Tableau Clientes

Category Archives: Visualizacion

¿Cómo Zonificar en Tableau usando archivos espaciales de polígonos?

¿Cómo Zonificar en Tableau usando archivos espaciales de polígonos?

En Modux le queremos mostrar como solucionar algunos de las ventajas más grandes a la hora de utilizar mapas en Tableau. ¿Alguna vez ha querido diferenciar las distintas Localidades en Bogotá?, ¿Quiere saber cuantos puntos de su negocio caen en cierta Localidad?, ¿Desea observar la forma de una ciudad? No se preocupe, Modux le mostrará en este artículo como hacerlo.

Polígonos de países o estados

Si ya lo ha notado, Tableau permite generar un mapa de polígonos hasta el nivel de departamento (Tome un campo con el nombre del departamento, asígnele una función geográfica de departamento, haga doble clic sobre este campo y cambie en la pestaña de marcas el tipo de gráfico a Mapa). Por ejemplo, en Colombia se muestra así:

Mapa-Poligonos-Tableau1

Polígonos personalizados:

Si usted desea generar los polígonos a nivel de localidad u otras divisiones geográficas personalizadas usted deberá usar un archivo SHP, TAB entre otros o a Bases de Datos Geográficas (Microsoft SQL Server, PostgreSQL + PostGIS, Pivotal Greenplum + PostGIS). Para este demo vamos a utilizar el archivo SHP de localidades que se encuentra en https://sites.google.com/site/seriescol/shapes.

Este conjunto de archivos esta compuesto por el .shp que contiene las entidades geométricas de los objetos, el .shx que almacena el índice de estos, el .prj que contiene información acerca del sistema de coordenadas y el .dbf que contiene la capa de datos. Pero no se asuste, lo único que se necesita es obtener un archivo espacial, hay varias empresas que tienen estos, o entidades públicas.

Además, vamos a utilizar un archivo de proyectos inmobiliarios de vivienda nueva en Bogotá, obtenido en el link, de una página oficial del gobierno: https://www.datos.gov.co/Vivienda-Ciudad-y-Territorio/Oferta-de-vivienda-nueva-disponible-en-Bogot-/pk4g-5xyt/data,eliminaremos algunos campos como Localidad, para que observe como relacionar un archivo espacial con archivos de puntos (latitud, longitud) que no tienen campos en común.

El objetivo del ejercicio es poder zonificar cada uno de los puntos en su correspondiente Localidades de Bogotá y así obtener cuantos proyectos inmobiliarios que hay en cada una.

Paso 1: Conecte el archivo espacial

Conecte el archivo espacial, para esto, abra un Tableau y elija la opción archivo espacial.

Mapa-Poligonos-Tableau2

Al hacer esto, Tableau inmediatamente llama a todos los archivos, entre la información relevante está el Nombre de la Localidad y el Código (Columnas 2 y 3), cada fila de este archivo es una Localidad de Bogotá. Tenga en cuenta que, si no tiene el conjunto de archivos, Tableau no podrá conectarse al archivo geográfico.

Mapa-Poligonos-Tableau3

Si fuéramos simplemente a graficar las localidades, iríamos a una hoja, y haciendo doble click al campo Geometría ya podríamos graficar cada una de las localidades de Bogotá. Si está haciendo el paso a paso, notará que la ciudad es un gran polígono, si desea desagregarlo puede arrastrar CODIGO_LOC a Detalle o Color.

Mapa-Poligonos-Tableau4

Pero como deseamos también graficar los proyectos inmobiliarios, iremos al paso 2.

Paso 2: Hacer un Join con el archivo de proyectos inmobiliarios.

Llame el archivo con los proyectos inmobiliarios en Bogotá, este es un archivo de Excel común y corriente con latitud y longitud, en la pestaña de fuentes de datos, de Click en Añadir> Archivo de Excel>Aceptar.

