Quick Sight: analítica sobre la población de afiliaciones

El plato fuerte del workshop. Conectarás Quick Sight directo a la tabla poblacion_afiliaciones vía Athena (~8.4 millones de filas, 172 columnas), construirás un dashboard ejecutivo y le harás preguntas en español con un topic.

Lab 1: el dataset desde Athena

El instructor ya dejó creado el dataset compartido poblacion_afiliaciones (conectado vía Athena, workgroup auna-quick-wg, base auna_dl_qa_poblacion). Así se hizo, para que conozcas el camino:

  1. Se creó la data source Athena (auna-quick-ds) apuntando al workgroup auna-quick-wg.
  2. Sobre ella, el dataset con la tabla poblacion_afiliaciones (172 columnas).
  3. Modo de consulta: SPICE: los 8.4 millones de registros están importados al motor en memoria de Quick Sight, así que la exploración y los visuales responden al instante.

Tu tarea: entra a Datasets, abre poblacion_afiliaciones, revisa el esquema (los datos vienen seudonimizados: AFILIADO-…) y familiarízate con los grupos de columnas del módulo de introducción.

⚠️ Si el dataset no te aparece, pide al instructor que te comparta permisos sobre él. Si intentas crear un dataset propio y la UI nueva falla al publicar, usa el enlace "Switch back to legacy experience": la interfaz clásica es más estable.

Lab 2: campos calculados

En el editor del dataset, crea estos 3 campos:

antiguedad_anios = dateDiff({fec_afil_desde}, now(), "YYYY")

es_activo = ifelse({codigo_estado_afiliado} = "E0003", 1, 0)

💡 Los estados reales son: Afiliado (E0003), Desafiliado (E0004) y Preafiliado (E0001).

grupo_etario = ifelse({edad_afiliado} < 18, "Menor", {edad_afiliado} < 30, "18-29",
               {edad_afiliado} < 45, "30-44", {edad_afiliado} < 60, "45-59", "60+")

Lab 3: análisis con 5 visuales

Crea un análisis desde el dataset y arma:

  1. Evolución de afiliaciones (línea): eje X fec_afil_desde (agregado por mes), valor = conteo de filas.
  2. Cartera por programa (barras horizontales): programa × conteo, ordenado descendente.
  3. Mapa de cartera (barras o mapa): departamento_afil × conteo.
  4. Pirámide poblacional (barras): grupo_etario × conteo, color por sexo_afiliado.
  5. Bajas por motivo (tabla): motivo_baja × conteo, filtrando filas con motivo no vacío.

Agrega un filtro global por programa y otro por año de fec_afil_desde.

Lab 4: publica el dashboard

  1. Publica el análisis como dashboard: Población Oncosalud - Visión General - <tu usuario>.
  2. Compártelo con el grupo de participantes (viewer).
  3. Abre el dashboard de un compañero y prueba sus filtros.

Lab 5: topic para Q&A en lenguaje natural

  1. Crea un Topic desde el dataset: Población de afiliaciones.
  2. En la configuración del topic, cura los campos clave: marca como relevantes programa, estado_afiliado, departamento_afil, canal_dist, edad_afiliado, fec_afil_desde, motivo_baja; excluye los códigos internos (cod_*) que no aportan a preguntas de negocio.
  3. Agrega sinónimos: afiliados = clientes = asegurados, baja = churn = deserción, programa = producto.
  4. Prueba estas preguntas:
¿Cuántos afiliados activos hay por programa?

¿Cómo evolucionaron las afiliaciones por año desde 2020?

Top 5 departamentos por número de afiliados

¿Cuáles son los principales motivos de baja?

¿Qué canal de distribución trae más afiliados menores de 30 años?
  1. Fija (pin) la mejor respuesta al dashboard o al space.

Lab 6 (opcional): scenario what-if

  1. Crea un Scenario sobre el análisis: Retención 2027.
  2. Pregunta guía: Si la tasa mensual de bajas se redujera 10%, ¿cómo cambiaría la población activa en 12 meses?
  3. Sigue los pasos que propone el scenario y documenta la conclusión en el space.

Verificación

Módulo de referencia del workshop original: Quick Sight