{"id":1280,"date":"2018-09-17T07:54:05","date_gmt":"2018-09-17T07:54:05","guid":{"rendered":"https:\/\/lisdatasolutions.sidnpre.com\/2018\/09\/17\/como-predecir-consumos-con-algoritmos-de-machine-learning\/"},"modified":"2025-08-25T14:07:17","modified_gmt":"2025-08-25T12:07:17","slug":"como-predecir-consumos-con-algoritmos-de-machine-learning","status":"publish","type":"post","link":"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/","title":{"rendered":"\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning?"},"content":{"rendered":"<p>Siguiendo el <strong><a href=\"https:\/\/www.lisdatasolutions.com\/es\/blog\/algoritmos-de-machine-learning-y-como-seleccionar-el-mejor1-3\/\">post<\/a>\u00a0<\/strong>de la semana pasada que serv\u00eda de introducci\u00f3n a los algoritmos de <strong>Machine<\/strong> <strong>Learning<\/strong> , se realizar\u00e1 una predicci\u00f3n de consumos. Partiendo de consumos pasados, se tratar\u00e1 de predecir los futuros y ver c\u00f3mo se ajusta la predicci\u00f3n a la realidad.<\/p>\n<p>Para ello se analizar\u00e1n los datos de los que se dispone, qu\u00e9 es la estacionalidad y en qu\u00e9 afecta a los algoritmos de aprendizaje y por \u00faltimo la elecci\u00f3n del algoritmo y su programaci\u00f3n en lenguaje R.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_55 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title \" >Tabla de contenidos<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\" role=\"button\"><label for=\"item-69d5ef2c73f8d\" ><span class=\"\"><span style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input aria-label=\"Toggle\" aria-label=\"item-69d5ef2c73f8d\"  type=\"checkbox\" id=\"item-69d5ef2c73f8d\"><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/#Machine_Learning_%E2%80%93_Prediccion_de_consumos\" title=\"Machine Learning &#8211; Predicci\u00f3n de consumos\">Machine Learning &#8211; Predicci\u00f3n de consumos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/#%C2%BFQue_datos_necesitamos_para_poder_predecir_utilizando_algoritmos_de_Machine_Learning\" title=\"\u00bfQu\u00e9 datos necesitamos para poder predecir utilizando algoritmos de Machine Learning?\">\u00bfQu\u00e9 datos necesitamos para poder predecir utilizando algoritmos de Machine Learning?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/#Arima_como_algoritmo_de_prediccion\" title=\"Arima como algoritmo de predicci\u00f3n\">Arima como algoritmo de predicci\u00f3n<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Machine_Learning_%E2%80%93_Prediccion_de_consumos\"><\/span>Machine Learning &#8211; Predicci\u00f3n de consumos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>El objetivo final de esta serie de post ser\u00e1 conseguir adelantarse a eventos futuros y, de esta forma, poder anticipar los recursos necesarios en la empresa para hacer frente tanto a los picos como a los valles en las ventas.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"%C2%BFQue_datos_necesitamos_para_poder_predecir_utilizando_algoritmos_de_Machine_Learning\"><\/span>\u00bfQu\u00e9 datos necesitamos para poder predecir utilizando algoritmos de Machine Learning?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Se dispone de los datos de ventas agrupados por mensualidades, datando los m\u00e1s antiguos, de Junio del 2014, y los m\u00e1s recientes, de Enero del 2017, por lo que se busca realizar una predicci\u00f3n de 9 meses. Se dispone adem\u00e1s de los datos reales entre los meses de Febrero y Octubre del 2017 para, una vez realizada la predicci\u00f3n, poder comparar con los resultados de la misma.<\/p>\n<p>Series estacionarias y series que tienen estacionalidad<\/p>\n<p>El estudio de la serie temporal de la que se dispone es una de las complejidades del proceso de selecci\u00f3n del algoritmo de predicci\u00f3n.<\/p>\n<p>Lo primero de todo, es determinar si la serie es o no estacionaria (stationary serie o non-stationary serie). La gran mayor\u00eda de los algoritmos de predicci\u00f3n est\u00e1n dise\u00f1ados para realizar las predicciones sobre series estacionarias; por lo que es muy importante entender c\u00f3mo es una serie estacionaria. Como se puede ver en este <strong><a href=\"https:\/\/www.analyticsvidhya.com\/blog\/2015\/12\/complete-tutorial-time-series-modeling\/\" rel=\"noopener\">enlace<\/a><\/strong>, se puede identificar de manera gr\u00e1fica si nuestra serie es o no estacionaria. Existen <strong>tres criterios<\/strong> para poder clasificar si la <strong>serie<\/strong> es o no <strong>estacionaria<\/strong>:<\/p>\n<ul>\n<li>La <strong>media<\/strong> de la serie temporal no debe tener dependencia del tiempo, es decir, debe de ser constante. Como se muestra en la imagen adjunta, la gr\u00e1fica verde se corresponde con la gr\u00e1fica estacionaria, donde podemos ver que la media es constante, mientras que en la gr\u00e1fica roja se puede observar que la media va aumentando en funci\u00f3n del tiempo.<\/li>\n<\/ul>\n<p><img src=\"https:\/\/www.lisdatasolutions.com\/wp-content\/uploads\/2019\/04\/estacionalidad-300x135.png\" alt=\"\" width=\"300\" height=\"135\" \/><\/p>\n<ul>\n<li>La <strong>varianza<\/strong> de la serie temporal debe de ser constante, es decir, no debe variar en funci\u00f3n del tiempo. Como en el caso anterior, la gr\u00e1fica verde corresponder\u00eda a una serie estacionaria, frente a la no estacionaria\u00a0en rojo. En la primera de ellas, la varianza es constante, mientras que en la segunda la varianza var\u00eda con el tiempo, ya que, como se observa, la diferencia entre los m\u00e1ximos y los m\u00ednimos es mayor en la zona central de la gr\u00e1fica roja.<\/li>\n<\/ul>\n<p><img src=\"https:\/\/www.lisdatasolutions.com\/wp-content\/uploads\/2019\/04\/estacionalidad_2-300x134.png\" alt=\"\" width=\"300\" height=\"134\" \/><\/p>\n<ul>\n<li>El \u00faltimo criterio, est\u00e1 relacionado con la <strong>covarianza<\/strong> entre un punto <em>\u201ci\u201d<\/em> de la serie temporal y el punto <em>\u201c(i+m)\u201d<\/em>. En estos puntos, la covarianza debe ser constante en el tiempo. Como se puede observar, la gr\u00e1fica roja no cumple este requisito dado que se \u201cencoge\u201d y \u201calarga\u201d en funci\u00f3n del tiempo, mientras que la gr\u00e1fica verde tiene todos los m\u00e1ximos y los m\u00ednimos a la misma distancia.<\/li>\n<\/ul>\n<p><img src=\"https:\/\/www.lisdatasolutions.com\/wp-content\/uploads\/2019\/04\/estacionalidad_3-300x134.png\" alt=\"\" width=\"300\" height=\"134\" \/><\/p>\n<p>Otro de los puntos importantes a la hora de aplicar un algoritmo de predicci\u00f3n es saber si la serie tiene <strong>estacionalidad<\/strong> (seasonal serie o non-seasonal serie). Es decir, es importante desestacionalizar la serie para eliminar los periodos de m\u00e1s o menos ventas, como puede ser la temporada de verano o la de invierno.<\/p>\n<p>Tras estudiar los consumos representados en la primera de las gr\u00e1ficas, es f\u00e1cil observar que esta serie no es estacionaria y tampoco tiene una estacionalidad marcada, simplemente se vende menos en Agosto y en Diciembre.<\/p>\n<p>El algoritmo que se utilizar\u00e1 debido a las propiedades identificadas en el proceso anterior, se localiza en el programa estad\u00edstico <a href=\"https:\/\/www.r-project.org\/\" rel=\"noopener\">R<\/a> y se trata de la funci\u00f3n \u201c<strong><a href=\"https:\/\/www.rdocumentation.org\/packages\/forecast\/versions\/8.1\/topics\/auto.arima\" rel=\"noopener\">auto.arima<\/a><\/strong>\u201d. Esta funci\u00f3n de <strong><a href=\"https:\/\/www.r-project.org\/\" rel=\"noopener\">R<\/a> <\/strong>trabaja con series estacionarias o no y con series que tengan o no una estacionalidad marcada.<\/p>\n<p>Por \u00faltimo, se utilizar\u00e1 <a href=\"https:\/\/www.lisdatasolutions.com\/es\/que-es-knime\/\"><strong>Knime <\/strong><\/a>con la integraci\u00f3n de <strong><a href=\"https:\/\/www.r-project.org\/\" rel=\"noopener\">R<\/a><\/strong>. <strong><a href=\"https:\/\/www.lisdatasolutions.com\/es\/blog\/algoritmo-pca-de-lo-complejo-a-lo-sencillo\/\">Aqu\u00ed<\/a> <\/strong>se encuentra otro post relacionado con <a href=\"https:\/\/www.lisdatasolutions.com\/es\/que-es-knime\/\"><strong>Knime <\/strong><\/a>y <strong><a href=\"https:\/\/www.r-project.org\/\" rel=\"noopener\">R<\/a><\/strong>. A continuaci\u00f3n se muestra una imagen de c\u00f3mo quedar\u00eda la interfaz gr\u00e1fica en Knime:<\/p>\n<p><img src=\"https:\/\/www.lisdatasolutions.com\/wp-content\/uploads\/2019\/04\/knime-300x119.png\" alt=\"\" width=\"300\" height=\"119\" \/><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Arima_como_algoritmo_de_prediccion\"><\/span>Arima como algoritmo de predicci\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Por consiguiente, para realizar una <strong>predicci\u00f3n de ventas<\/strong>, donde s\u00f3lo se dispone de las ventas a pasado, un algoritmo f\u00e1cil de utilizar es el algoritmo <strong><a href=\"https:\/\/en.wikipedia.org\/wiki\/Autoregressive_integrated_moving_average\" rel=\"noopener\">Arima<\/a><\/strong>. Por ello, como ya hemos comentado, para utilizar este algoritmo se recurre a la funci\u00f3n de R <strong><em>\u201cauto.arima\u201d<\/em><\/strong>. Esta funci\u00f3n trabaja tanto con series estacionarias o no estacionarias y con series que tengan una estacionalidad marcada o no. Por todo ello, esta funci\u00f3n de R es la elegida para realizar esta predicci\u00f3n.