D
Datos y automatizacion M17 intermedio 12 min

Capitulo 07

ML Aplicado e IA Generativa como Herramienta

La tendencia con mas momentum del mercado: no es para competir por roles de Data Scientist, es para no quedar atras como Analyst

Machine Learning aplicado a nivel basico y como integrar LLMs en el flujo de trabajo diario de un analista, sin necesidad de entrenar modelos propios.

3 de 33 ofertas ya lo piden explicito, y no son roles de Data Scientist

“IA Generativa” o “herramientas de IA” aparecen como parte del dia a dia esperado de un Analyst, no como especializacion de Data Scientist. Es la senal mas clara de hacia donde se mueve el mercado en los proximos años.

7.1 Machine Learning aplicado: el nivel que necesitas hoy

Si ya viste ML basico y scikit-learn en el curso de Data Science I, este capitulo no repite esa base — se enfoca en el nivel “aplicado” que un Analyst necesita: modelos simples para casos concretos de negocio, no investigacion.

python forecasting_simple.py 
from sklearn.linear_model import LinearRegression
import pandas as pd
import numpy as np

# Forecasting simple: predecir ventas del proximo mes con una regresion sobre el tiempo
df = pd.read_csv("ventas_mensuales.csv", parse_dates=["mes"])
df["mes_num"] = np.arange(len(df))

X = df[["mes_num"]]
y = df["total_ventas"]

modelo = LinearRegression().fit(X, y)
proximo_mes = [[len(df)]]
prediccion = modelo.predict(proximo_mes)

print(f"Prediccion de ventas para el proximo mes: {prediccion[0]:,.0f}")
El objetivo no es sofisticacion, es utilidad

Un Analyst que aplica ML no necesita justificar un modelo de deep learning para predecir ventas del proximo mes — necesita saber CUANDO una regresion simple ya resuelve el problema de negocio, y comunicar los limites de esa prediccion (intervalo de confianza, supuestos) con claridad.

Caso real: forecast de demanda para compras

Un equipo de compras que necesita estimar cuanto stock pedir el proximo mes no necesita un modelo de deep learning entrenado con años de datos — una regresion simple sobre la tendencia historica, comunicada con su margen de error, ya mejora sustancialmente sobre “pedir lo mismo que el mes pasado a ojo”.

1. Confiar en una regresion lineal simple sin validar sus supuestos
✗ Usar una tendencia lineal para predecir ventas de un producto con estacionalidad fuerte (ej. picos en diciembre), ignorando el patron estacional.
✓ Graficar los datos historicos primero: si hay estacionalidad clara, incorporarla (variables dummy por mes, o un modelo que la capture) antes de confiar en la prediccion.

7.2 Prompting: la habilidad que reemplaza “saber programar todo”

Prompting

M17

Practica de redactar instrucciones efectivas para un modelo de lenguaje (LLM), estructurando el pedido (contexto, tarea, formato de salida esperado) de forma que el modelo genere el resultado deseado de manera consistente.

#ia-generativa #llm
ConceptoDescripcion
Vago "Hazme una query para ver las ventas" Resultado impredecible: el modelo no sabe el schema, ni el motor SQL, ni el objetivo real.
Efectivo "Tengo una tabla ventas(cliente_id, fecha, monto, region) en PostgreSQL. Escribe una query que muestre el top 5 de clientes por monto total en 2026, usando window functions." Da schema, motor, objetivo y tecnica esperada — resultado reproducible.

7.3 Integrar LLMs en el flujo de trabajo, sin entrenar modelos propios

Integracion de LLMs en el flujo de trabajo

M17

Uso de APIs de modelos de lenguaje (OpenAI, Anthropic) o herramientas ya integradas en software existente (Copilot en Excel/Power BI, asistentes en el propio data warehouse) para automatizar tareas analiticas — generar queries, resumir datasets, documentar codigo — sin necesidad de entrenar o ajustar un modelo propio.

