{"id":166950,"date":"2023-02-20T15:10:06","date_gmt":"2023-02-20T14:10:06","guid":{"rendered":"https:\/\/datascientest.com\/es\/?p=166950"},"modified":"2023-10-30T17:52:55","modified_gmt":"2023-10-30T16:52:55","slug":"pipeline-definicion-funcionamiento-y-uso-en-data-science","status":"publish","type":"post","link":"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science","title":{"rendered":"Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"166950\" class=\"elementor elementor-166950\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-107998e e-flex e-con-boxed e-con\" data-id=\"107998e\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-26c587c elementor-widget elementor-widget-text-editor\" data-id=\"26c587c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><b>Un pipeline es un conjunto de procesos y herramientas utilizados para recopilar datos en bruto de m\u00faltiples fuentes, analizarlos y presentar los resultados en un formato comprensible. Las empresas utilizan pipelines de datos para responder a cuestiones comerciales espec\u00edficas y tomar decisiones estrat\u00e9gicas basadas en datos reales. Para obtener esta informaci\u00f3n, se analizan todas las series de datos disponibles (internos o externos).<\/b><\/p><p><span style=\"font-weight: 400;\">Por ejemplo, tu equipo de ventas quiere establecer objetivos realistas para el siguiente trimestre. El pipeline le permite recopilar datos de encuestas o comentarios de clientes, historial de pedidos, tendencias del sector, etc. Unas <\/span><b>herramientas anal\u00edticas potentes<\/b><span style=\"font-weight: 400;\"> te ayudar\u00e1n a profundizar en los datos e identificar tendencias y patrones clave. A continuaci\u00f3n, los equipos pueden <\/span><b>crear objetivos espec\u00edficos, basados en datos,<\/b><span style=\"font-weight: 400;\"> que aumentar\u00e1n las ventas.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7e095dd elementor-widget elementor-widget-spacer\" data-id=\"7e095dd\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-column .elementor-spacer-inner{height:var(--spacer-size)}.e-con{--container-widget-width:100%}.e-con-inner>.elementor-widget-spacer,.e-con>.elementor-widget-spacer{width:var(--container-widget-width,var(--spacer-size));--align-self:var(--container-widget-align-self,initial);--flex-shrink:0}.e-con-inner>.elementor-widget-spacer>.elementor-widget-container,.e-con-inner>.elementor-widget-spacer>.elementor-widget-container>.elementor-spacer,.e-con>.elementor-widget-spacer>.elementor-widget-container,.e-con>.elementor-widget-spacer>.elementor-widget-container>.elementor-spacer{height:100%}.e-con-inner>.elementor-widget-spacer>.elementor-widget-container>.elementor-spacer>.elementor-spacer-inner,.e-con>.elementor-widget-spacer>.elementor-widget-container>.elementor-spacer>.elementor-spacer-inner{height:var(--container-widget-height,var(--spacer-size))}<\/style>\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-3908f70 e-flex e-con-boxed e-con\" data-id=\"3908f70\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-b72d1fc elementor-widget elementor-widget-heading\" data-id=\"b72d1fc\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h3 class=\"elementor-heading-title elementor-size-default\">Data Science pipeline vs. pipeline ETL<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-98704d0 elementor-widget elementor-widget-text-editor\" data-id=\"98704d0\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Aunque los t\u00e9rminos \u00abData Science pipelines\u00bb y \u00abpipelines ETL\u00bb se refieren ambos al proceso de <\/span><b>transferencia de datos de un sistema a otro<\/b><span style=\"font-weight: 400;\">, existen diferencias clave entre ambos:<\/span><\/p><p><span style=\"font-weight: 400;\">&#8211; El pipeline <\/span><a href=\"https:\/\/datascientest.com\/es\/etl-o-extract-transform-load-definicion-y-uso\"><b>ETL<\/b><\/a><span style=\"font-weight: 400;\"> se detiene cuando los datos se cargan en un almac\u00e9n de datos (<\/span><a href=\"https:\/\/datascientest.com\/es\/data-warehouse-que-es-y-como-utilizarlo\"><b>Data Warehouse<\/b><\/a><span style=\"font-weight: 400;\">) o en una base de datos. El Data Science pipeline no se detiene en esta fase e incluye pasos adicionales como la <\/span><b>Feature Engineering<\/b><span style=\"font-weight: 400;\"> o el <\/span><b>Machine Learning<\/b><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">&#8211; Los pipelines ETL siempre implican <\/span><b>un paso de transformaci\u00f3n de datos<\/b><span style=\"font-weight: 400;\"> (ETL significa Extract Transform Load), a diferencia de los Data Science pipelines, en los que la mayor\u00eda de los pasos se llevan a cabo con los datos en bruto.<\/span><\/p><p><span style=\"font-weight: 400;\">&#8211; Los Data Science pipelines suelen ejecutarse en tiempo real, mientras que los pipelines ETL transfieren los datos <\/span><b>en bloques o a intervalos de tiempo<\/b><span style=\"font-weight: 400;\"> regulares.