Informe académico del curso Google Cloud Data Analytics

En la actualidad, el análisis de datos se ha consolidado como una herramienta clave para la toma de decisiones estratégicas en las organizaciones. La creciente disponibilidad de grandes volúmenes de información y la necesidad de interpretarlos de manera eficiente ha impulsado la adopción de servicios en la nube que facilitan su almacenamiento, procesamiento y análisis. Esta monografía presenta un análisis académico del curso Google Cloud Data Analytics, ofertado a través de la plataforma Google Cloud Skills Boost, destacando su relevancia en la formación de especialistas en analítica y ciencia de datos. El estudio se centra en el impacto de las herramientas de analítica en la nube, particularmente aquellas ofrecidas por Google Cloud, como BigQuery, Dataplex y Dataproc, así como en la estructura y el contenido del curso. A lo largo de cuatro módulos—introducción a la analítica, administración y almacenamiento de datos en la nube, transformación de datos y visualización de información—se exploran conceptos técnicos, metodologías y aplicaciones prácticas que permiten a los estudiantes desarrollar competencias fundamentales para el manejo de datos en entornos empresariales. En la era del big data, las organizaciones deben procesar grandes volúmenes de datos para extraer información útil que impulse la toma de decisiones. Según Marr (2016), el big data no solo se trata del volumen, sino también de la velocidad, variedad y veracidad de los datos. Las plataformas de computación en la nube, como Google Cloud Platform, permiten escalar el análisis de datos de forma flexible y eficiente, eliminando la necesidad de infraestructuras físicas costosas (Hashem et al., 2015). En este contexto, herramientas como BigQuery permiten realizar análisis SQL sobre conjuntos masivos de datos de manera rápida y eficiente, siendo especialmente útiles en ambientes empresariales (Owais & Benkhelifa, 2017). Además, la visualización de datos es esencial para comunicar los hallazgos de manera clara. Tableau, Power BI y Looker son herramientas ampliamente utilizadas en la industria (Few, 2009; Camm et al., 2020). El proceso de extracción, transformación y carga (ETL) también ha evolucionado hacia modelos más flexibles como ELT, en los cuales los datos se cargan antes de ser transformados directamente en plataformas como BigQuery (Wang et al., 2021). Este cambio ha permitido agilizar el flujo de datos en arquitecturas modernas como los Data Lakes y Data Warehouses (Inmon & Linstedt, 2014). Mediante escenarios de un problema común, se demuestra cómo la integración de estos servicios puede mejorar significativamente la eficiencia organizacional, optimizar recursos y fomentar una toma de decisiones más informada. En este sentido, el curso no solo aporta conocimientos técnicos, sino que también ofrece una visión estratégica del papel que juega la analítica en la nube en el contexto actual de transformación digital.

• Autores: Nieto Téllez, Stefania; Mora Suárez, Diego Alejandro
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/46623
• Acceso en línea: https://hdl.handle.net/10495/46623
• Palabra clave: Análisis de datos; Data analysis; Visualización de datos; Data visualization; Sistemas de almacenamiento y recuperación de la información; Information storage and retrieval systems; Almacenamiento de información; Information storage; Storytelling con datos; Servicios en la nube; http://vocabularies.unesco.org/thesaurus/concept2214; http://vocabularies.unesco.org/thesaurus/concept17105
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/