol de un Data Analyst.

Crear un Dashbord con datos extraidos de una API de telecomunicaciones llamado ENACOM - Ente Nacional de Comunicaciones de Argentina para limpiarlos y analizarlos, con el fin de mostrar el contenido de los datos en los archivos: Internet_Penetracion.csv y telefonia_fija.csv que permitan visualizar la realidad tanto del Internet como la Telefonia fija de hoy en día; lo cuál permitirá generar la materia prima para buscar evolucionar en estos dos importantes campos de las telecomunicaciones.

En este proyecto, mis archivos de trabajo fueron los siguientes: Internet_Accesos-por-tecnologia.csv, Internet_Ingresos.csv,Internet_Penetracion.csv y telefonia_fija.csv. Una vez, explorados los archivos anteriores se generaron los posteriores:Tecnologia.csv, Ingresos.csv, Penetracion_internet.csv y Telefonia_Fija.csv. Luego, se crean los siguientes archivos para trabajar con el EDA - Análisis exploratorio de datos: Internet.csv y Telefonia_Fija.csv. Además, con los archivos Internet_Penetracion.csv y telefonia_fija.csv creamos el insumo para mostrar la realidad prevaleciente en estos importantes terrenos de las telecomunicaciones como lo son: Internet y Telefonía fija. Para lo cuál, se renombran los archivos mencionados ya como tablas y dentro de PowerBI adquirien los nombres: Internet y Telefoniafija; con el propósito de diseñar un KPI para cada campo de la comunicacion y muestre que se puede aumentar la cobertura en estas tecnologias.

Para este desarrollo, se crea el Notebook PI_2_ETL y se trabaja con los archivos csv: Internet_Accesos-por-tecnologia.csv, Internet_Ingresos.csv, Internet_Penetracion.csv y telefonia_fija.csv. Para abrir los archivos, importamos la libreria necesaria: pandas. Abrimos el archivo Internet_Accesos-por-tecnologia.csv y eliminamos las columnas Otros y Total quedando 7 columnas y 36 registros para salvar como Tecnologia.csv. Enseguida abrimos el dataset Internet_Ingresos.csv encontando 4 columnas y 36 registros salvando como Ingresos.csv. Luego, abrimos el dataset Internet_Penetracion.csv con el parametro decimal=',' para componer los datos de la columna Accesos por cada 100 hogares que venía con coma y cambiamos a punto decimal. Continuando con este dataset, eliminamos las columnas Unnamed: 4,Unnamed: 5 y Unnamed: 6 que vienen vacías y renombramos la columna Accesos por cada 100 hogares como Accesoactual quedando 864 registros y 4 columnas para salvar como Penetracion_internet.csv. Después, abrimos el dataset telefonia_fija.csv y eliminamos la columna Accesos telefonía fija por cada 100 hab para renombrar la columna Accesos telefonía fija por cada 100 hogares como AccesoactualTel generando 4 columnas y 864 registros salvando como Telefonia_Fija.csv. En esta parte fusionamos los archivos: Ingresos.csv, Tecnologia.csv y Penetracion_internet.csv que generan 10 columnas y 864 registros para ser salvado como Internet.csv. Reservando este último dataset junto con Telefonia_Fija.csv para el análisis EDA. Los siguientes archivos que reservamos para los KPIs son Penetracion_internet.csv con 4 columnas y 864 registros y Telefonia_Fija.csv con 4 columnas y 864 registros.