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dd7b302 elementor-widget__width-initial elementor-widget elementor-widget-image\" data-id=\"dd7b302\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"350\" src=\"https:\/\/datascientest.com\/es\/files\/2023\/02\/etl-pipeline-de-datos.jpg\" class=\"attachment-large size-large wp-image-166958\" alt=\"etl-pipeline-de-datos\" srcset=\"https:\/\/datascientest.com\/es\/files\/2023\/02\/etl-pipeline-de-datos.jpg 800w, https:\/\/datascientest.com\/es\/files\/2023\/02\/etl-pipeline-de-datos-300x131.jpg 300w, https:\/\/datascientest.com\/es\/files\/2023\/02\/etl-pipeline-de-datos-768x336.jpg 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-95c638f elementor-widget elementor-widget-spacer\" data-id=\"95c638f\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-875daae e-flex e-con-boxed e-con\" data-id=\"875daae\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-e53cb1f elementor-widget elementor-widget-heading\" data-id=\"e53cb1f\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">\u00bfPor qu\u00e9 es importante el Data Science pipeline?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dbed597 elementor-widget elementor-widget-text-editor\" data-id=\"dbed597\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Las empresas crean <\/span><b>miles de millones de datos cada d\u00eda<\/b><span style=\"font-weight: 400;\"> y cada uno de estos datos contiene informaci\u00f3n procesable. El <\/span><a href=\"https:\/\/datascientest.com\/es\/data-science-y-salud\"><b>Data Science<\/b><\/a><span style=\"font-weight: 400;\"> pipeline ayuda a sacar el m\u00e1ximo partido de la informaci\u00f3n reuniendo los datos de todos los equipos, limpi\u00e1ndolos y present\u00e1ndolos de forma f\u00e1cilmente asimilable. Esto permite <\/span><b>tomar decisiones r\u00e1pidas<\/b><span style=\"font-weight: 400;\"> basadas en datos.<\/span><\/p><p><span style=\"font-weight: 400;\">Los Data Science pipelines permiten <\/span><b>evitar el proceso tedioso y propenso a errores de la recopilaci\u00f3n manual de datos<\/b><span style=\"font-weight: 400;\">. Mediante el uso de herramientas inteligentes de ingesti\u00f3n de datos (como Talend o Fivetran), tendr\u00e1s acceso constante a datos limpios, fiables y actualizados, esenciales para mantenerte por delante de la competencia.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2ebad68 elementor-widget elementor-widget-spacer\" data-id=\"2ebad68\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-fc45c79 e-flex e-con-boxed e-con\" data-id=\"fc45c79\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-fcc7423 elementor-widget elementor-widget-heading\" data-id=\"fcc7423\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Beneficios de los Data Science pipelines<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6155e6c elementor-widget elementor-widget-text-editor\" data-id=\"6155e6c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ul><li><span style=\"font-weight: 400;\">Aumentar la agilidad para satisfacer las necesidades cambiantes del negocio y las preferencias de los clientes.<\/span><\/li><li><span style=\"font-weight: 400;\">Simplificar el acceso a la informaci\u00f3n empresarial y de los clientes.<\/span><\/li><li><span style=\"font-weight: 400;\">Acelerar el proceso de toma de decisiones.<\/span><\/li><li><span style=\"font-weight: 400;\">Eliminar los silos de datos y los cuellos de botella que retrasan la acci\u00f3n y desperdician recursos.<\/span><\/li><li><span>Simplificar y acelerar el proceso de an\u00e1lisis de datos.<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9c68dbd elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"9c68dbd\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/es\/nuestros-cursos-de-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Descubrir nuestros cursos Data<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-41c011b elementor-widget elementor-widget-spacer\" data-id=\"41c011b\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-8d51242 e-flex e-con-boxed e-con\" data-id=\"8d51242\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-8d08a1b elementor-widget elementor-widget-heading\" data-id=\"8d08a1b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">\u00bfC\u00f3mo funciona un Data Science pipeline?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-aa88a4b elementor-widget elementor-widget-text-editor\" data-id=\"aa88a4b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Antes de pasar los datos brutos al pipeline, es esencial identificar las cuestiones espec\u00edficas a las que se desea que respondan los datos. Esto <\/span><b>ayuda a los usuarios a centrarse<\/b><span style=\"font-weight: 400;\"> en los datos interesantes para obtener la informaci\u00f3n adecuada.