• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

Laboratorio

mayo 18, 2026 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 2 minutos

Noticias

Seguimos evolucionando el laboratorio de Analytics Lane y hoy lanzamos la versión 1.1, disponible en: https://www.analyticslane.com/lab/es

Tras la versión 1.0, este nuevo lanzamiento introduce uno de los cambios más importantes en la estructura del laboratorio: el paso de aplicaciones individuales a suites de herramientas en áreas clave.

CLV y Scoring: de aplicaciones a suites completas

Uno de los desarrollos que más tiempo ha llevado ha sido todo lo relacionado con el Customer Lifetime Value (CLV). Hasta ahora no lo habíamos publicado versión 1.0 porque queríamos que tuviese suficiente entidad y coherencia.

El resultado es una suite completa de CLV, que incluye:

  • CLV Simple
  • Segmentación RFM
  • Modelos probabilísticos como BG/NBD y BG/BB
  • Un dashboard comparativo

Más que herramientas independientes, estas aplicaciones están pensadas para trabajar juntas y dar una visión más completa del valor del cliente.

En paralelo, la parte de scoring también evoluciona en la misma dirección. Lo que antes eran dos aplicaciones aislada pasa a convertirse en una suite que cubre todo el ciclo de vida del modelo:

  • Constructor de scorecards
  • Aplicación de scorecards
  • Análisis Champion vs Challenger
  • Monitorización de modelos

En ambos casos (CLV y scoring) hemos visto que tenía mucho más sentido agrupar las funcionalidades como conjuntos coherentes, ya que unas herramientas se apoyan en otras y permiten flujos de trabajo más reales.

La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan – El bestiario de los indicadores económicos absurdos (parte 2)
En Analytics Lane
La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan – El bestiario de los indicadores económicos absurdos (parte 2)

Nuevas aplicaciones

Además de estas suites, la versión 1.1 incorpora nuevas herramientas:

  • Frontera eficiente de Markowitz para optimización de carteras
  • Simulador de fronteras de decisión en algoritmos de clasificación
  • Simulador de cadenas de Markov, con soporte para PageRank y colas M/M/1

Publicidad


Mejoras generales

También hemos introducido varias mejoras en el conjunto del laboratorio:

  • Mejora de rendimiento y velocidad de carga
  • Guardado de sesión en varias aplicaciones
  • Mejoras visuales en herramientas como el inspector JWT y el formateador JSON
  • Ajustes generales en la interfaz
  • Mejoras en la generación de PDFs
  • Ampliación de la documentación

Un laboratorio que sigue creciendo

Con esta versión seguimos avanzando en la misma idea: construir un laboratorio donde no solo haya herramientas aisladas, sino conjuntos que permitan entender y aplicar conceptos de forma más completa.

Seguiremos ampliando estas suites y añadiendo nuevas aplicaciones en futuras versiones.

Imagen de Michael Gaida en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • DBSCAN y la selección de ε: teoría, intuición y aplicación práctica
  • Por qué el banco te ofrece un 3% TAE y no es lo que parece
  • Analytics Lane lanza ScoreFlow, un SaaS para construir y desplegar scorecards de crédito
  • Calibración vs Discriminación en Credit Scoring: diferencias clave y cómo evaluarlas

Publicado en: Noticias Etiquetado como: Laboratorio

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Las fórmulas con DNI, o cómo dividir cualquier cosa entre cualquier otra cosa puede acabar publicado en un titular serio – El bestiario de los indicadores económicos absurdos (parte 5)

julio 2, 2026 Por Daniel Rodríguez

Analytics Lane lanza ScoreFlow, un SaaS para construir y desplegar scorecards de crédito

julio 1, 2026 Por Daniel Rodríguez

DBSCAN y la selección de ε: teoría, intuición y aplicación práctica

junio 30, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Comprobar hash SHA-256 o MD5 en Windows, macOS y Linux publicado el noviembre 1, 2023 | en Criptografía, Herramientas
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Función de interpolación lineal en Excel sin VBA publicado el noviembre 3, 2021 | en Herramientas
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto