SIL GERENCIA

1. 1.Según el documento sobre las herramientas fantásticas del análisis de datos, ¿cuál es la principal razón por la que SQL es imprescindible para un analista en un entorno empresarial colombiano con datos estructurados?

• Permite crear gráficos bonitos en dashboards. 

• Facilita la consulta de millones de registros con precisión y eficiencia en bases de datos relacionales. 

• Automatiza procesos repetitivos como en Python. 

• Integra datos de múltiples fuentes sin código. 

2. ¿Por qué Excel sigue siendo relevante en el análisis de datos logísticos, según el material?

• Es ideal para análisis predictivos con grandes volúmenes de datos. 

• Facilita tareas exploratorias, validación cruzada y control de calidad de datos en equipos no técnicos. 

• Permite consultar bases de datos relacionales directamente. 

• Ofrece distribución centralizada de informes como Power BI Service. 

3. En el uso de Python para análisis de datos, ¿qué librería se recomienda para el manejo de datos en un script reutilizable en logística? 

• DAX para cálculos complejos. 

• Power Query para ETL. 

•  Pandas para lectura y escritura desde fuentes como CSV o SQL. 

• GROUP BY para subconsultas. 

4. Según la tabla de combinación de herramientas en el proceso analítico, ¿qué herramienta se recomienda principalmente para la extracción de datos en un análisis logístico? 

• Excel, Python. 

• Power BI, Excel.

• SQL, Python. 

• Power Query, SQL.

5. En el documento sobre automatización de almacenes, ¿cuál es una ventaja clave de los robots de picking en entornos logísticos colombianos con picos de demanda? 

• Reducen el uso de drones para entregas. 

• Pueden completar hasta 1.000 picks por hora con precisión gracias al deep learning

• Sincronizan solo con marketplaces B2B.

• Generan código autónomo para ingeniería de software. 

6. ¿Qué tendencia en e-commerce B2B se menciona como creciente en la logística, con integración de marketplaces?

• Uso exclusivo de drones para entregas regionales. 

• Optimización de intralogística solo con transelevadores.

• Obsolescencia de escaparates digitales por machine customers. 

• Transacciones en línea entre empresas con modelos de suscripción para ofrecer facilidades a clientes. 

7. En el impacto de la IA en la logística para 2025, ¿qué se espera que haga la IA generativa en las compañías? 

• Reemplace completamente a los ingenieros de software. 

• Facilite el acceso a información interna y externa, llevando a más del 80% de compañías a usar aplicaciones de IA en producción para 2026.

• Limite su aplicación solo a departamentos de I+D. 

• Reduzca las entregas rápidas con almacenes regionales. 

8. ¿Qué estrategia se recomienda para entregas más rápidas en logística? 

• Uso de almacenes regionales y drones, como en redes de Google o Amazon. 

• Implementación de machine customers para compras autónomas. 

• Automatización exclusiva con Pallet Shuttle. 

• Ingeniería de software asistida por IA para código obsoleto. 

9. En la introducción a IA y ML, ¿qué aplicación del machine learning optimiza rutas de transporte en logística colombiana? 

• Análisis de datos históricos, patrones de tráfico y condiciones climáticas para rutas eficientes. 

• Automatización de recepción de mercancías en almacenes. 

• Predicción de fraudes en transacciones. 

• Personalización de recomendaciones de productos. 

10. ¿Cómo contribuye el ML a la predicción de demanda e inventario? 

• Clasificando paquetes con sensores IoT. 

• Analizando datos históricos y variables externas para anticipar fluctuaciones y optimizar existencias. 

• Detectando anomalías en envíos.

• Ofreciendo asistencia virtual a clientes.