dataset
Dataset amplio, lectura simple
La mejora principal del proyecto está en convertir un archivo voluminoso y poco amigable en una experiencia visual rápida de entender para cualquier audiencia.
Muchos datos. Una historia clara.
Videos en tendencia. Categorías, regiones y tiempo en una sola lectura.
Python · SQL · Looker Studio
Lo que cambia.
- 339,990
- videos en tendencia analizados
- 18
- categorías
- 7 meses
- 14-nov-2017 → 14-jun-2018
De archivo crudo a lectura clara.
Limpieza en Python y una entrega pública en Looker Studio.
Una historia en varias escalas.
Categorías, regiones y tiempo para entender qué videos destacan.
Míralo de cerca.
Cómo está construido.Decisiones, evidencia y detalles
lan
Integración técnica real
Combina limpieza y preparación de datos en Python con una entrega pública en Looker Studio, cerrando el ciclo desde dataset crudo hasta visualización navegable.
person_play
Storytelling entendible
El caso no se limita a mostrar gráficos. Ordena la información para que regiones, fechas y categorías se lean como una historia y no como ruido.
account_tree
Flujo del proyecto
01
Carga y limpieza
Notebook para detectar delimitador, normalizar columnas, eliminar duplicados y preparar el archivo base.
02
Conversión de fechas
Estandarización temporal para comparar con claridad el comportamiento entre 2017 y 2018.
03
EDA y estructura visual
Exploración rápida de nulos, categorías, regiones y conteos para definir qué señales merecían volverse visibles.
04
Entrega pública en Looker Studio
Publicación de un tablero navegable en Looker Studio con serie temporal, mapa geográfico y explicación lateral del caso.
photo_library
Capturas reales del dashboard
code_blocks
Notebook en Python
Fragmentos reales del notebook usado para cargar el CSV, limpiar columnas, convertir fechas y exportar el EDA que alimenta el dashboard.
insights
Lo que el tablero deja ver
Dominancia visual
Entertainment
La categoría Entertainment aparece claramente como la de mayor presencia en el ranking mostrado por el dashboard.
Comparación temporal
2017 → 2018
La serie temporal permite seguir el comportamiento agregado de categorías entre años y detectar crecimiento o estabilidad relativa.
Lectura regional
5 regiones
El mapa facilita comparar el peso de las tendencias por país o región sin obligar al usuario a recorrer tablas extensas.
deployed_code
Entregables
Notebook de preparación
Script reproducible para limpieza del CSV, tratamiento de fechas y generación de reportes de EDA básicos.
Dashboard público en Looker Studio
Visualización pública con KPIs, mapa, tendencia temporal y categorías más populares en un solo recorrido.
Análisis PDF
Documento de apoyo que explica el propósito del dashboard y su valor como herramienta de exploración abierta.
emoji_events
Por qué abre el portafolio
Abre el portafolio porque junta limpieza de datos, criterio visual y comunicación de insights en un formato fácil de consumir. Muestra que no solo puedo analizar datos: también puedo convertirlos en una experiencia clara para otras personas.