Bienvenido a mi blog personal, donde comparto herramientas y conocimientos sobre análisis de datos, estadística y gestión de procesos. Aquí encontrarás ejemplos prácticos en R y explicaciones claras para cada tema.
CV
DAVID ESTEBAN GONZÁLEZ QUIMBAYO Politólogo – Gerencia de Procesos, Calidad e Innovación, Análisis de Datos.
Profesional con sólida experiencia en gestión por procesos, análisis de datos y diseño instruccional, con un enfoque especial en la gestión del conocimiento y la calidad. Destacado por su capacidad para generar estrategias de formación efectivas y por su compromiso con el desarrollo continuo de habilidades.
ÁREAS DE EXPERTICIA
Gestión por procesos
Análisis de Datos
Diseño Instruccional Gestión del Conocimiento
Calidad
Trabajo comunitario
LOGROS CLAVE
Crecimiento profesional: Debido a mi constancia, disciplina y compromiso, he logrado ascender en cada uno de los roles que he desempeñado, alcanzando nuevas responsabilidades y contribuyendo al éxito de la organización.
Desarrollo continuo y fortalecimiento de habilidades: Mi enfoque constante en el perfeccionamiento de mis competencias ha permitido integrar nuevos conocimientos en mi ámbito laboral, impulsando tanto mi perfil académico como profesional.
EXPERIENCIA PROFESIONAL
Unidad para las Víctimas Ene 2020 – Dic 2024
Realizar, ejecutar y evaluar procesos de formación a las partes interesadas de la entidad y promover la gestión del conocimiento de los aspectos misionales.
Diseñar e implementar auditorías internas en los procesos clave para identificar oportunidades de mejora continua. Ejecutar planes de seguimiento operativo en los procesos asignados y comunicar los resultados mediante reportes cualitativos y cuantitativos.
Outsourcing SAS BIC Ago 2018 - Dic 2019 + Generar estrategias de formación, tanto preventiva como correctiva a los colaboradores. + Realizar reportes que permitieran evidenciar oportunidades de mejora en los diferentes procesos. + Diseñar materiales de formacion que permitan la trasmisión del conocimiento de manera práctica y sencilla.
Interactivo Grupo Marktel Nov 2017 - Jul 2018 + Generar estrategias de formación, tanto preventiva como correctiva a los colaboradores. + Realizar reportes que permitieran evidenciar oportunidades de mejora en los diferentes procesos. + Diseñar materiales de formacion que permitan la trasmisión del conocimiento de manera práctica y sencilla.
Outsourcing SAS BIC Jun 2015 - Oct 2017 + Generar estrategias de formación, tanto preventiva como correctiva a los colaboradores. + Realizar reportes que permitieran evidenciar oportunidades de mejora en los diferentes procesos. + Diseñar materiales de formacion que permitan la trasmisión del conocimiento de manera práctica y sencilla.
Millenium BPO Jun 2015 - Oct 2017 + Generar estrategias de formación, tanto preventiva como correctiva a los colaboradores. + Realizar reportes que permitieran evidenciar oportunidades de mejora en los diferentes procesos. + Diseñar materiales de formacion que permitan la trasmisión del conocimiento de manera práctica y sencilla.
Precoopvíveres Mar 2014 - Sep 2014 + Fortalecimiento de procesos educativos comunitarios. + Acompañamiento Integral a las familias participantes del programa. + Cumplimiento normativo y reporte efectivo.
Save The Children Colombia Sep 2013 – Dic 2013 + Fortalecimiento de procesos educativos comunitarios. + Acompañamiento Integral a las familias participantes del programa. + Cumplimiento normativo y reporte efectivo.
Precoopvíveres Feb 2013 – Nov 2013 + Fortalecimiento de procesos educativos comunitarios. + Acompañamiento Integral a las familias participantes del programa. + Cumplimiento normativo y reporte efectivo.
Observatorio para la Paz Jul 2012 – Dic 2012 + Generar estrategias de formación, tanto preventiva como correctiva a los colaboradores. + Realizar reportes que permitieran evidenciar oportunidades de mejora en los diferentes procesos. + Diseñar materiales de formacion que permitan la trasmisión del conocimiento de manera práctica y sencilla.
EDUCACIÓN
Máster Técnicas Cuantitativas de Gestión Empresarial – Octubre 2024 - En curso Universidad de Granada - España + Administración y Gestión Eficiente + Resolución de problemas con técnicas cuantitativas + Desarrollo de competencias en gestión empresarial y análisis de datos
Especialización en Gerencia de Procesos de Calidad e Innovación Ago 2021 - Dic 2022 Universidad EAN - Colombia + Optimización de procesos y calidad. + Gestión de riesgos y toma de decisiones. + Innovación y mejora continua.
Pregrado Ciencias Políticas Feb 2008 - Dic 2011 Universidad Nacional de Colombia + Análisis crítico y argumentado de la coyuntura política. + Comprender la política como fenómeno social. + Desarrollar capacidades para el análisis cualitativo y cuantitativo.
