Blog on Bastián Olea

¿Por qué usar R?

Thu, 07 Nov 2024 00:00:00 +0000

¿Por qué usar R para analizar datos?

Analizar datos mediante lenguajes de programación (como R u otros) puede sonar complicado, pero trae muchos beneficios para tu análisis.

Usabilidad

Facilidad de uso:
- A diferencia de otros lenguajes de programación, R está diseñado por y para personas que no se especializan en computación ni informática, sino que se enfoca en profesionales de distintas áreas que requieren aplicar técnicas computacionales a sus disciplinas. Por lo tanto, suele ser más sencillo de usar que otros lenguajes, y por sobre todo más “legible” que otros lenguajes, en el sentido de que la sintaxis de R es fácilmente interpretable como instrucciones en lenguaje natural, una vez que entiendes las reglas básicas para escribirlo y leerlo. Por lo demás, cada función del lenguaje está ampliamente documentada, y existe una gran comunidad de usuarios y usuarios con mucha disposición para ayudar y enseñar.
Análisis estadísticos complejos:
- R es una herramienta poderosa para realizar análisis estadísticos complejos, como aplicar modelos estadísticos a tus datos, herramientas de machine learning, o análisis estadísticos sofisticados. Muchas de estas herramientas vienen por defecto en R, y muchísimas otras son fácilmente instalables mediante paquetes.
Visualizaciones de datos:
- R cuenta con una amplia variedad de herramientas para visualizar datos. El paquete {ggplot2} permite crear gráficos personalizables y complejos con una sintaxis clara y concisa, basada en capas. Puedes explorar visualmente tus datos en cuestión de segundos, o producir visualizaciones complejas y atractivas si lo requieres.
Velocidad:
- Con R puedes procesar bases de datos de millones o miles de millones de filas. Existen múltiples estrategias para trabajar con grandes volúmenes de datos en R, y puedes elegir la que más te convenga en cada situación para encontrar el equilibrio entre desempeño y conveniencia que desees.

Flujos de trabajo

Tener todo tu proyecto a la vista:
- En vez de pensar el procesamiento de datos y la obtención de resultados como un proceso continuo o una sucesión de pasos que realizamos uno después del otro, desde los datos iniciales hasta el producto final, vemos el proceso como una iteración de pasos que van aumentando su complejidad en cada etapa, y donde se puede ir optimizando cada fase del mismo.
No vas a tener que repetir cosas que ya has hecho: tendrás flujos de trabajo que puedes reutilizar con distintas fuentes de datos, distintas versiones de los datos, o variaciones en los cálculos. Esto te permite experimentar e iterar.
Tus proyectos tendrán entradas y salidas claras. Podrás cambiar las entradas de datos sin tener que deshacer el trabajo que ya has hecho.
Como vas procesando datos por pasos, siempre puedes cambiar un paso anterior y aplicar los cambios a los pasos siguientes, o hacer cambios en pasos intermedios y volver a obtener los nuevos resultados.
Flexibilidad en tecnologías y métodos: un mismo proceso puede ser fácilmente actualizado para usar una tecnología que mejore su desempeño; por ejemplo, pasar de leer un Excel a consultar una base de datos relacional como SQL.
Podrás basarte en el progreso de otros:
- La comunidad de estadísticos, analistas de datos, científicos de datos, geógrafos, y otros profesionales que usan R, usualmente comparten sus proyectos, herramientas y código. Puedes basarte en eso para aplicarlo a tus necesidades.

Procesos reutilizables

Si lo haces una vez, puedes hacerlo 100 veces:

Curso: introducción al análisis de datos con R, 3ª versión

Mon, 22 Jun 2026 00:00:00 +0000

Sobre el curso

Tercer curso gratuito de introducción al análisis de datos con R, enfocado en las ciencias sociales.