Mapa-Poligonos-Tableau5

Paso 3: Configurar el Join de tipo Intersects

Luego de llamar el archivo, Tableau automáticamente generara un Join, que configuraremos para poder usar ambos archivos:

Mapa-Poligonos-Tableau6

  1. En las cláusulas del Join (sombreadas en rojo), elija en la primera (1), Geometría.
  2. En la segunda (2) elija la opción Crear cálculo de unión.
  3. Al dar click en esta opción se le generará un campo calculado (3), en donde deberá escribir MAKEPOINT([Latitud],[Longitud]) y dar clic en Aceptar.
  4. Por último, en el tipo de join seleccione Intersects (4), esta opción solo aparecerá después de haber seguido los tres pasos anteriores, y significa tener en cuenta todas las localidades en donde haya por lo menos un punto de proyecto inmobiliario.

Si se desea traer todas las localidades a pesar de que no haya proyectos inmobiliarios se debería elegir la opción left Join (Izquierda) o si desea incluir todos los puntos un right join (Derecha).

Al hacer clic en una Hoja, ya habremos unido ambos archivos mediante un Join de tipo Intersects, y tendremos una fuente de datos en donde está relacionando cada punto de proyectos inmobiliarios relacionado con una localidad (polígono).

Paso 4: Crear un punto espacial para cada proyecto

Vamos a una hoja nueva, ahora, tendremos que volver a crear un campo calculado que haga un punto espacial para cada proyecto (como el que utilizamos en el Join), de la misma forma, creamos un campo calculado llamado Punto, y escribimos exactamente lo mismo.

Mapa-Poligonos-Tableau7

Paso 5: Generar un mapa de doble eje.

Damos doble click al campo Geometría, esto nos generará un mapa para cada localidad, luego duplique la capsula de Longitud(generado), ya sea arrastrándola a columnas nuevamente o usando la tecla Ctrl y duplicando la que esta en columnas.

Mapa-Poligonos-Tableau8

Después remueva el campo de Geometría de Localidades y lleve el campo que creamos (punto) a nivel de detalle en la segunda pestaña de marcas, de forma que quede así:

Mapa-Poligonos-Tableau9

En este momento ya tenemos las localidades de Bogotá y cada uno de los proyectos inmobiliarios, podemos personalizar el mapa como queramos, en nuestro caso en la primera pestaña de marcas de Longitud, se agregó la localidad a color (campo NOMBRE) para desagregrar el polígono y se personalizó la segunda pestaña de marcas de Longitud con más Opacidad para que los puntos resaltaran. Por último se convirtió la segunda pestaña de marcas de Longitud en eje doble:

Mapa-Poligonos-Tableau10

Paso 6: Obtener el Numero de proyectos inmobiliarios por Localidad

Finalizando, se seleccionó la primera pestaña de marcas de Longitud y se llevó el campo Numero de Registros a etiqueta:

Mapa-Poligonos-Tableau11

Adicionalmente, puede generar un Dashboard en donde analice a fondo los datos. Observe la variedad de cosas que puede realizar, dándole color a las localidades o a las zonas de Bogotá (haciendo un grupo), además de poner los respectivos filtros:

Mapa-Poligonos-Tableau12

Conclusiones sobre la información

Ahora, es mucho más sencillo concluir acerca de los datos, se observa que Usaquén y Suba son las localidades con mas proyectos inmobiliarios en la ciudad, además, observe que la Zona Suroccidente es la que tiene mayor cantidad de Proyectos de vivienda de inversión social (VIS) ,los cuales predominan en Fontibón y San Cristóbal.

Mapa-Poligonos-Tableau13

Descarga el libro de trabajo y archivos llenando la siguiente forma:

Contenedores Colapsables en Tableau

Contenedores Colapsables en Tableau

Como crear un contenedor colapsable con Tableau

En Modux queremos que conozca todas las opciones para mostrar los filtros en Tableau, por eso, nuestros Analytics Ace Diego Martínez y Daniel Jimenez le muestran esta interesante personalización para reunir los filtros o cualquier elemento en un botón desplegable. Para ello le mostraremos los pasos a seguir con un ejemplo que podrá descargar.

