{"id":63227,"date":"2018-10-16T00:00:00","date_gmt":"2018-10-16T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/"},"modified":"2022-03-18T19:39:16","modified_gmt":"2022-03-18T19:39:16","slug":"preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica","status":"publish","type":"post","link":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/","title":{"rendered":"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica"},"content":{"rendered":"

Los diferentes cambios en el mundo de los datos han permitido a las organizaciones gestionar sus necesidades cotidianas al tiempo que se preparan para el futuro de los big data, la anal\u00edtica y las operaciones en tiempo real. Para ello, la mayor\u00eda de las organizaciones deben reconsiderar y modernizar su infraestructura, sus competencias y sus equipos de gesti\u00f3n de datos. La preparaci\u00f3n de datos de autoservicio es la pr\u00f3xima generaci\u00f3n de an\u00e1lisis de negocios e inteligencia empresarial. Hace que el descubrimiento avanzado de datos sea accesible para los usuarios de la empresa, independientemente de sus conocimientos y habilidades t\u00e9cnicas. Es una soluci\u00f3n moderna para convertir los datos desordenados en una salida precisa y bien organizada para el an\u00e1lisis. Permite a un conjunto mucho m\u00e1s amplio de usuarios examinar datos complejos a escala, clasificar las transformaciones adecuadas y, finalmente, tener un mejor control sobre el resultado anal\u00edtico. La preparaci\u00f3n de datos de autoservicio transforma el modo en que los inform\u00e1ticos y los usuarios trabajan juntos y convierten los datos en informaci\u00f3n fiable.<\/p>\n

\u00bfPor qu\u00e9 el autoservicio de preparaci\u00f3n de datos?<\/h2>\n

Los m\u00e9todos tradicionales de preparaci\u00f3n de datos<\/a> no estaban pensados para hacer frente a las exigencias de diversidad y rapidez de los datos. Las organizaciones de gran escala y de la lista Fortune 500 est\u00e1n muy centradas en la modernizaci\u00f3n de su enfoque de la anal\u00edtica para mantenerse por delante de sus competidores. Todas las organizaciones se est\u00e1n orientando hacia los datos y adoptando el big data. Cuando las organizaciones se proponen utilizar el big data para ser m\u00e1s competitivas, el m\u00e9todo normal es actualizar sus capacidades anal\u00edticas. Las anal\u00edticas modernas garantizan una mayor comprensi\u00f3n y le ayudan a detectar antes las tendencias del mercado. Descubrir ideas antes que los dem\u00e1s en esta era de los grandes datos no consiste \u00fanicamente en aplicar una pieza diferente de software de visualizaci\u00f3n: es un impulso transformador para los individuos y para todo el proceso de an\u00e1lisis.<\/p>\n

Preparaci\u00f3n de datos y descubrimiento de datos integrados<\/h2>\n

La preparaci\u00f3n de los datos suele ser un m\u00e9todo tremendamente iterativo durante el cual los expertos trasladan continuamente los datos a una herramienta de visualizaci\u00f3n. Esto se hace para darse cuenta de que necesitan hacer algunos cambios adicionales en los datos. Por lo tanto, vuelven a preparar los datos, realizan los cambios vitales y los devuelven a la herramienta de visualizaci\u00f3n. Los productos tradicionales de inteligencia empresarial (BI) s\u00f3lo ofrecen cuadros de mando estancados de gr\u00e1ficos y diagramas extra\u00eddos de datos hist\u00f3ricos inadecuados.<\/p>\n