Curso: introducción al análisis de datos con R, 3ª versión

Mon, 22 Jun 2026 00:00:00 +0000

Sobre el curso

Tercer curso gratuito de introducción al análisis de datos con R, enfocado en las ciencias sociales.

Recodificando variables ordinales cuando vienen sucias y/o desde respuestas abiertas

Thu, 18 Jun 2026 00:00:00 +0000

Las variables ordinales son aquellas cuyos valores tienen un orden definido, pero la diferencia entre estos valores puede ser variable. Por ejemplo: bajo, medio y alto.

En este caso me tocó enfrentarme a una encuesta con una variable ordinal que medía velocidad de internet, que es por naturaleza una variable contínua (números que representan la velocidad), pero que en este caso fue categorizada en intervalos (pasando del valor 36 a “Entre 20 y 50”, por ejemplo) transformándola en una variable ordinal.

Tipografías lindas para programar en R: Fira Code

Tue, 16 Jun 2026 00:00:00 +0000

Fira Code es una tipografía muy bonita para programar. Su característica principal es que usa las ligaduras, una característica de la tipografía que une dos o más caracteres en un solo símbolo adaptado, para mostrar los símbolos usados en programación de forma más atractiva.

Lo más destacable es que convierte el símbolo del conector o pipe (|>) en un triangulito, y a la flecha de asignación (<-) en una flecha de verdad.

Posit Assistant, una IA para análisis de datos integrada en RStudio

Sat, 13 Jun 2026 00:00:00 +0000

Recientemente Posit, la ~~empresa~~ corporación de beneficio público detrás de RStudio, Positron, y responsable de muchos de los paquetes que más usamos en el ecosistema de R, anunció la integración oficial de inteligencia artificial en RStudio.

Posit Assistant reside en la barra lateral de RStudio y sirve para hacer consultas a una IA relacionadas al análisis de datos, dentro del contexto del proyecto que estés realizando con R.

En la parte superior de RStudio encuentras el botón Posit Assistant.

Curso gratuito: introducción al análisis de datos con R, 2ª versión

Tue, 07 Apr 2026 00:00:00 +0000

Sobre el curso

Segundo curso gratuito de introducción al análisis de datos con R, enfocado en las ciencias sociales.

Galería de libros de _Goodreads_ para tu blog o sitio web con R y Quarto

Thu, 26 Mar 2026 00:00:00 +0000

Para mi blog personal, bastimapache.cl quise crear publicaciones que muestren los libros que he leído cada año, los cuales registro en mi cuenta de Goodreads.

Para esto, usé R para cargar el archivo de exportación de datos de Goodreads, que te entrega un archivo .csv con tus libros leídos, puntuación, fecha de lectura, etc.

Cargar datos de Goodreads

Carguemos los datos que obtenemos de la exportación de Goodreads:

Plataforma de análisis: Índice de Brechas de Género

Thu, 26 Mar 2026 00:00:00 +0000

Inicio de la plataforma del IBG

El Índice de Brechas de Género es un nuevo instrumento estadístico desarrollado por la Subsecretaría de Desarrollo Regional y Administrativo (Subdere), diseñado para medir brechas de género a nivel comunal y regional en el país. El IBG se basa en 52 indicadores de nivel comunal y regional, que abarcan las dimensiones de cultura, educación, salud, laboral, participación y social.

Plataforma de visualización de resultados del Estudio de Brechas Comunales

Tue, 24 Mar 2026 00:00:00 +0000

Inicio de la plataforma del EBC

Ya está disponible la plataforma de visualización de los resultados del Estudio de Brechas Comunales de la Subsecretaría de Desarrollo Regional y Administrativo (Subdere).

Este estudio mide brechas en infraestructura y servicios a través de 59 indicadores de nivel comunal, tomando en consideración las diferencias territoriales de comunas urbanas, mixtas y rurales.

Primera reunión: grupo de usuari@s de R, Santiago de Chile

Thu, 12 Mar 2026 00:00:00 +0000

Hace tiempo que estamos coordinando un espacio de colaboración entre usuari@s de R en Chile, y pronto verá la luz!