<\/span><\/p><p><span style=\"font-weight: 400;\">El Data Science pipeline se compone de varios pasos que incluyen:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-980a5ed elementor-widget elementor-widget-heading\" data-id=\"980a5ed\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Obtenci\u00f3n de los datos<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0b3906c elementor-widget elementor-widget-text-editor\" data-id=\"0b3906c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Aqu\u00ed es donde se recopilan los datos de <\/span><b>fuentes internas, externas y de terceros<\/b><span style=\"font-weight: 400;\"> y se transforman en un formato utilizable (XML, JSON, .csv, etc.).<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-be72f4b elementor-widget elementor-widget-heading\" data-id=\"be72f4b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Depuraci\u00f3n de datos<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e8e6b9a elementor-widget elementor-widget-text-editor\" data-id=\"e8e6b9a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Este es el paso del proceso que requiere m\u00e1s tiempo. Los datos pueden contener anomal\u00edas como par\u00e1metros duplicados, valores que faltan o informaci\u00f3n irrelevante que es necesario limpiar antes de<\/span><a href=\"https:\/\/datascientest.com\/es\/dataviz-definicion-objetivos-y-usos\"> <b>crear una visualizaci\u00f3n de datos<\/b><\/a><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">Este paso puede dividirse en dos categor\u00edas:<\/span><\/p><p><span style=\"font-weight: 400;\">&#8211;<\/span><span style=\"font-weight: 400;\"> \u00a0 <\/span> <span style=\"font-weight: 400;\">Examen de los datos para identificar errores, valores que faltan o registros da\u00f1ados.<\/span><\/p><p><span style=\"font-weight: 400;\">&#8211;<\/span><span style=\"font-weight: 400;\"> \u00a0 <\/span> <span style=\"font-weight: 400;\">Limpieza de datos, que implica rellenar huecos, corregir errores, eliminar duplicados y suprimir registros o informaci\u00f3n irrelevante.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-117e597 elementor-widget elementor-widget-heading\" data-id=\"117e597\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Extracci\u00f3n de datos y modelizaci\u00f3n\n<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-79d8ddf elementor-widget elementor-widget-text-editor\" data-id=\"79d8ddf\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Una vez que los datos se han limpiado cuidadosamente, pueden utilizarse para identificar patrones. Aqu\u00ed es donde entran en juego las herramientas de Machine Learning. Estas herramientas te ayudar\u00e1n a <\/span><b>encontrar patrones y aplicar reglas espec\u00edficas a los datos o modelos de datos<\/b><span style=\"font-weight: 400;\">. A continuaci\u00f3n, estas reglas pueden probarse en datos de muestra para determinar c\u00f3mo se ver\u00edan afectados el rendimiento, los ingresos o el crecimiento.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8759c63 elementor-widget elementor-widget-heading\" data-id=\"8759c63\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Interpretaci\u00f3n de datos<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7f00390 elementor-widget elementor-widget-text-editor\" data-id=\"7f00390\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">El objetivo de este paso es identificar primero la informaci\u00f3n y correlacionarla con los resultados de sus datos. Despu\u00e9s, podr\u00e1s comunicar tus conclusiones a los responsables de la empresa o a tus compa\u00f1eros mediante gr\u00e1ficos, cuadros de mando o informes.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ee72944 elementor-widget elementor-widget-heading\" data-id=\"ee72944\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h5 class=\"elementor-heading-title elementor-size-default\">Revisi\u00f3n de datos<\/h5>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cdfdf8e elementor-widget elementor-widget-text-editor\" data-id=\"cdfdf8e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">A medida que cambien los requisitos de la empresa o se obtengan m\u00e1s datos, es importante revisar peri\u00f3dicamente el modelo y efectuar las revisiones necesarias.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5851b12 elementor-widget elementor-widget-spacer\" data-id=\"5851b12\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-6443f83 e-flex e-con-boxed e-con\" data-id=\"6443f83\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-1892c50 elementor-widget elementor-widget-heading\" data-id=\"1892c50\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Conclusi\u00f3n<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ebcebd2 elementor-widget elementor-widget-text-editor\" data-id=\"ebcebd2\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">En este art\u00edculo hemos descrito el uso de pipelines en el sector de la Data. Como<\/span><a href=\"https:\/\/datascientest.com\/es\/cuanto-ganan-los-data-jobs-salarios-de-data-scientist-analyst-engineer\"> <b>Data Engineer<\/b><\/a><span style=\"font-weight: 400;\"> o <\/span><b>Analytics Engineer<\/b><span style=\"font-weight: 400;\">, la creaci\u00f3n y mantenimiento de pipelines de datos es necesaria para asegurar su calidad y disponibilidad para la <\/span>creaci\u00f3n de<b> <a href=\"https:\/\/datascientest.com\/es\/machine-learning-definicion-funcionamiento-usos\">modelos de Machine Learning<\/a><\/b><span style=\"font-weight: 400;\">\u00a0o en un enfoque de Business Intelligence.