Capacite a los usuarios con an\u00e1lisis de autoservicio<\/strong><\/h2>\n

Cuando las empresas implementan herramientas de extremo a extremo, permiten a sus usuarios comprender la importancia de los datos y sus relaciones, analizar y supervisar, limpiar y mantener el linaje de los datos. El usuario adquiere una visi\u00f3n en tiempo real de los datos de los clientes al tiempo que satisface sus necesidades de informaci\u00f3n. Las nuevas funciones les permiten comprobar la exactitud de los datos a trav\u00e9s de la interfaz de autoservicio, utilizar las funciones de b\u00fasqueda para encontrar datos fiables y visualizar gr\u00e1ficamente sus relaciones
\nHay dos objetivos constantes para las organizaciones que buscan la modernizaci\u00f3n de la anal\u00edtica: utilizar m\u00e1s datos y desarrollar valor m\u00e1s r\u00e1pidamente. Las empresas deben ser capaces de integrar cada vez m\u00e1s datos en su proceso de an\u00e1lisis, independientemente de su tama\u00f1o, forma y origen. M\u00e1s datos a un ritmo m\u00e1s r\u00e1pido es lo que ofrece su nueva soluci\u00f3n de preparaci\u00f3n de datos<\/a> de autoservicio. La soluci\u00f3n avanzada de b\u00fasqueda de datos a\u00fana la preparaci\u00f3n de datos de autoservicio con la b\u00fasqueda gr\u00e1fica de datos, lo que permite a los pronosticadores organizar e imaginar los datos de forma paralela en un entorno instintivo y cooperativo. Los datos organizados pueden guardarse en diferentes formatos de BI incorporados, para que los usuarios puedan visualizarlos al instante en Tableau, Qlik, Excel u otras herramientas de an\u00e1lisis. Al utilizar esta herramienta, los usuarios empresariales pueden reconocer patrones y valores at\u00edpicos, obtener soluciones r\u00e1pidamente y obtener inteligencia operativa real de cualquier fuente de datos.<\/p>\n

\u00bfPor qu\u00e9 el BI de autoservicio?<\/h2>\n

En la mayor\u00eda de las organizaciones actuales, el BI se basa tradicionalmente en el almac\u00e9n central de datos. Aunque los m\u00e9todos, la estructura y las soluciones inform\u00e1ticas que se consideraban anteriormente como mejores pr\u00e1cticas son ahora insuficientes para satisfacer las crecientes necesidades de las empresas. Esta es la principal raz\u00f3n por la que las empresas est\u00e1n adoptando soluciones de preparaci\u00f3n de datos de autoservicio para modernizar sus an\u00e1lisis. Para mantenerse por delante de la competencia, las empresas deben actuar con rapidez a partir de los nuevos datos obtenidos de los an\u00e1lisis. Los modelos tradicionales de BI siguen siendo \u00fatiles en determinadas situaciones, pero no pueden ofrecer agilidad y eficiencia. Dado que las fuentes y los vol\u00famenes de datos no dejan de crecer, es necesario un enfoque iterativo del an\u00e1lisis para encontrar nuevos casos de uso empresarial que permitan aprovechar el valor de los datos disponibles.<\/p>\n

Ventajas del BI de autoservicio<\/h2>\n

El BI de autoservicio puede ofrecer varias ventajas a los usuarios de la empresa ahogados en datos pero hambrientos de informaci\u00f3n. Las principales ventajas del autoservicio son la mejora de la agilidad y la flexibilidad de la empresa al aumentar la independencia del usuario respecto a las TI. En el mismo equipo, se reduce la carga de trabajo del departamento de TI, lo que les permite centrarse en tareas de mayor valor. La menor dependencia de recursos externos permite a los usuarios de la empresa obtener informaci\u00f3n y comprensi\u00f3n de forma mucho m\u00e1s eficiente. La eficiencia se ampl\u00eda sobre todo al evitar el tedioso proceso de traducci\u00f3n de los requisitos empresariales. Por otro lado, las empresas pueden obtener informaci\u00f3n de los datos de manera eficiente.<\/p>\n