Curso gratuito: introducción al análisis de datos con R

Mon, 09 Feb 2026 00:00:00 +0000

¿Quieres entrar al mundo de los datos, pero no sabes cómo?

Existen muchas herramientas para analizar datos, pero hay algo que casi todas tienen en común: la programación. Pero no es tan difícil como suena!

Selección de cupos para curso gratuito de introducción a R

Mon, 19 Jan 2026 00:00:00 +0000

La convocatoria al curso gratuito de introducción a R fue un éxito! Más de 500 personas postularon para poder aprender.

Gráfico exploratorio para el Sistema de Indicadores y Estándares Territoriales

Thu, 04 Dec 2025 00:00:00 +0000

Hoy fue el lanzamiento del Sistema de Indicadores y Estándares Territoriales (SIET), y durante su exposición, Rodolfo Arriagada presentó este gráfico exploratorio que hicimos en conjunto.

El gráfico ubica las 346 comunas del país en un plano según su porcentaje de acceso al agua potable y el porcentaje de red vial pavimentada. Los colores y los cuadrantes destacan el comportamiento de las comunas según su clasificación: urbana, mixta o rural.

Actualización del blog: menús, mejoras, y más morado

Wed, 03 Dec 2025 00:00:00 +0000

Recientemente he estado retocando algunos aspectos de este blog. Quería contarles los principales cambios: tablas de contenido en todas las publicaciones, nuevo tema de colores para bloques de código, y resultados de búsqueda con resúmenes de posts, y más.

Tablas de contenido en posts

Uno de los cambios principales, y que quería hacer hace mucho tiempo, es mostrar un menú con la tabla de contenidos de cada post (títulos y subtítulos) al lado del texto, para facilitar la navegación. Este tipo de menú aparecen por defecto en los documentos y blogs Quarto, pero no en los de Hugo. Así que tuve que hacer algunos ajustes en el tema que uso.

Grupo de usuarios/as de R

Thu, 27 Nov 2025 00:00:00 +0000

Me gustaría que existiera un grupo donde gente que use o aprenda R, ya sea en espacios profesionales, académicos o como hobby, puedan conversar, mostrar lo que hacen, compartir aprendizajes y darnos retroalimentación.

Actualización: plataforma de visualización de estadísticas delictuales

Sat, 15 Nov 2025 00:00:00 +0000

Acabo de publicar una actualización a mi app de visualización de estadísticas delictuales. Consiste en la actualización a los datos más recientes a la fecha: junio de 2025, publicados en la plataforma de estadísticas delictuales del Centro de Estudios y Análisis del Delito.

Se trata de una aplicación tipo dashboard que presenta visualizaciones de los datos oficiales de casos policiales, entendidos como:

denuncias formales que la ciudadanía realiza en alguna unidad policial posterior a la ocurrencia del delito, más los delitos de los que la policía toma conocimiento al efectuar una detención en flagrancia, es decir, mientras ocurre el ilícito.

Portafolio: mapas de Áreas Metropolitanas

Fri, 14 Nov 2025 00:00:00 +0000

Comparto un poco de mi trabajo como analista de datos en la Subsecretaría de Desarrollo Regional y Administrativo (Subdere).

En esta oportunidad me pidieron hacer mapas que visualizaran las propuestas de Áreas Metropolitanas en distintas regiones de Chile, junto a algunas estadísticas relacionadas.

Los mapas combinan shapes y datos de múltiples fuentes:

¿Por qué programar para trabajar con datos?

Thu, 13 Nov 2025 00:00:00 +0000

Llevo varios años trabajando con datos, tanto en el sector privado, como independiente y en el sector público, y hay algo que es una constante: siempre te van a pedir hacer cambios!

Ya sea porque los datos cambian/se actualizan, porque hay que modificar los cálculos, porque hay que generar nuevos productos, o porque hay que cambiar los resultados (textos, gráficos, tablas).