Paso 1: Construya un Dashboard con filtros

Cree un Dashboard con los filtros que requiera, en este caso nosotros teníamos el siguiente:

Contenedor-Colapsable-Tableau1

Paso 2: Vuelva el contendedor flotante

Ahora, seleccione un filtro y a continuación, elija la opción seleccionar contenedor de trazados (o dele doble click en la parte superior)

Contenedor-Colapsable-Tableau2

Esto hará que se seleccione el contenedor mayor donde están todos los filtros, luego, vuelva este contenedor flotante dando click en la flecha y en Flotante.

Contenedor-Colapsable-Tableau3

Paso 3: Coloque un fondo blanco al contenedor

Con el contenedor flotante aun seleccionado, vaya a la ventana de trazado en la parte superior izquierda, de click y observe que hay una opción que le permite poner un fondo, elija el fondo a su gusto, en nuestro caso se eligió un fondo blanco.

Contenedor-Colapsable-Tableau4

Observe la diferencia, ahora el contenedor no es transparente y se lee más claramente lo que contiene, también podría ponerle un borde si lo desea.

Contenedor-Colapsable-Tableau5

Paso 4: Crear el botón para el Contenedor Colapsable en Tableau

En las opciones del contenedor grande, de click a la opción Añadir botón Mostrar/Ocultar.

Contenedor-Colapsable-Tableau6

Esto creará la ❌ mostrada a continuación, que hará que se reduzca el contenedor, es importante tener en cuenta que funciona solamente con un click al ponerlo en modo pantalla completa, si no se desea utilizar este modo, es necesario tener presionada la tecla alt para que funcione.

Contenedor-Colapsable-Tableau7

Ahora, tenga en cuenta que el botón ❌y el contenedor de los filtros, pueden estar ubicados de forma separada, así que tendrá que acomodarlos de forma que queden bien distribuidos.

Descarga el libro de trabajo llenando la siguiente forma:

Mi experiencia implementando R y Tableau

Mi experiencia implementando R y Tableau

Mi experiencia integrando R y Tableau

Mi nombre es Daniel Jimenez, Analytics Ace de Tableau. En este artículo les cuento mi experiencia al implementar R en Tableau y muestro algunas ventajas y resultados. Si esta interesado en aprender a hacerlo y conocer algunos tips lo invitamos a que observe nuestro artículo Tips y Pasos para Integrar R y Tableau.

Por mi recorrido y formación, tuve la posibilidad de aprender primero R, y luego Tableau, sin embargo, aunque había escuchado que se podía integrar uno dentro de otro, no fue sino hasta que tuve un conocimiento avanzado en ambos programas que me atreví a dar el primer paso y utilizarlos integrados. Desde mi punto de vista, con un conocimiento medio de ambos softwares, ya es posible integrarlos, y aprender a utilizarlos en conjunto.

En la curva de aprendizaje empezar siempre es lo mas complicado, pero los resultados valen la pena. En internet encontrará un montón de videos gratuitos enseñándole R y Tableau, por lo que todo está a su disposición.

En los siguientes artículos oficiales de Tableau podrá investigar más acerca de la parte teórica de por qué implementar R y Tableau: https://www.tableau.com/es-es/learn/whitepapers/using-r-and-tableau , y en el siguiente artículo podrá aprender la forma de hacerlo y como funciona: https://www.tableau.com/es-es/learn/tutorials/on-demand/r-integration.

Como ya se sabe, Tableau es un software de business intelligence y Analytics, con gran capacidad para la conexión, interpretación y manejo de datos (casi por cualquier persona), R, por su parte, es un software estadístico, que le permite manipular los datos y crear una cantidad de modelos y análisis distintos, pero con bastantes falencias visuales, y de manejo (toca escribir código, algo no muy grato para muchas personas), al integrar ambos mundos, puede obtener los mejores análisis, y la mejor forma de presentarlos, teniendo a su disposición, desde mi punto de vista, dos de las mejores herramientas en lo que respecta a análisis de información.

