Tu primer analista de datos con IA: analiza un CSV en un sandbox (paso a paso)
Equipo Easybits
4 min de lectura
ejemplos
Este es el primero de nuestros Ejemplos: recetas cortas para que empieces a usar el SDK de Easybits sin enredarte. Si nunca has tocado un sandbox, este es el lugar perfecto para arrancar.
La idea es sencilla: tienes un archivo de ventas (un CSV) y quieres respuestas — ¿qué se vendió más?, ¿cómo fue cada mes?, ¿cuánto gasta en promedio un cliente? En vez de abrir Excel o instalar Python en tu compu, subes el archivo a un sandbox (una caja limpia y aislada en la nube), corres unas líneas de código ahí dentro, y te traes el resultado. Cuando terminas, apagas la caja y no queda nada.
👉 Descarga el CSV de ejemplo para seguir el tutorial: ventas-demo.csv — son 215 ventas ficticias (datos inventados, nada real) con estas columnas:
fecha, cliente, producto, categoria, ciudad, cantidad, precio_unitario, total, metodo_pago
Lo que vamos a hacer
- Crear un sandbox.
- Subirle el CSV.
- Hacerle 3 preguntas con un poco de Python.
- Sacar una gráfica.
- Apagar el sandbox.
Nada más. Vamos.
Paso 0: instalar el SDK
Necesitas una API key (la consigues en tu panel de Easybits). Guárdala en una variable de entorno para no escribirla en el código:
Paso 1: crear el sandbox y subir el CSV
Listo: el archivo ya vive dentro del sandbox como ventas.csv. Tu compu no corrió nada — solo mandó el archivo.
Paso 2: cargar los datos
Para correr Python dentro del sandbox usamos runCell. Lo bueno de runCell es que recuerda lo de antes: las variables que defines en una llamada siguen vivas en la siguiente. Así que cargamos el CSV una vez y lo reutilizamos.
pandas es la herramienta estándar de Python para trabajar con tablas. Cada llamada a runCell te devuelve, entre otras cosas, el stdout — o sea, lo que imprimiste con print.
Paso 3: las 3 preguntas
¿Qué productos se vendieron más?
¿Cuánto se vendió cada mes?
¿Cuál es el ticket promedio?
Cada bloque imprime su respuesta y la leemos en stdout. Fíjate que df sigue existiendo en las tres preguntas: lo cargamos una sola vez en el Paso 2.
Paso 4: una gráfica
También puedes generar imágenes. Cuando tu código produce una gráfica, te llega dentro de results como una imagen en base64, lista para guardar:
Paso 5: apagar
Cuando terminas, apaga la caja. No dejes sandboxes prendidos que no usas.
Y eso es todo. Subiste datos, los analizaste y sacaste una gráfica sin instalar nada en tu máquina.
Bonus: deja que la IA escriba el Python por ti
¿No sabes pandas? No importa. Puedes pedirle a un modelo que escriba el código y solo correrlo:
Tú describes lo que quieres en español, la IA lo traduce a código y el sandbox lo corre de forma segura. Ese es, en el fondo, el corazón de un "analista de datos con IA".
¿Qué sigue?
En este ejemplo corrimos todo en serie, en una sola caja. En el siguiente vamos a probar varias versiones a la vez y quedarnos con la mejor. Ese es el siguiente Ejemplo.
Mientras tanto: descarga el CSV, npm i @easybits.cloud/sdk, y pega el código de arriba. En unos minutos tienes tu primer análisis corriendo.
