Su jefe se rio de él cuando le propuso usar Python: «Limítate a usar Excel, ya le cogerás el truco»

«Era
mi
primer
día
como
analista
de
datos
en
una
pequeña
y
acogedora
empresa,
de
esas
con
sillas
de
oficina
desparejadas
y
una
cafetera
más
vieja
que
yo».
Así
comienza
a
relatar
su
historia
Daniel
Builescu,
recién
graduado
en
ese
momento
en
un
máster
en
Ciencias
de
Datos.

El
primer
reto
que
le
asignó
su
jefe
fue
el
de
extraer
información
valiosa
de

una
maraña
de
datos
contenida
en
hojas
de
cálculo
de
Excel
tan
anticuadas
como
desordenadas:

«Me
sonrió
y
dijo ‘Necesitamos
información
de
estos
datos
de
ventas.
¡Bienvenido
a
bordo!’.
[…]
Abrí
la
hoja
de
cálculo
y
me
encontré
con
una
monstruosidad
pixelada
llena
de
números».

El
desafío.
De
las
tablas
dinámicas
a
la
limpieza
de
datos

La
primera
tarea.
Durante
la
primera
semana,
el
nuevo
analista
de
datos
pasó
sus
días
inmerso
en
funciones
de
búsqueda
y
tablas
dinámicas
interminables.
Sin
embargo,
el
verdadero
reto
surgió
cuando
le
asignaron
la
creación
de
un
informe
esencial
para
la
estrategia
de
la
empresa.

«La
hoja
de
cálculo
era
un
laberinto:
pestañas
que
referenciaban
celdas
codificadas
por
colores
con
fórmulas
crípticas
que
nadie,
ni
siquiera
mi
predecesor,
entendía
completamente»

La
actualización
de
esta
hoja

requería
una
precisión
quirúrgica,
ya
que
un
solo
error
podría
provocar
el
colapso
de
toda
la
estructura.
Así
que,
desesperado
por
encontrar
una
solución
más
eficiente,
el
analista
recordó
sus
estudios
de
Python
y
decidió
probar
suerte
con
Pandas,
una
poderosa
biblioteca
para
el
análisis
de
datos.

Con
algo
de
ensayo
y
error,
escribió
un
sencillo
script
que
importaba
los
datos
de
Excel,
creaba
una
tabla
dinámica
y
generaba
un
nuevo
informe,
todo
en
cuestión
de
segundos.
Así,
la
tarea
que
antes
tomaba
días
se
resolvía
ahora
en
un
abrir
y
cerrar
de
ojos:

«[El
código]
era…
simple,
casi
risible.
Presioné
ejecutar,
con
el
corazón
latiendo
rápido.
Apareció
una
nueva
hoja
de
cálculo,
limpia,
legible
y,
lo
más
importante,
precisa».

La
segunda
tarea.
Su
siguiente
misión
fue
lidiar
con
las
direcciones
de
los
clientes,
que
presentaban
múltiples
formatos
inconsistentes,
como «123
Main
St,» «123
Main
Street»
y «123
Main
St.
(Apt
402)».
Arreglar
estos
datos
manualmente
era
una
tarea
tediosa
y
repetitiva…
hasta
que
Builescu
decidió
utilizar
expresiones
regulares
en
Python
para
automatizar
el
proceso
de
limpieza
de
direcciones.

Tercera
(y
última
tarea).
El
jefe
del
analista
tenía
una
predilección
por
los
gráficos
de
pastel
generados
por
Excel,
a
menudo
difíciles
de
interpretar
debido
a
su
complejidad
y
diseño
anticuado:
así,
por
ejemplo,
un
informe
específico
requería
visualizar
las
tendencias
de
ventas
por
región,
pero
los
gráficos
generados
en
Excel
eran
confusos
y
poco
útiles.

Decidido
a
mejorar
la
situación,
el
analista
recurrió
a
Matplotlib,
otra
biblioteca
de
Python:

«Hice
todo
lo
posible
para
dominar
el
asistente
de
gráficos
de
Excel,
pero
decidí
que
ya
era
suficiente.
Y
recordé
esos
gráficos,
limpios
y
hermosos,
de
mis
tutoriales
de
Python».

Más
útil
de
lo
que
parecía

Tras
varias
semanas
de
pequeñas
victorias,
el
analista
se
sintió
lo
suficientemente
confiado
como
para
presentar
sus
soluciones
a
su
jefe.
Aunque
inicialmente
escéptico,
al
presenciar
cómo
las
tareas
complejas
se
resolvían
en
minutos
gracias
a
Python,
su
actitud
cambió
de
la
burla
a
la
curiosidad:

«—Oye,
creo
que
he
encontrado
una
forma
más
rápida
de
manejar
esos
informes…
verás,
he
usado
algo
llamado
Python…».
«—Jajaja.
Mira,
aprecio
tu
iniciativa,
pero
eso
de
programar
lleva
una
eternidad.
Limítate
a
usar
Excel,
ya
le
cogerás
el
truco».
«—¿Y
qué
tal
si
te
lo
enseño?
Sólo
me
llevará
dos
minutos».
(Saqué
mis
scripts,
presioné ‘ejecutar’
y
boom:
datos
limpios).
—»…Uh.
Bueno,
tal
vez
sea
más
útil
de
lo
que
pensaba».

Builescu
reconoce
que
su
jefe
tampoco
se
convirtió
de
repente
en
un
entusiasta
de
Python;
tampoco
recurrir
a
Python
reemplazó
la
necesidad
de
usar
intensivamente
Excel
en
su
nueva
empresa…
pero
sí
se
convirtió
en
una
herramienta
de
referencia
a
la
hora
de
automatizar
tareas
tediosas
y
mejorar
la
calidad
de
los
informes.

Vía
|

Daniel
Builescu

Imagen
|
Marcos
Merino
mediante
IA

En
Genbeta
|

Estas
son
las
razones
por
las
que
muchos
programadores
están
empezando
a
aprender
Python