Mi primer ejercicio integrando R con Tableau resulto más a punta de prueba y error, el resultado mostrado a continuación, fue un Dashboard interactivo, en donde se eligen dos países y se realiza una prueba T de diferencia de medias entre las ciudades de estos dos países, en este caso, 34 ciudades Argentinas vs 106 ciudades Mexicanas, ahora puede dejar todo listo para que un usuario que no conoce R realice una prueba estadística fiable, dando así conclusiones mas certeras acerca de la información que se tiene. Si desea observar como se realizó, lo invitamos a que vaya a nuestro artículo Tips y Pasos para Integrar R y Tableau.

RandTableau7

Finalmente, También se puede integrar a nivel de Servidor, se debe configurar Tableau Server para que ejecute los scripts de R usando Rserve() que se está ejecutando desde el Servidor, el resultado es bastante satisfactorio, pues ahora tendrá el poder de realizar cálculos estadísticos en tiempo real y poderlos visualizar desde cualquier parte con Tableau Server.

Acá les mostramos otro ejemplo de integración, ya montado en un servidor, en esta ocación se realiza una clasificación Jerárquica (una alternativa al método de clúster por k-means, ya presente en Tableau), observe que la capacidad de análisis con R se vuelve mucho mayor, pudiendo elegir el país y se agruparán las ciudades de acuerdo con las 3 variables ( Cantidad, Descuento y Ganancia), como se observa, también se puede elegir el número de grupos que se desea crear y el método estadístico para agrupar las ciudades, luego de procesar la información con R, muestro los resultados con Tableau, donde se crea un mapa permitiéndome observar que ciudades se agrupan entre si, y un diagrama de barras, en este caso por ejemplo, se observa que Buenos Aires es distinta a todas las ciudades en Argentina.

RandTableau8

Como conclusión, a pesar de que Integrar R con Tableau puede ser un reto, y sin lugar a dudas requiere una inversión tanto de tiempo como de esfuerzo, tener la posibilidad de utilizar los mas avanzados análisis estadísticos, como lo son las pruebas de hipótesis, diferentes regresiones, análisis multivariados, o series de tiempo, al mismo tiempo que esta usando Tableau, le abrirá un mar de posibilidades al análisis y a su capacidad para entender sus datos, no dude en contactarnos, y con gusto lo asesoraremos en este proceso.

R and Tableau

R and Tableau

Este artículo está enfocado en la forma de implementar R y Tableau desde la parte técnica, además de mostrar una forma sencilla de aprender y algunos tips útiles para quien se inicia en este mundo.

Primero, en la página oficial de Tableau esta publicado el siguiente video en Español o Ingles, https://www.tableau.com/es-es/learn/tutorials/on-demand/r-integration, recomiendo primero verlo completo, ya que en 10 minutos comprenderá gran parte del funcionamiento integrado de ambos Software, además, es buena idea descargar el libro de trabajo (desde la parte inferior de la misma página). También recomiendo el siguiente video para observar como configurar ambos Software.

Requerimientos

  • Conexión a internet
  • Conocimientos medios de Tableau y R
  • Tener ambos Programas instalados

Configurando R y Tableau

Bueno, para empezar nuestra integración, lo primero es instalar R y Tableau, yo por mi parte, luego de instalar R, instalé R Studio (una interfaz más amigable y con más funcionalidades), instalé los paquetes necesarios, tal cual se ve en los videos, luego de instalar Rserve, lo ejecuté (es decir, ejecuté los dos siguientes comandos, library(Rserve), Rserve() ), lastimosamente, es necesario correr ese código siempre que se quiera usar un archivo de Tableau que use R.

Posteriormente, como la forma más sencilla de aprender es viendo como otros lo hicieron, descargué el libro de trabajo del tutorial y configuré R con el servicio de Rserve().

Probablemente le toque hacer esto mas de una vez cuando abra un archivo de Tableau con script de R, algo un poco agotador pero que no toma mucho tiempo. La forma de configurarlo localmente es : Menú ayuda>configuración de rendimiento>Administrara conexión del servicio externo, y posteriormente elegir localhost, probar la conexión y aceptar.