Por eso, para estos trabajos no basta con “hacer” el resultado de principio a fin (un reporte, etc.), porque cualquier cambio (en datos/cálculo/salidas) implicaría “re-hacer” el trabajo. Un cambio en los datos significa volver a hacer los gráficos, ponerlos en el informe, actualizar los textos, etc.

Desarrollando un buscador para mi blog con Shiny

Tue, 11 Nov 2025 00:00:00 +0000

Índice

Este blog ya lleva más de 100 publicaciones! 🎉 y si bien uso las etiquetas para mantener todo organizado y ayudar a descubrir nuevos posts, a veces hasta a mi me cuesta encontrar publicaciones entre tanta cosa 😅

Taller: Compartir y colaborar desde el cruce entre las ciencias de datos y las ciencias sociales

Mon, 27 Oct 2025 00:00:00 +0000

El viernes 22 de agosto de 2025 tuve el honor de participar en las clases magistrales del Diplomado de Ciencia de Datos para Ciencias Sociales y Humanidades de la Facultad de Estudios Superiores Acatlán, Universidad Nacional Autónoma de México (UNAM).

Me pidieron hacer un taller acerca de cómo crear una marca personal como científico de datos, pero dándole unas vueltas a esa idea, terminé hablando sobre tres principios: crear, diferenciarse y compartir.

Actualización del blog: etiquetas

Thu, 16 Oct 2025 00:00:00 +0000

Por fin tuve un respiro en el trabajo, así que aproveché de darle una manito de gato a este sitio. Cambié algunas cosas estéticas menores y algunas funcionalidades que tenía pendientes de hace tiempo.

Agregué al inicio del sitio un panel que contiene las etiquetas o tags más usados en el blog, para indicar los temas que trato en los posts y para que la gente interesada pueda llegar a los posts.

Gráfico de mis artistas y géneros musicales más escuchados según Last.fm

Wed, 30 Jul 2025 00:00:00 +0000

Last.fm es una plataforma donde las personas van registrando la música que escuchan diariamente, y luego pueden obtener estadísticas sobre sus gustos musicales y recomendaciones basadas en los gustos de usuarios similares.

Tenía ganas de reproducir en R uno de los gráficos que aparecen en el reporte mensual:

Así que me apliqué con {ggplot2}, usando un paquete que agrega una visualización similar, y usando otro paquete para descargar los datos de mi perfil de Last.fm.

Repositorio de datos sociales

Sun, 09 Feb 2025 00:00:00 +0000

Acabo de publicar una nueva página donde voy a estar recopilando todos los conjuntos de datos sociales con los que trabajo o he trabajado.

La idea de esta página es poder compartir fácilmente datos sociales sobre Chile que vienen limpios y procesados, para facilitar el trabajo de otras personas, y también ayudarles a aprender análisis de datos.

Se trata de una tabla que se genera automáticamente, la cual contiene una lista de repositorios enfocados en datos sociales, con clasificación según la temática del dato, y varias columnas que indican las características del conjunto de datos, como si es que el dato contiene variables de género, si está desagregado a nivel comunal, si existe una aplicación de visualización de datos asociada, la temporalidad (anual/mensual/semanal) de las observaciones, y más.

Mención en Infoactivismo en Latinoamérica 2024

Wed, 01 Jan 2025 00:00:00 +0000

Estoy muy feliz porque la organización SocialTIC junto a infoactivismo.org me mencionaron como una de las iniciativas de infoactivismo más destacada del año 2024! 🥳💕

Lo mejor del Infoactivismo 2024 es un recuento anual de iniciativas y proyectos dedicados a la justicia y el cambio social apoyadas en tecnologías, datos e información en Latinoamérica.