Para este desarrollo, se crea el Notebook PI_2_EDA y se trabaja con los archivos csv: Internet.csv y Telefonia_Fija.csv. Para abrir los archivos, importamos la libreria necesarias: pandas, matplotlib.pyplot, seaborn y wordcloud. Primeramente, abrimos el dataset: Internet.csv, en el cual, eliminamos las columnas: ADSL, Cablemodem, Wireless y Ingresos (miles de pesos) para reducir el dataset: Internet.csv a 6 columnas y 864 registros. Este archivo lo fusionamos con el dataset: Telefonia_Fija.csv con 4 columnas y 864 registros y queda como archivo: df con 792 registros y 7 columnas. Con esté último dataset, podemos trabajar en nuestro EDA, donde no encontramos datos nulos y eliminamos posibles duplicados. Para empezar, tenemos Internet y Telefonía fija para trabajar con 7 columnas y 792 registros. Para el, Internetse contemplan las columnas: Accesoactual y Fibra óptica en dos ambitos Trimestre y Provincia, que nos arrojan los siguientes resultados en la parte de Accesoactual: Los outliers son 36 valores desde 105.98 a 124.06 y distribuidos desde el año 2014 al 2022. Representando una fracción de 36/792 con un porcentaje de 4.55 %. Dónde las provincias con mayor covertura en Acceso actual a internet son: Capital Federal y La Pampa. Ahora en la facción de Fibra óptica, obtenemos los correspondientes resultados: Los outliers son 22 valores en todos los trimestres, siendo respectivamente 637, 761, 852 y 941 para Trimestre 1, Trimestre 2, Trimestre 3 y Trimestre 4. Cayendo todos los valores en el año 2019 con una fracción de 88/792 y porcentaje de 11.11 %. Siendo las medianas, valores idénticos en todas las provincias y trimestres respectivamente 164, 151, 163 y 150 para Trimestre 1, Trimestre 2, Trimestre 3 y Trimestre 4. En la parte de Acceso a Telefonía fija, se contempla la columna: AccesoactualTel en dos ambitos Trimestre y Provincia, que nos arrojan los siguientes resultados en la parte de AccesoactualTel: Los outliers de la columna AccesoactualTel, fluctúan desde 10.727 hasta 13.828 que representan una fracción de 32/792 entre los años 2014 a 2022 y se plasma como un porcentaje de 4.04 %. En este análisis sobresale la provincia de Capital Federal, seguida por Buenos Aires. Generando una nube de palabras de la columna: Provincia, siendo las palabras que más se repiten: Aires, Capital, Buenos Aires y Capital Federal.

La mayor cobertura de acceso a internet recae en las provincias de Capital Federal y La Pampa con el primero y segundo lugar respectivamente. Con 36 valores outliers, que basado en el total de registros de 792 nos arrojan un porcentaje de 4.55 % para cubrir los años desde 2014 hasta 2022. En el segmento de fibra óptica está muy parejo en lo que respecta a las provincias, con 88 valores outliers que basados en la cantidad de registros nos resultan en un porcentaje de 11.11 % fincado solamente en el año 2019. Siendo las medianas idénticas en todas las provincias en sus respectivos trimestres. La cobertura de acceso a la telefonía fija se ve beneficiada en primer lugar por la provincia de Capital Federal y en segundo lugar Buenos Aires. Siendo 32 valores outliers, y según el total de registros nos arrojan un porcentaje de 4.04 % fluctuando entre los años 2014 al 2022. En ninguno de los casos, se eliminaron los outliers porque se consideran importantes para este estudio y la interaccion con los datos en general. Mientras se puede constatar por la nube de palabras, que las provincias mas importantes, a resaltar son: Capital Federal y Buenos Aires.

Se explora detalladamente los datos de los datasets: Penetracion_internet.csv y Telefonia_Fija.csv, para elegir cada uno de los KPIs. Éstos, permiten mostrar una síntesis de la información producto del análisis, que clarifican la presentación de los datos. Aspectos inherentes a la visualización, se resaltan para conseguir la coherencia de los gráficos según las variables a mostrar. Mientras el primer KPI, se propone aumentar en un 2% el acceso al servicio a internet para el próximo trimestre por cada 100 hogares y por provincia. Atendiendo a los cálculos pertinentes, se hicieron los respectivos ajustes a las columnas aludidas para poder revelar las tendencias en ese sentido. Desarollando la misma operación para el segundo KPI en el campo de la telefonía fija que permita entregar el producto calculado y poder atender todas las instancias propuestas.

https://github.com/JBE777/PI_DA