RandTableau1

RandTableau2

Integrando R y Tableau

Ahora, Tableau está conectado con R Server y los cálculos que se realizaban en las hojas de trabajo del libro que se descarga de la página de Tableau, ya se están ejecutando (la mayoría, en mi caso no pude instalar algunas librerías de R), como lo muestran los tutoriales, usted descubrirá que la forma en la que se empieza a trabajar con R seria la siguiente:

  1. Se crea una vista, con los niveles de agregación requeridos (puede ser en detalle).
  2. Se crea un campo calculado, para ello se utilizan las funciones (SCRIPT_BOOL, _INT,_REAL,_STR), el campo calculado es un cálculo de tabla, el cual se lleva a la hoja que se realizó en el primer paso.
  3. Se edita el cálculo de tabla para decirle que se calcule teniendo en cuenta las dimensiones necesarias.

Hay que tener en cuenta que cada uno de estos pasos es flexible y tienen algunos trucos, por lo cual, entendiendo como funciona la conexión de Tableau con R, se puede trabajar mejor. Ahora que entendemos cómo funciona R y Tableau haremos un ejemplo, en el siguiente campo calculado, se escribió la función SCRIPT_REAL, lo cual significa que lo que R me va a devolver, va a ser un dato de tipo Real, luego está el código que voy a enviar a R para que ejecute (escrito entre comillas), en este código están también los argumentos que voy a enviar desde Tableau, por ejemplo, en el siguiente caso, enviaré dos medidas agregadas, .arg1 que es ATTR([Pais 1 Ganancia por ciudad]) y .arg2 que sería ATTR([Pais 2 Ganancia por ciudad]).

RandTableau3

En definitiva, hay muchas formas de enviarle información a R, pero siempre tiene que ser una medida agregada, y adicionalmente, debe tenerse mucho cuidado con el nivel de marcas que estamos poniendo en la vista, para enviar la información correcta, y acá está el primer truco, siempre se debe tener el nivel de marcas necesarias en la vista para que se realice el cálculo correctamente. Pero acá surge un problema, ¿qué pasa si quiero mostrar solamente un valor? Por ejemplo, en el ejercicio que acabamos de hacer, un test T de diferencia de medias (una de las primeras cosas que cualquier usuario de R aprende a hacer) obtuvimos un p-valor, pero Tableau, por defecto, entiende que se devolvió este valor para todas las filas agregadas (marcas) que enviamos a R, como se observa a continuación, cada 0,000009, representaría una ciudad.

RandTableau4

La solución podrá ser sencilla para algunos, es utilizar un rank o índice, y elegir solo 1, luego de personalizar todo y en nuestro caso, poder elegir el país mediante un parámetro, se dejaría un resultado más ameno, como el siguiente:

RandTableau5

Así, se logra obtener un p-valor de acuerdo a la información suministrada a R por Tableau, observe que para que sea interactivo, se crearon varios parámetros para que el usuario final pudiera cambiar los países y ciudades con los que se realizaba la prueba.

En todo lo anterior, es necesario tener un conocimiento medio de ambos softwares, por varias razones, en el caso de Tableau, es necesario saber que es una medida agregada, como funciona un cálculo de tabla y como utilizar un parámetro. En el caso de R, es necesario saber los tipos de datos que existen y como llamar diferentes valores de una función.

En este ejercicio integrando ambos Softwares, el resultado fue un Dashboard interactivo, en donde se eligen dos países y se realiza una prueba T de diferencia de medias entre las ciudades de estos dos países, en este caso, 34 ciudades Argentinas vs 106 ciudades Mexicanas, ahora puede dejar todo listo para que un usuario que no conoce R realice una prueba estadística fiable, dando así conclusiones más certeras acerca de la información que se tiene.