#ia-generativa #automatizacion
python sql_desde_lenguaje_natural.py 
import anthropic

client = anthropic.Anthropic()

esquema = """
tabla ventas(cliente_id INT, fecha DATE, monto NUMERIC, region TEXT)
tabla clientes(cliente_id INT, nombre TEXT, segmento TEXT)
"""

pregunta = "¿Cuales son los 3 clientes que mas gastaron en el ultimo trimestre, con su segmento?"

respuesta = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=300,
    messages=[{
        "role": "user",
        "content": f"Dado este esquema:\n{esquema}\nEscribe SOLO la query SQL (PostgreSQL) que responde: {pregunta}"
    }],
)

query_generada = respuesta.content[0].text
print(query_generada)
# Siempre validar la query generada contra el schema real antes de ejecutarla en produccion
La disciplina que no cambia

Un LLM genera la query, pero TÚ segui siendo responsable de validarla contra el schema real, revisar que no tenga errores logicos (ej. un JOIN que duplica filas), y entender que hace antes de ejecutarla contra una base de produccion. La IA generativa acelera el primer borrador, no reemplaza el criterio del analista.

1. Ejecutar contra produccion una query generada por IA sin revisar
✗ Copiar la query que devolvio el LLM y correrla directo contra la base de produccion porque 'se ve bien'.
✓ Validar nombres de tablas/columnas contra el schema real, revisar la logica de JOINs, y probarla primero en un ambiente de desarrollo o sobre una muestra de datos.
2. Darle al LLM un pedido ambiguo y confiar en el primer resultado
✗ 'Dame las ventas del mes' -- sin especificar que tabla, que motor SQL, ni que se considera 'ventas' (brutas, netas, con o sin devoluciones).
✓ Incluir siempre el schema relevante y la definicion de negocio exacta en el prompt, como en el ejemplo de codigo de arriba.

7.4 Casos de uso concretos para un Analyst hoy

ConceptoDescripcion
1 Convertir una pregunta de negocio en lenguaje natural a un primer borrador de SQL, para revisar y ajustar.
2 Generar docstrings y comentarios explicativos para scripts existentes, acelerando el mantenimiento.
3 Pedir un resumen en lenguaje natural de los hallazgos principales de un DataFrame o resultado de query.
4 Describir el grafico deseado en lenguaje natural y obtener el codigo (matplotlib/Power BI DAX) como punto de partida.

“La IA generativa no reemplaza el criterio de negocio — automatiza el primer borrador para que dediques tu tiempo a la parte que realmente requiere juicio humano.”

— Sobre el rol del analista en la era de la IA generativa

7.5 Recursos

Articulo: Anthropic: "Prompt engineering overview" (guia oficial de prompting efectivo)
Articulo: Microsoft: "Copilot in Excel" documentation (integracion de IA generativa en herramientas de oficina)
Curso: scikit-learn: "Linear Models" User Guide (documentacion oficial de regresion para forecasting simple)

7.6 Preguntas de entrevista

Q: Un LLM te genero una query SQL a partir de una pregunta de negocio. ¿La ejecutarias directo en produccion?

No sin revisarla primero. Valido que las tablas y columnas referenciadas existan en el schema real, reviso la logica de los JOINs (que no dupliquen o pierdan filas), y idealmente la pruebo primero contra un ambiente de desarrollo o una muestra de datos antes de correrla contra produccion. El LLM acelera el primer borrador, pero la responsabilidad de validar el resultado sigue siendo mia.

🪤 Responder que 'confiaria en el LLM' sin mencionar ningun paso de validacion.
Practica: automatiza una consulta con un LLM intermedio
  1. Elige un dataset con un schema simple (2-3 tablas relacionadas).
  2. Escribi 5 preguntas de negocio en lenguaje natural sobre ese dataset.
  3. Usa un LLM (via API o chat) para generar la query SQL de cada una, dandole el schema como contexto.
  4. Ejecuta cada query generada y valida manualmente que el resultado responda realmente la pregunta — anota los casos donde el LLM se equivoco y por que.