<\/span><\/p><p><span style=\"font-weight: 400;\">Para obtener m\u00e1s informaci\u00f3n sobre las profesiones de Data Engineer y Analytics Engineer y <\/span><b>los cursos<\/b><span style=\"font-weight: 400;\"> que ofrecemos, visita nuestras p\u00e1ginas espec\u00edficas.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e82281f elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"e82281f\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/es\/formacion-data-engineer\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Descubrir nuestros curso Data Engineer<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-350f25f e-flex e-con-boxed e-con\" data-id=\"350f25f\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-271b145 elementor-widget elementor-widget-html\" data-id=\"271b145\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": [{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"\u00bfPor qu\u00e9 es importante el Data Science pipeline?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Las empresas crean miles de millones de datos cada d\u00eda y cada uno de estos datos contiene informaci\u00f3n procesable. El Data Science pipeline ayuda a sacar el m\u00e1ximo partido de la informaci\u00f3n reuniendo los datos de todos los equipos, limpi\u00e1ndolos y present\u00e1ndolos de forma f\u00e1cilmente asimilable. Esto permite tomar decisiones r\u00e1pidas basadas en datos.\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"\u00bfC\u00f3mo funciona un Data Science pipeline?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Antes de pasar los datos brutos al pipeline, es esencial identificar las cuestiones espec\u00edficas a las que se desea que respondan los datos. Esto ayuda a los usuarios a centrarse en los datos interesantes para obtener la informaci\u00f3n adecuada.\"\r\n    }\r\n  }]\r\n}\r\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Un pipeline es un conjunto de procesos y herramientas utilizados para recopilar datos en bruto de m\u00faltiples fuentes, analizarlos y presentar los resultados en un formato comprensible. Las empresas utilizan pipelines de datos para responder a cuestiones comerciales espec\u00edficas y tomar decisiones estrat\u00e9gicas basadas en datos reales. Para obtener esta informaci\u00f3n, se analizan todas las [&hellip;]<\/p>\n","protected":false},"author":45,"featured_media":166952,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2427],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science<\/title>\n<meta name=\"description\" content=\"Las empresas utilizan pipelines de datos para responder a cuestiones comerciales espec\u00edficas y tomar decisiones estrat\u00e9gicas basadas en datos reales. Para obtener esta informaci\u00f3n, se analizan todas las series de datos disponibles (internos o externos).\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science\" \/>\n<meta property=\"og:description\" content=\"Un pipeline es un conjunto de procesos y herramientas utilizados para recopilar datos en bruto de m\u00faltiples fuentes, analizarlos y presentar los\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science\" \/>\n<meta property=\"og:site_name\" content=\"Formaci\u00f3n en ciencia de datos | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-02-20T14:10:06+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T16:52:55+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2023\/02\/Pipeline-Definicion.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Daniel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Daniel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science\"},\"author\":{\"name\":\"Daniel\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0\"},\"headline\":\"Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science\",\"datePublished\":\"2023-02-20T14:10:06+00:00\",\"dateModified\":\"2023-10-30T16:52:55+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science\"},\"wordCount\":916,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/es\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science\",\"url\":\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science\",\"name\":\"Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/es\/#website\"},\"datePublished\":\"2023-02-20T14:10:06+00:00\",\"dateModified\":\"2023-10-30T16:52:55+00:00\",\"description\":\"Las empresas utilizan pipelines de datos para responder a cuestiones comerciales espec\u00edficas y tomar decisiones estrat\u00e9gicas basadas en datos reales. Para obtener esta informaci\u00f3n, se analizan todas las series de datos disponibles (internos o externos).