RandTableau6

Tips Adicionales

  1. A pesar de utilizar expresiones LOD, como FIXED, es necesario llevar ciertas dimensiones a detalle para obtener el tipo de marcas requerido que se desea enviar a R.
  2. Siempre se requerirá una medida agregada, en el cálculo que se envíe a R.
  3. Si entiende el uso correcto de los parámetros, estos se volverán su mejor herramienta para que sus trabajos en R sean dinámicos, permitiéndole al usuario final interactuar con la información, desde mi punto de vista, acá es donde la integración toma valor.
  4. Para utilizar parámetros como argumentos dentro del script de R debe escribirlos como .arg4[1] (en este caso el parámetro sería el cuarto argumento si fuera el tercer argumento .arg3[1]).
  5. Para utilizar ciertas funciones en el script que se envía al R Serve, es necesario instalar el paquete al que estas pertenecen desde R o R Studio, algo un poco abrumador pero que se deberá realizar solamente una vez.
  6. Finalmente, También se puede integrar a nivel de Servidor, se debe configurar Tableau Server para que ejecute los scrpits de R en el R server que se está ejecutando desde el Servidor, el resultado es bastante satisfactorio, pues ahora tendrá el poder de realizar cálculos estadísticos en tiempo real y poderlos visualizar desde cualquier parte con Tableau Server.

Si deseas descargar el libro de trabajo, llena la siguiente forma

Deuda Externa Tableau

Deuda Externa Tableau

Análisis Deuda Externa en Colombia

En Modux le queremos mostrar formas distintas de hacer las cosas, por eso, le presentamos este análisis de la Deuda Externa de Colombia, basado en el Boletín de deuda externa (pública y privada en dólares), un informe generado por el Banco de la Republica (Subgerencia de política monetaria e información económica), los datos fueron tomados de http://www.banrep.org/informes-economicos/ine_bol_deuex.htm

Comparación Deuda Externa vs PIB Corriente

En el primer Dashboard, tomando información desde el 2005, se observa la relación entre deuda Externa, Reservas y PIB Corriente. Recordemos que las Reservas internacionales son inversiones en el exterior a corto plazo y muy seguras, compuestas en su mayoría por compra de moneda extranjera.

En el primer gráfico se observa en barras la deuda total de Colombia, y el % del PIB Corriente que representa la deuda, el cual, en el 2019, llega a 41,8%, y teniendo en cuenta las reservas, llega al 25,7%, lo cual representa un leve aumento con respecto a los dos años anteriores

Entre el 2014, y 2015, hay que tener en cuenta que la disminución del PIB Corriente tuvo una gran influencia en el porcentaje representado por la deuda. También se observa que la deuda externa privada ha ido aumentando a lo largo de los años, llegando a estar muy cerca en la actualidad a la deuda pública. Así mismo, las reservas crecieron muy poco entre 2014 y 2019, pasando de 47228 a 52370 USD millones.

Deuda Externa 1

En el siguiente Dashboard podemos observar con detalle el crecimiento de la Deuda Externa y del PIB Corriente. A lo largo de los años tuvieron un crecimiento relativamente similar, la deuda creció a un promedio de 7,45% anual y el PIB a un ritmo de 7,77% anual.

Sin embargo, se observa que, en los últimos 7 años, la deuda siguió creciendo (en 5 de los 7 años, a un ritmo mayor al 5%), mientras que el PIB Corriente solamente creció 2 de esos 7 años, lo cual es preocupante. Así mismo, la Deuda aumentó entre el 2013 y el 2019 un total de 43487 millones de dólares, mientras que el PIB Corriente disminuyó 57683 millones de dólares.

Deuda Externa 2

Composición de la Deuda Externa

En la siguiente gráfica se tiene un análisis de la Deuda Externa en el 2019 discriminada por Tipo Deuda (Privada – Pública), Sector (Financiero – No Financiero) y plazo (Largo-Corto). Se observa que la deuda más grande es Pública, del Sector No Financiero, y a Largo Plazo, por 69971 millones de Dólares.

