No puedo estar más de acuerdo. De hecho en el campo de la ciencia de datos a los perfiles más encargados de construir pipelines se les suele llamar "data engineers" y son perfiles que tienen conocimiento en Python, SQL y, sí, también estadística, ya que la normalización y el posible muestreo durante el proceso son técnicas que requieren de ese tipo de conocimiento. Grandísimo post, Jorge, muy necesario y muy alineado a lo que estamos construyendo actualmente. Muchas gracias.
Muy buena guia para conocer a donde lleva el camino detrás de los tags. Veo mucha tendencia a que la imagen sea que todo es poner tags y ver eventos en GA4. Para mí, aunque esto es cuestión de gustos, las diversión empieza después 😎🐍.
muchas gracias Alfonso! Precisamente de eso me intento alejar aquí, porque poco recorrido le veo a poner tags como siempre en GTM y usar ga4 como fuente de la verdad. Gracias por leer!
No puedo estar más de acuerdo. De hecho en el campo de la ciencia de datos a los perfiles más encargados de construir pipelines se les suele llamar "data engineers" y son perfiles que tienen conocimiento en Python, SQL y, sí, también estadística, ya que la normalización y el posible muestreo durante el proceso son técnicas que requieren de ese tipo de conocimiento. Grandísimo post, Jorge, muy necesario y muy alineado a lo que estamos construyendo actualmente. Muchas gracias.
Gracias Ubaldo!! Creo que todos los que tenemos algo de profundidad en este campo vamos pensando en lo mismo, cada uno en su área claro. Abrazo!
¡Muy buen post! Gracias por tomarte el tiempo. 🙏🙏
Gracias a ti por leer!
Muy buena guia para conocer a donde lleva el camino detrás de los tags. Veo mucha tendencia a que la imagen sea que todo es poner tags y ver eventos en GA4. Para mí, aunque esto es cuestión de gustos, las diversión empieza después 😎🐍.
muchas gracias Alfonso! Precisamente de eso me intento alejar aquí, porque poco recorrido le veo a poner tags como siempre en GTM y usar ga4 como fuente de la verdad. Gracias por leer!