Temario del curso
Introducción
- Visión general de AWS QuickSight
- ¿Qué es AWS y QuickSight?
Inicio con AWS QuickSight
- Creación de una cuenta de AWS y QuickSight
- Comprensión del flujo de trabajo de QuickSight
- Navegación por la interfaz de usuario de QuickSight
Preparación de datos en QuickSight
- Comprensión de la preparación de datos en QuickSight
- SPICE frente a consulta directa
- Carga e importación de datos en QuickSight
- Trabajo con columnas y campos
- Comprensión de campos calculados, funciones y operadores
- Agregación de campos calculados mediante cadenas al proyecto
- Extracción de información de las cadenas
- Uso de funciones condicionales
- Creación de campos calculados con valores numéricos
- Agregado de diferentes filtros a un proyecto
Análisis y visualización de datos
- Comprensión de la diferencia entre preparar datos y analizarlos
- Creación del análisis de datos
- Creación de elementos visuales
- Comprensión de dimensiones y medidas
- Agregado de conjuntos de datos adicionales
- Formato de campos, agregación y granularidad
- Formato de elementos visuales
- Creación de una historia y un mapa de árbol (treemap)
- Uso de filtros y tablas
- Agregado de una visualización de KPI
Exportación y compartición de datos del proyecto
- Comprensión de la actualización y la actualización programada
- Exportación de datos del proyecto como archivos .csv
- Agregado de usuarios a una cuenta
- Compartición de conjuntos de datos y análisis
- Creación y compartición de cuadros mandarios
Uso de bases de datos como fuentes de datos
- Configuración de una base de datos
- Preparación de datos ficticios
- Conexión de QuickSight a una base de datos
- Importación de datos a SPICE
- Importación de datos como consulta
- Importación de campos calculados y consultas
- Uso de bases de datos NoSQL
Resumen y próximos pasos
Requerimientos
- Conocimientos básicos y comprensión del análisis de datos
Público objetivo
- Analistas de datos
- Cualquier persona interesada en el análisis y la visualización de datos
Testimonios (5)
Que fue muy priactico.
Alfonso Ramos - Banco de Mexico
Curso - Fundamentos de Integración de Datos Pentaho
Deepthi estaba muy atenta a mis necesidades, podía percibir cuándo añadir capas de complejidad y cuándo mantenerse atrás y adoptar un enfoque más estructurado. Deepthi realmente trabajó a mi ritmo y aseguró que pudiera utilizar las nuevas funciones/herramientas por mí mismo, primero mostrándome y luego dejándome recrear los elementos por mí mismo, lo cual ayudó mucho a consolidar la formación. ¡No podría estar más satisfecho con los resultados de esta capacitación y con el nivel de experiencia de Deepthi!
Deepthi - Invest Northern Ireland
Curso - IBM Cognos Analytics
Traducción Automática
estaba muy preparado - y es muy simpático
Oliver - Post CH AG
Curso - Splunk Fundamentals
Traducción Automática
Usó buenos ejemplos, mantuvo un buen ritmo de la capacitación y cubrió la mayoría de los temas
David - McGraw Hill
Curso - Data Preparation with Alteryx
Traducción Automática
muchos ejercicios prácticos
Marcin - Narodowy Bank Polski
Curso - Splunk Data Administration
Traducción Automática