Deuda Externa 3

Tipo de Deuda

La deuda esta compuesta en un 54% por deuda Pública y en un 46% por Deuda Privada en la actualidad, se observa en la serie de tiempo que la deuda privada tiende a seguir creciendo y en un futuro puede alcanzar a la deuda pública, así mismo, observando el porcentaje de crecimiento al lado derecho se evidencia que la deuda pública ha crecido muy poco en los últimos años.

Deuda Externa 4

Al realizar un análisis por Tipo de Deuda y Sector se observa que es predominante el Sector No financiero en la deuda Pública (Con casi 60%), así mismo, observando la serie de tiempo se concluye que el sector con mayor tendencia al crecimiento es el No Financiero con Deuda privada. Teniendo en cuenta el crecimiento vs el año anterior, todas las deudas han disminuido su tasa de crecimiento en los últimos 10 años, pero estas siguen un promedio de 13,8%.

Deuda Externa 5

Deuda por plazo

Analizando la deuda por Plazo se observa que pertenece en un 84% al Largo Plazo y un 16% a Corto Plazo en el 2019, además se observa que ambas tienen una tendencia a seguir creciendo, a un promedio del 15,1%, por otra parte, los crecimientos de la deuda a corto plazo en los últimos 10 años han fluctuado bastante, pasando de casi un 30% a un -8% en un par de años.

Deuda Externa 6

Deuda Largo Plazo

En el siguiente tablero se analizará la deuda adquirida a largo plazo, la cual a Julio del 2019 correspondía a un 63,81% por Deuda Pública, y un 36,19% por Deuda Privada, para un total de 113.865 Millones de Dólares, además, como se observa en la Participación, cada vez la tasa de crecimiento de la deuda Pública es menor, pero sigue representando la mayor parte de la deuda de largo plazo.

Deuda Externa 7

Intereses y Pagos deuda de Largo Plazo

Para analizar la deuda Externa pagada, primero se observará cual es la cantidad pagada en intereses a partir de los años teniendo en cuenta el indicador Interés pagado/ Deuda. Se observa que durante una época este indicador bajo bastante, es decir el país mejoró su capacidad de adquirir crédito y la confianza internacional aumentó, sin embargo, en la actualidad volvió a subir levemente.

Deuda Externa 8

Ahora, viendo el Dashboard de Pagos, se observa que los pagos aumentaron considerablemente desde el 2012, en donde se realizaron grandes pagos en Amortizaciones a la deuda Privada, el cual cada vez tiene mayor relevancia.

Deuda Externa 9

Por último, en la serie de tiempo mensual de pagos, se observa que hubo algunos valores extremos en los pagos, teniendo una banda de referencia de 2 desviaciones estándar. El valor atípico más notorio ocurrió en diciembre del 2012 en la deuda Privada; también es importante notar que los pagos son bastante distintos cada mes y no siguen un patrón específico a simple vista (no es estacional).

Deuda por Sector (Financiero – No Financiero)

Observando el comportamiento de la deuda por Sector, se tiene que esta compuesta en un 86,6% por el sector No Financiero, y un 13,4% por el Sector Financiero, asi mismo, según la serie de tiempo y el pronóstico se espera que ambas series sigan creciendo, por otra parte, el crecimiento Anual vs el año anterior muestra que aunque la tasa de crecimiento sigue siendo positiva, cada vez se hace mas pequeña.

Deuda Externa 10

Deuda del Sistema Financiero

La Deuda Externa del sistema Financiero, en su mayoría está compuesta por deuda a Largo Plazo, la cual en la actualidad está compuesta en un 81% por Bancos, que desde el 2000, empezaron a tener más participación. También es evidente, en la serie de tiempo del 2013 al 2019, el crecimiento de la Deuda a Largo Plazo, que, aunque no es muy grande, si tiende a seguir creciendo.

Deuda Externa 11

A continuación podrá obtener el libro de trabajo con todos los Dashboards utilizados para este análisis, donde podrá interactuar y obtener sus propias conclusiones.


Descargue Tableau Gratis

Contáctenos

Descargue Tableau