Columna Descripción

trabajo año El año en que se pagó el salario.

nivel de experiencia El nivel de experiencia en el puesto durante el año con los

siguientes valores posibles: EN Entry-level/Junior MI Mid-
level/Intermediate SE Senior-level/Experto EX Executive-
level/Director.

Tipo de empleo El tipo de empleo para el puesto: PT Tiempo parcial, FT

Tiempo completo CT , Contrato y FL Freelance.

título profesional Rol trabajado durante el año.

salario El monto total del salario bruto pagado.

salario_moneda La moneda del salario pagado como un código de moneda ISO

4217.

salario en usd El salario en USD (tasa de cambio dividida por la tasa

promedio de USD para el año respectivo a través de
fxdata.foorilla.com).

residencia_empleado El país de residencia principal del empleado durante el año

laboral como código de país ISO 3166.

relación_remota La cantidad total de trabajo realizado de forma remota, los

valores posibles son los siguientes: 0 Sin trabajo remoto (menos
del 20 %) 50 Parcialmente remoto 100 Totalmente remoto (más
del 80 %)

Ubicación de la El país de la oficina principal del empleador o sucursal

compañía contratante como un código de país ISO 3166.

tamaño de la empresa Número promedio de personas que trabajaron para la empresa

durante el año: S menos de 50 empleados (pequeño) M 50 a 250
empleados (mediano) L más de 250 empleados (grande)
Diccionario de datos:

La pandemia de COVID-19 ha afectado enormemente a las vidas de millones de profesionales,

especialmente a los que trabajan en el sector de los datos y la analítica. Esta crisis no sólo ha
traído consigo la nueva normalidad del trabajo a distancia, sino que también ha puesto la analítica
en primer plano, lo que a su vez ha alterado la forma en que los profesionales de la analítica llevan
a cabo su trabajo. De hecho, según una encuesta reciente realizada por Analytics India Magazine,
se ha observado que el 92% de los líderes creen que la demanda de analítica ganará tracción en el
mundo post-COVID, lo que pondrá de manifiesto la necesidad de que las organizaciones contraten
nuevos talentos analíticos.

Data set tomado de: https://www.kaggle.com/datasets/ruchi798/data-science-job-salaries

De acuerdo a la información contenida en el data set:

1. Comprensión de los datos

Para la comprensión de los datos, se hace necesario entender la naturaleza de cada una de
las variables, para esto, realice una lectura comprensiva del diccionario.

2. Realizar la limpieza de la data, identificando los posibles errores que puede tener el
dataset y realicé su respectiva corrección.

3. Mediante un análisis exploratorio obtenga una visión de los que se puede conseguir con
los datos.
Para realizar el análisis exploratorio:
a. Definir el tipo de datos que contiene el data set.
b. Elegir el tipo de análisis que se le debe aplicar a cada una de las variables.
c. Realizar una representación de cada una de las variables.

4. Identifique los perfiles profesionales con los salarios más altos y realicé una
representación gráfica.

5. Identifique el tipo de empleo más frecuente y realice una representación gráfica.

6. ¿Qué porcentaje de profesionales se emplean de forma remota? Se puede afirmar que

esta modalidad está tomando fuerza en el campo laboral. Justifique su respuesta.
7. Realice una comparación de los promedios de salario bruto devengado según el :
 a. Título profesional
b. Tipo de empleo
c. Nivel experiencia

Para cada comparativo realice una representación gráfica

8. Realice un análisis del salario bruto devengado durante el periodo de 2020 a 2022 según el
título profesional.
9. Realice un diagrama de caja comparativo del salario bruto devengado según el:
a. Título profesional
b. Tipo de empleo
c. Nivel experiencia

10. Realice una visualización de los resultados obtenidos para esto debe explorar plataformas
en línea como Looker Studio de Google.

11. Presentar la visualización realizada como arte de la sustentación del taller.