INFORMACIÓN ADICIONAL Programas y Software: Suite Office, Power Bi, Rstudio y Bizagi. Cursos y Capacitaciones: Análisis de Datos, Gerencia de Proyectos, Apropiación Social del Conocimiento, Gestión por Procesos.
Estadística descriptiva
¿Qué es la Estadística Descriptiva?
La estadística descriptiva es una rama de la estadística que se encarga de resumir y describir las características principales de un conjunto de datos. A través de medidas como la media, mediana, moda, varianza y desviación estándar, la estadística descriptiva proporciona una visión general de la distribución y tendencia central de los datos.
The following objects are masked from 'package:stats':
filter, lag
The following objects are masked from 'package:base':
intersect, setdiff, setequal, union
# Crear un conjunto de datosdatos <-data.frame(grupo =c("A", "A", "B", "B", "C", "C"),valores =c(10, 15, 20, 25, 30, 35))# Calcular estadísticas descriptivasestadisticas <- datos %>%group_by(grupo) %>%summarise(media =mean(valores),mediana =median(valores),moda =as.numeric(names(sort(table(valores), decreasing=TRUE))),varianza =var(valores),desviacion_estandar =sd(valores))
Warning: Returning more (or less) than 1 row per `summarise()` group was deprecated in
dplyr 1.1.0.
ℹ Please use `reframe()` instead.
ℹ When switching from `summarise()` to `reframe()`, remember that `reframe()`
always returns an ungrouped data frame and adjust accordingly.
`summarise()` has grouped output by 'grupo'. You can override using the
`.groups` argument.
# Imprimir resultadoprint(estadisticas)
# A tibble: 6 × 6
# Groups: grupo [3]
grupo media mediana moda varianza desviacion_estandar
<chr> <dbl> <dbl> <dbl> <dbl> <dbl>
1 A 12.5 12.5 10 12.5 3.54
2 A 12.5 12.5 15 12.5 3.54
3 B 22.5 22.5 20 12.5 3.54
4 B 22.5 22.5 25 12.5 3.54
5 C 32.5 32.5 30 12.5 3.54
6 C 32.5 32.5 35 12.5 3.54
Inferencia estadística
¿Qué es la Inferencia Estadística?
La inferencia estadística es el proceso mediante el cual se extraen conclusiones sobre una población a partir de una muestra. Esto incluye estimaciones de parámetros poblacionales y pruebas de hipótesis. La inferencia permite tomar decisiones informadas y hacer predicciones basadas en datos muéstrales.
Ejemplo en R
# Crear dos grupos de datosgrupo_A <-c(5, 7, 8, 6, 9)grupo_B <-c(10, 12, 11, 13, 14)# Realizar prueba tresultado_prueba <-t.test(grupo_A, grupo_B)# Mostrar resultadosprint(resultado_prueba)
Welch Two Sample t-test
data: grupo_A and grupo_B
t = -5, df = 8, p-value = 0.001053
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-7.306004 -2.693996
sample estimates:
mean of x mean of y
7 12
Regresión lineal múltiple
¿Qué es la Regresión Lineal Múltiple?
La regresión lineal múltiple es un método estadístico que se utiliza para modelar la relación entre una variable dependiente y múltiples variables independientes. Este enfoque permite entender cómo varias variables influyen en una respuesta particular y se utiliza comúnmente en análisis predictivo.
Ejemplo en R
# Cargar librería necesariaif (!requireNamespace("ggplot2", quietly =TRUE)) install.packages("ggplot2")library(ggplot2)# Crear conjunto de datos (modificado para evitar colinealidad)datos2 <-data.frame(x1 =c(1, 2, 3, 4, 5),x2 =c(3, 4, 5, 6, 7),y =c(3, 5, 7, 9, 11))# Ajustar modelo de regresión lineal múltiplemodelo <-lm(y ~ x1 + x2, data = datos2)# Resumen del modelosummary(modelo)
Warning in summary.lm(modelo): essentially perfect fit: summary may be
unreliable
Call:
lm(formula = y ~ x1 + x2, data = datos2)
Residuals:
1 2 3 4 5
1.403e-15 -1.892e-15 -4.904e-17 1.631e-16 3.753e-16
Coefficients: (1 not defined because of singularities)
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.000e+00 1.448e-15 6.905e+14 <2e-16 ***
x1 2.000e+00 4.366e-16 4.581e+15 <2e-16 ***
x2 NA NA NA NA
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 1.381e-15 on 3 degrees of freedom
Multiple R-squared: 1, Adjusted R-squared: 1
F-statistic: 2.098e+31 on 1 and 3 DF, p-value: < 2.2e-16
# Graficar los resultadosggplot(datos2, aes(x = x1)) +geom_point(aes(y = y), color ="blue") +geom_smooth(aes(y = y), method ="lm", se =FALSE, color ="red") +labs(title ="Regresión Lineal Múltiple",x ="Variable Independiente (x1)",y ="Variable Dependiente (y)") +theme_minimal()
`geom_smooth()` using formula = 'y ~ x'
Contacto
¿Tienes alguna pregunta o comentario? ¡No dudes en escribirme!
