OliMat Data Explorerby OliMat Systems
Inicio / Casos de uso
Objetivo → pasos → resultado

Así se usa en el trabajo real.

Cada caso indica dónde entrar, qué pulsar y qué obtienes. Puedes empezar sin SQL y conservar como consulta reproducible lo que merezca repetirse.

Ver los 8 flujosAbrir manual completo
Guías ejecutables

Ocho problemas frecuentes, explicados.

Los nombres en negrita corresponden a pestañas o acciones visibles en la aplicación.

Calidad de datos

Validar un archivo Parquet antes de reportar

Objetivo: encontrar nulos, duplicados, tipos mixtos y valores atípicos, y llegar hasta las filas afectadas.

  1. Usa Abrir archivo y selecciona el .parquet.
  2. En Esquema, revisa nombres, tipos y tamaño general.
  3. En Calidad, ejecuta los controles y selecciona cada advertencia.
  4. Abre los registros afectados en Datos & SQL; en Perfil, confirma distribución y valores frecuentes.

Resultado: lista investigable de anomalías y un perfil HTML opcional para adjuntar al control.

Manual: calidad y perfil →
ETL y auditoría

Comparar dos versiones de un dataset

Objetivo: comprobar si una nueva entrega cambió filas, columnas, tipos o nulos.

  1. Abre la versión anterior y usa Agregar archivo como tabla para sumar la nueva.
  2. Renombra las tablas en el árbol, por ejemplo anterior y nueva.
  3. En Comparar, elige ambas tablas y ejecuta la comparación.
  4. Si necesitas validar claves concretas, abre Datos & SQL y realiza un JOIN o ANTI JOIN.

Resultado: diferencias estructurales y métricas de contenido, con SQL para localizar registros añadidos o faltantes.

Manual: comparar datasets →
Análisis sin código

Crear un resumen operativo y una tabla dinámica

Objetivo: obtener una primera lectura y responder “cuánto por categoría y periodo” sin programar.

  1. Abre el archivo y entra en Dashboard para revisar distribuciones, categorías y series.
  2. En Pivot, coloca periodo o zona en filas y una categoría en columnas.
  3. Elige una medida numérica y la agregación: suma, promedio, conteo, mínimo o máximo.
  4. Exporta el resultado a Excel o conserva la consulta generada.

Resultado: resumen visual y matriz tabular lista para reporte o revisión.

Manual: dashboard y pivote →
Ciencia de datos

Explorar relaciones antes de modelar

Objetivo: reconocer variables relacionadas, patrones y posibles no linealidades antes de pasar a Python o R.

  1. En Perfil, confirma tipos, dispersión y valores extremos de las variables numéricas.
  2. En Correlación, calcula Pearson o Spearman y revisa los pares más fuertes.
  3. Abre el detalle del par en dispersión.
  4. En Gráfico X-Y, ajusta ejes, agrupación, muestra y tipo de gráfico.

Resultado: hipótesis visuales y pares prioritarios para análisis estadístico posterior.

Manual: correlación y gráficos →
Gobernanza

Crear un diccionario de datos reutilizable

Objetivo: documentar significado, unidad y observaciones de cada campo dentro del proyecto.

  1. Revisa nombres y tipos en Esquema.
  2. Abre Diccionario y selecciona la tabla activa.
  3. Completa descripción, unidad, dominio u observaciones por columna.
  4. Guarda el workspace .pvpw y exporta el diccionario para compartirlo.

Resultado: metadatos que viajan con el proyecto y reducen ambigüedades entre equipos.

Manual: diccionario de datos →
GIS, pesca y oceanografía

Mapear coordenadas y filtrar un área

Objetivo: visualizar puntos o densidad, cruzar una capa y enviar la selección geográfica a resultados.

  1. En Mapa, asigna latitud y longitud y elige puntos o grilla de densidad.
  2. Selecciona una variable de peso y un rango temporal si corresponde.
  3. Agrega una capa local de zonas, puertos o límites.
  4. Dibuja caja, lazo, círculo o polígono; envía el filtro a Datos & SQL y exporta GeoJSON o PNG.

Resultado: subconjunto espacial reproducible y mapa con leyenda, escala y atribución.

Manual: mapa y selección →
Bases de datos

Analizar una consulta Oracle localmente

Objetivo: traer solo el resultado necesario, combinarlo con archivos y devolver una salida si se requiere.

  1. Elige Importar desde Oracle y completa servidor, servicio y usuario; la contraseña no se guarda.
  2. Escribe una consulta limitada a columnas y periodos necesarios.
  3. Importa el resultado como tabla del workspace y combínalo con CSV, Excel o Parquet.
  4. Exporta a archivo o, con permisos adecuados, usa Exportar a Oracle.

Resultado: análisis local sin instalar Oracle Instant Client y con credenciales mejor controladas.

Manual: Oracle →
Interoperabilidad

Abrir formatos difíciles y entregar el adecuado

Objetivo: recuperar datos de RDS/RData, CSV con codificación antigua, Excel complejo o JSON anidado.

  1. Abre el archivo normalmente; si contiene varias hojas o tablas, elige las necesarias.
  2. Comprueba la estructura en Esquema y usa el visor de celdas para listas o JSON anidado.
  3. Filtra o transforma en Datos & SQL.
  4. Usa Exportar: Parquet para conservar tipos, Excel/CSV para intercambio, SQLite para base portátil o GeoJSON para GIS.

Resultado: datos legibles, tipados y entregados sin depender del programa que los originó.

Manual: formatos y exportación →
Cobertura funcional

Los 12 módulos participan en estos flujos.

Datos & SQL, Esquema, Estadísticas, Calidad, Perfil, Dashboard, Pivot, Gráfico X-Y, Correlación, Comparar, Diccionario y Mapa comparten la misma tabla y contexto.

Ver funciones por móduloDescargar 4.60.3