F62 — Análisis estadístico exploratorio de datos cargados

Categoría: Addendum — hallazgos del prototipo

Objetivo

Ofrecer análisis exploratorio (no solo visualización) sobre un dataset de mediciones: estadísticas descriptivas, evaluación de asimetría (skew) por variable, detección de valores atípicos vía boxplots, matriz de correlación entre variables, y comparación de variables por categoría (ej. tipo de vegetación) y condición (ej. día/noche), con conclusiones redactadas.

Contexto

Distinto de F29 (visualización/gráficos configurables por el usuario final) y de F16 (publicar un modelo predictivo ya construido): esto es el paso de análisis exploratorio previo, típicamente hecho por un investigador o el equipo técnico sobre un dataset específico, no una herramienta self-service para cualquier usuario.

Qué hay

Implementado en el prototipo como notebook de Python (pandas/seaborn/matplotlib) sobre un dataset fijo (PrototipoCOLFLUX/estadis/Análisis correlaciones guatavita.ipynb), corrido manualmente, sin conexión al backend ni a datos cargados dinámicamente por usuarios.

Qué hace falta

• ¿Se automatiza como reporte generado por el sistema al cargar un dataset nuevo, o queda como herramienta de analista fuera de la plataforma (notebook aparte)?
• ¿A quién se le expone (solo investigadores acreditados)?
• Integrar la lógica del notebook a un flujo dentro de la plataforma (hoy es 100% manual y desconectado de datos en vivo).