Impacto de la preparaci\u00f3n de datos de autoservicio en el negocio<\/h2>\n

La democratizaci\u00f3n de los datos que se preparan aumenta r\u00e1pidamente el rendimiento y permite a las empresas aprovechar su sabidur\u00eda colectiva para obtener mejores resultados. Juntos, estos factores pueden tener un gran efecto en la empresa. En caso de que el retorno de la inversi\u00f3n en sus datos est\u00e9 directamente relacionado con el n\u00famero de personas que los utilizan, la preparaci\u00f3n de datos de autoservicio permite que el departamento de TI se convierta en el campe\u00f3n de los datos, reestructurando la cadena de suministro de datos y liberando m\u00e1s que nunca. Con el autoservicio desplazado hacia los usuarios de la empresa, el departamento de TI puede centrarse en preocupaciones de gobernanza m\u00e1s amplias, como la seguridad, el cumplimiento, la reutilizaci\u00f3n y la estandarizaci\u00f3n. El cambio al autoservicio no s\u00f3lo acelerar\u00e1 el tiempo de los ciclos, sino que tambi\u00e9n mejorar\u00e1 la comprensi\u00f3n.<\/p>\n

Conclusi\u00f3n:<\/strong>
\nSelf-Service Data Prep est\u00e1 dise\u00f1ado para ser utilizado por usuarios no t\u00e9cnicos, como los usuarios empresariales y los expertos en datos. Al ofrecer una interfaz visual y de colaboraci\u00f3n con algoritmos incorporados para ayudar a perfilar o unir conjuntos de datos, las herramientas de preparaci\u00f3n de datos de autoservicio<\/a> autorizan a los usuarios finales a realizar estas tareas por s\u00ed mismos y no tener que depender de los limitados recursos de TI. Estas herramientas pueden ayudar si cuentan con capacidades inteligentes que ayuden a equiparar las cualidades de los datos de conjuntos de datos distintos para ponerlos en com\u00fan. El algoritmo inteligente debe ser capaz de encontrar un m\u00e9todo para emparejarlos y vincular los conjuntos de datos para obtener una visi\u00f3n \u00fanica de los clientes. Los datos subsiguientes pueden utilizarse para el BI, pero podr\u00edan ir a otra aplicaci\u00f3n o mercado. Para satisfacer las crecientes novedades de los departamentos de TI modernos, Self-Service Data Preparation ofrece soporte para el linaje de datos en colaboraci\u00f3n, los metadatos y la seguridad.<\/p>\n","protected":false},"excerpt":{"rendered":"

Los diferentes cambios en el mundo de los datos han permitido a las organizaciones gestionar sus necesidades cotidianas al tiempo que se preparan para el futuro de los big data, la anal\u00edtica y las operaciones en tiempo real. Para ello, la mayor\u00eda de las organizaciones deben reconsiderar y modernizar su infraestructura, sus competencias y sus […]<\/p>\n","protected":false},"author":9,"featured_media":58154,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1212,1271],"tags":[1036,1037,1035,670],"acf":[],"yoast_head":"\nPreparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica - Data Ladder<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Los diferentes cambios en el mundo de los datos han permitido a las organizaciones gestionar sus necesidades cotidianas al tiempo que se preparan para el futuro de los big data, la anal\u00edtica y las operaciones en tiempo real. Para ello, la mayor\u00eda de las organizaciones deben reconsiderar y modernizar su infraestructura, sus competencias y sus […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/\" \/>\n<meta property=\"og:site_name\" content=\"Data Ladder\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/web.facebook.com\/DataLadderSoftware\" \/>\n<meta property=\"article:published_time\" content=\"2018-10-16T04:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-18T19:39:16+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Self-Service-Data-Preparation-for-Analytics-Modernization-376icv81mukbfwf7s5ircw.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"860\" \/>\n\t<meta property=\"og:image:height\" content=\"320\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"lbarrera\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"lbarrera\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica\",\"datePublished\":\"2018-10-16T04:00:00+00:00\",\"dateModified\":\"2022-03-18T19:39:16+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/\"},\"wordCount\":1396,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"keywords\":[\"an\u00e1lisis de autoservicio\",\"BI de autoservicio\",\"Descubrimiento de datos\",\"Preparaci\u00f3n de datos\"],\"articleSection\":[\"Data quality management\",\"Gesti\u00f3n de la calidad de los datos\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/\",\"url\":\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/\",\"name\":\"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/es\/#website\"},\"datePublished\":\"2018-10-16T04:00:00+00:00\",\"dateModified\":\"2022-03-18T19:39:16+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/dataladder.com\/es\/#website\",\"url\":\"https:\/\/dataladder.com\/es\/\",\"name\":\"Data Ladder\",\"description\":\"Enterprise Data Profiling, Cleansing, and Matching\",\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/es\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/dataladder.com\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/dataladder.com\/es\/#organization\",\"name\":\"Data Ladder\",\"url\":\"https:\/\/dataladder.com\/es\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"contentUrl\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"width\":413,\"height\":408,\"caption\":\"Data Ladder\"},\"image\":{\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/dataladder-llc\/\",\"https:\/\/web.facebook.com\/DataLadderSoftware\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\",\"name\":\"lbarrera\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/dataladder.com\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"caption\":\"lbarrera\"},\"url\":\"https:\/\/dataladder.com\/es\/author\/lbarrera\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica - Data Ladder","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/","og_locale":"es_ES","og_type":"article","og_title":"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica - Data Ladder","og_description":"Los diferentes cambios en el mundo de los datos han permitido a las organizaciones gestionar sus necesidades cotidianas al tiempo que se preparan para el futuro de los big data, la anal\u00edtica y las operaciones en tiempo real. Para ello, la mayor\u00eda de las organizaciones deben reconsiderar y modernizar su infraestructura, sus competencias y sus […]","og_url":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2018-10-16T04:00:00+00:00","article_modified_time":"2022-03-18T19:39:16+00:00","og_image":[{"width":860,"height":320,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Self-Service-Data-Preparation-for-Analytics-Modernization-376icv81mukbfwf7s5ircw.jpg","type":"image\/jpeg"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"lbarrera","Tiempo de lectura":"6 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica","datePublished":"2018-10-16T04:00:00+00:00","dateModified":"2022-03-18T19:39:16+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/"},"wordCount":1396,"publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"keywords":["an\u00e1lisis de autoservicio","BI de autoservicio","Descubrimiento de datos","Preparaci\u00f3n de datos"],"articleSection":["Data quality management","Gesti\u00f3n de la calidad de los datos"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/","url":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/","name":"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/es\/#website"},"datePublished":"2018-10-16T04:00:00+00:00","dateModified":"2022-03-18T19:39:16+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/es\/preparacion-de-datos-de-autoservicio-para-la-modernizacion-de-la-analitica\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/es\/"},{"@type":"ListItem","position":2,"name":"Preparaci\u00f3n de datos de autoservicio para la modernizaci\u00f3n de la anal\u00edtica"}]},{"@type":"WebSite","@id":"https:\/\/dataladder.com\/es\/#website","url":"https:\/\/dataladder.com\/es\/","name":"Data Ladder","description":"Enterprise Data Profiling, Cleansing, and Matching","publisher":{"@id":"https:\/\/dataladder.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dataladder.com\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/dataladder.com\/es\/#organization","name":"Data Ladder","url":"https:\/\/dataladder.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","contentUrl":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","width":413,"height":408,"caption":"Data Ladder"},"image":{"@id":"https:\/\/dataladder.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/dataladder-llc\/","https:\/\/web.facebook.com\/DataLadderSoftware"]},{"@type":"Person","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b","name":"lbarrera","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/dataladder.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","caption":"lbarrera"},"url":"https:\/\/dataladder.com\/es\/author\/lbarrera\/"}]}},"modified_by":null,"_links":{"self":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63227"}],"collection":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/comments?post=63227"}],"version-history":[{"count":2,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63227\/revisions"}],"predecessor-version":[{"id":66463,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/posts\/63227\/revisions\/66463"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media\/58154"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/media?parent=63227"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/categories?post=63227"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/es\/wp-json\/wp\/v2\/tags?post=63227"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}