Agradezco mucho la mención! Es un honor estar entre otras iniciativas tan destacadas. Para mi, el año 2024 fue un año en el que me di cuenta que podía combinar mis habilidades técnicas con mis intereses sociales y políticos para crear herramientas de visualización de datos que resulten útiles e interesantes para los demás. Espero que este 2025 se venga con más datos!

Web scraping de noticias: avances de fin de año

Tue, 31 Dec 2024 00:00:00 +0000

A largo de todo el año 2024 he estado realizando web scraping de distintas fuentes de noticias digitales de Chile. Casi todos los días ejecuto un script que a su vez se ejecuta decenas de otros scripts, que realizan el scraping diario de noticias. El resultado de estos procesos, día tras día, va aumentando la cantidad total de noticias que he ido recolectando. De vez en cuando, algún sitio cambia, o algo falla, y tengo que corregir manualmente los scripts. Cada cierto tiempo ejecuto versiones alternativas de los scripts para hacer una extracción de datos desde fechas anteriores, aumentando la cantidad total de noticias de fechas pasadas, lo que me permite rellenar vacíos en las obtenciones anteriores de noticias diarias, como también aumentar la cantidad total de noticias con datos desde años antes de que empezara este proyecto.

Haciendo que un loop muy largo termine sin cancelarlo

Thu, 26 Dec 2024 00:00:00 +0000

Me encuentro en la tarea de tener que procesar cientos de miles de datos, lo cual demorará varios cientos de horas, por lo que necesito que dejar mi computador trabajando durante las noches, por varios días. La idea es que, cada noche, el computador procese de la mayor cantidad de datos posibles, los resultados se guarden, y a la siguiente noche el proceso se repita con datos nuevos, hasta que en algunos días logre procesar todos los cientos de miles de datos que necesito.

Novedades: app de temperaturas extremas, actualizaciones de otras apps

Sat, 21 Dec 2024 00:00:00 +0000

Resumen de las actualizaciones recientes de mis trabajos. Recientemente lancé un visualizador de temperaturas extremas de Chile, que permite ver gráficamente los efectos del calentamiento global medidas por las estaciones meteorológicas del país. Además, actualicé los datos del visualizador de delincuencia, que ahora tiene datos hasta septiembre de 2024, y también del visualizador de femicidios, que también ahora tiene datos hasta la fecha.

En paralelo, otra aplicación que se actualiza frecuentemente es la de análisis de prensa, que se actualiza todos los lunes o martes de la semana con las noticias hasta el domingo anterior; es decir, muestra los datos de la última semana completa hacia atrás (esto porque el visualizador es de datos semanales, no diarios, entonces tienen que estar terminadas las semanas para poder incluirlas en el análisis, de lo contrario las semanas aparecerían con menos datos).

Procesando datos de texto en masa usando modelos de lenguaje (LLM)

Fri, 20 Dec 2024 00:00:00 +0000

Anoche dejé el computador procesando 5000 noticias por 8 horas usando un modelo de lenguaje (LLM) local en R para obtener clasificación, resumen y sentimiento de cada texto.

Esto porque tengo una base de datos de más de 600 mil noticias chilenas, con su texto completo, y quiero empezar a sacarle más provecho. Por ejemplo, saber si noticias que hablan de ciertos temas son positivas o negativas (sentimiento), o simplemente clasificar de manera automatizada las noticias para separar las de política y economía de las de deportes y farándula.

Post sobre mi nuevo blog (este mismo)

Thu, 07 Nov 2024 00:00:00 +0000

Éste es un post sobre este mismo blog. Quería compartir el proceso de creación del blog, porque me pareció interesante y entretenido.

Lo creé usando Hugo, un generador de sitios web estáticos de código abierto y gratuito. Hugo se puede usar a través de R usando {blogdown} y el tema Hugo Apéro, creado por Alison Hill, y así puedes crear páginas y publicaciones usando Quarto o RMarkdown. De ese modo resulta muy fácil integrar las cosas que hagas con R en tu sitio, compartiendo el código en los posts.