\",\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/es\/#website\",\"url\":\"https:\/\/datascientest.com\/es\/\",\"name\":\"Formaci\u00f3n en ciencia de datos | DataScientest.com\",\"description\":\"L\u00edder en formaci\u00f3n en Ciencia de Datos\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/es\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/es\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/es\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-spain\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0\",\"name\":\"Daniel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/837acad4f2dc47e85d81cce837261670?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/837acad4f2dc47e85d81cce837261670?s=96&d=mm&r=g\",\"caption\":\"Daniel\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/school\/datascientest\/\",\"user\"],\"jobTitle\":\"ing\u00e9nieur logiciel\",\"worksFor\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/es\/author\/team-redac\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science","description":"Las empresas utilizan pipelines de datos para responder a cuestiones comerciales espec\u00edficas y tomar decisiones estrat\u00e9gicas basadas en datos reales. Para obtener esta informaci\u00f3n, se analizan todas las series de datos disponibles (internos o externos).","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:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science","og_locale":"es_ES","og_type":"article","og_title":"Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science","og_description":"Un pipeline es un conjunto de procesos y herramientas utilizados para recopilar datos en bruto de m\u00faltiples fuentes, analizarlos y presentar los","og_url":"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science","og_site_name":"Formaci\u00f3n en ciencia de datos | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-02-20T14:10:06+00:00","article_modified_time":"2023-10-30T16:52:55+00:00","og_image":[{"width":1024,"height":562,"url":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2023\/02\/Pipeline-Definicion.png","type":"image\/png"}],"author":"Daniel","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Escrito por":"Daniel","Tiempo de lectura":"5 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science#article","isPartOf":{"@id":"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science"},"author":{"name":"Daniel","@id":"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0"},"headline":"Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science","datePublished":"2023-02-20T14:10:06+00:00","dateModified":"2023-10-30T16:52:55+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science"},"wordCount":916,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/es\/#organization"},"articleSection":["Data Science"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science","url":"https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science","name":"Pipeline: Definici\u00f3n, funcionamiento y uso en Data Science","isPartOf":{"@id":"https:\/\/datascientest.com\/es\/#website"},"datePublished":"2023-02-20T14:10:06+00:00","dateModified":"2023-10-30T16:52:55+00:00","description":"Las empresas utilizan pipelines de datos para responder a cuestiones comerciales espec\u00edficas y tomar decisiones estrat\u00e9gicas basadas en datos reales. Para obtener esta informaci\u00f3n, se analizan todas las series de datos disponibles (internos o externos).","inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/es\/pipeline-definicion-funcionamiento-y-uso-en-data-science"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/es\/#website","url":"https:\/\/datascientest.com\/es\/","name":"Formaci\u00f3n en ciencia de datos | DataScientest.com","description":"L\u00edder en formaci\u00f3n en Ciencia de Datos","publisher":{"@id":"https:\/\/datascientest.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/es\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-spain\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/es\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0","name":"Daniel","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/datascientest.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/837acad4f2dc47e85d81cce837261670?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/837acad4f2dc47e85d81cce837261670?s=96&d=mm&r=g","caption":"Daniel"},"sameAs":["https:\/\/www.linkedin.com\/school\/datascientest\/","user"],"jobTitle":"ing\u00e9nieur logiciel","worksFor":"DataScientest","url":"https:\/\/datascientest.com\/es\/author\/team-redac"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts\/166950"}],"collection":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/users\/45"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/comments?post=166950"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts\/166950\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/media\/166952"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/media?parent=166950"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/categories?post=166950"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/tags?post=166950"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}