Data Dashboard Laboratoria

https://frishlin.github.io/dashboard-laboratoria/

Optimizar la data de las alumnas de Laboratoria en todas sus sedes, esto con la finalidad de que los Training Managers puedan acceder a la informaciòn de una manera fácil y rápida.

Este proyecto está más enfocado a la funcionalidad y a cumplir con lo solicitado por el cliente en cuanto a la visualización de los datos y su respectiva gráfica.

Objetivo

• Analizar la mayor cantidad de datos respecto al desempeño de las estudiantes y así mejorar el desarrollo en su aprendizaje.

• Que en una sola pantalla se puedan mostrar todos los datos que se solicitan a continuación, de una forma simple y rápida:

  • Total de estudiantes presentes por sede y por generación

  • El porcentaje de deserción de estudiantes.

  • Cantidad de estudiantes que superan la meta de puntos en promedio de todos los sprints cursados en laboratoria (meta: 70%).

  • Porcentaje que representa el dato anterior en relación al total de estudiantes.

  • La cantidad y el porcentaje que representa el total de estudiantes que superan la meta de puntos técnicos y HSE en promedio y por sprint

  • Porcentaje de estudiantes satisfechas con la experiencia de Laboratoria

  • Puntuación promedio de los profesores

  • Puntuación promedio de los jedi masters

  • El Net Promoter Score (NPS) promedio de los sprints cursados.

    • Calculado respecto a una encuesta aplicada sobre la recomendación que darían de Laboratoria con la formula

    [Promoters] = [Respuestas 9 o 10] / [Total respuestas] * 100
    [Passive] = [Respuestas 7 u 8] / [Total respuestas] * 100
    [Detractors] = [Respuestas entre 1 y 6] / [Total respuestas] * 100
  
    [NPS] = [Promoters] - [Detractors]
  

Flujo de trabajo

1. Se realizó el análisis la data de las estudiantes encontrando lo siguiente;

• La sede Arequipa se conforma de 2 generaciones: 2016-2 y 2017-1, con 4 y 3 sprint, respectivamente.
• La sede CDMX se conforma de 2 generaciones: 2017-1 y 2017-2, con 3 y 2 sprints, respectivamente.
• La sede Lima se conforma de 3 generaciones: 2016-2, 2017-1 y 2017-2, con 2, 4 y 2 sprints, respectivamente.
• La sede Santiago de Chile se conforma de 3 generaciones: 2016-2, 2017-1 y 2017-2, con 4, 3 y 2 sprints, respectivamente.

-Diferencias sprints Arequipa 2016-2, 4 sprints | Lima sólo 2.
-En la generación 2017-1, Arequipa tuvo 3 sprints y Lima 4.

En ambas sedes se consideró la opción NA para que contengan los mismos datos

3.- Analisis de la información que requiere el cliente;

• Total de estudiantes presentes por sede y generación:
  • Sumar el total de True de cada generación y sede
• El porcentaje de deserción de estudiantes.
  • Realizar la suma total de True y False
  • Realizar la suma total de False
  • Obtener el porcentaje con la fórmula: totalFalse * 100 / TotalFalseTrue
• La cantidad de estudiantes que superan la meta de puntos en promedio de todos los sprints cursados. La meta de puntos es 70% del total de puntos en HSE y en tech.
  • Obtener promedio de los sprint que conforman cada generación, por alumna, tanto de Tech como de HSE.
  • Con un if identificar a las alumnas que obtuvieron un promedio >= 70, tanto de HSE como de Tech
• El porcentaje que representa el dato anterior en relación al total de estudiantes.
  • Obtener el porcentaje de alumnas que obtuvieron la mínima aprobatoria con la fórmula: totalMínimoAprobatorio * 100 / totalFalseTrue

Todos los elementos, con excepción del selector, se crean dinámicamente

Herramientas utilizadas

• HTML5, CSS3, API de GOOGLE para generar gráficas
• Elementos creados dinámicamente con DOM