<\/p>\n<p><em>En el pr\u00f3ximo post&#8230;<\/em><\/p>\n<p>En el post de la semana que viene, se representar\u00e1n los resultados de manera gr\u00e1fica y se comparar\u00e1 la predicci\u00f3n realizada con los consumos reales durante los meses evaluados.<\/p>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Siguiendo el post\u00a0de la semana pasada que serv\u00eda de introducci\u00f3n a los algoritmos de Machine Learning , se realizar\u00e1 una predicci\u00f3n de consumos. Partiendo de consumos pasados, se tratar\u00e1 de predecir los futuros y ver c\u00f3mo se ajusta la predicci\u00f3n a la realidad. Para ello se analizar\u00e1n los datos de los que se dispone, qu\u00e9 [&hellip;]<\/p>\n","protected":false},"author":21,"featured_media":1281,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"categories":[111,26],"tags":[],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v20.1 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning? | LIS Data Solutions<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning? | LIS Data Solutions\" \/>\n<meta property=\"og:description\" content=\"Siguiendo el post\u00a0de la semana pasada que serv\u00eda de introducci\u00f3n a los algoritmos de Machine Learning , se realizar\u00e1 una predicci\u00f3n de consumos. Partiendo de consumos pasados, se tratar\u00e1 de predecir los futuros y ver c\u00f3mo se ajusta la predicci\u00f3n a la realidad. Para ello se analizar\u00e1n los datos de los que se dispone, qu\u00e9 [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/\" \/>\n<meta property=\"og:site_name\" content=\"LIS Data Solutions\" \/>\n<meta property=\"article:published_time\" content=\"2018-09-17T07:54:05+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-08-25T12:07:17+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.lisdatasolutions.com\/wp-content\/uploads\/2022\/07\/consumos.png\" \/>\n\t<meta property=\"og:image:width\" content=\"600\" \/>\n\t<meta property=\"og:image:height\" content=\"305\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Natalia Andueza\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Natalia Andueza\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/\",\"url\":\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/\",\"name\":\"\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning? | LIS Data Solutions\",\"isPartOf\":{\"@id\":\"https:\/\/www.lisdatasolutions.com\/es\/#website\"},\"datePublished\":\"2018-09-17T07:54:05+00:00\",\"dateModified\":\"2025-08-25T12:07:17+00:00\",\"author\":{\"@id\":\"https:\/\/www.lisdatasolutions.com\/es\/#\/schema\/person\/b2748ac1971664b77f38389a77eb1fc7\"},\"breadcrumb\":{\"@id\":\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/www.lisdatasolutions.com\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.lisdatasolutions.com\/es\/#website\",\"url\":\"https:\/\/www.lisdatasolutions.com\/es\/\",\"name\":\"LIS Data Solutions\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.lisdatasolutions.com\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.lisdatasolutions.com\/es\/#\/schema\/person\/b2748ac1971664b77f38389a77eb1fc7\",\"name\":\"Natalia Andueza\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/www.lisdatasolutions.com\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/67d34db2d9aca971aeec85ef05923c86?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/67d34db2d9aca971aeec85ef05923c86?s=96&d=mm&r=g\",\"caption\":\"Natalia Andueza\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning? | LIS Data Solutions","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/","og_locale":"es_ES","og_type":"article","og_title":"\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning? | LIS Data Solutions","og_description":"Siguiendo el post\u00a0de la semana pasada que serv\u00eda de introducci\u00f3n a los algoritmos de Machine Learning , se realizar\u00e1 una predicci\u00f3n de consumos. Partiendo de consumos pasados, se tratar\u00e1 de predecir los futuros y ver c\u00f3mo se ajusta la predicci\u00f3n a la realidad. Para ello se analizar\u00e1n los datos de los que se dispone, qu\u00e9 [&hellip;]","og_url":"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/","og_site_name":"LIS Data Solutions","article_published_time":"2018-09-17T07:54:05+00:00","article_modified_time":"2025-08-25T12:07:17+00:00","og_image":[{"width":600,"height":305,"url":"https:\/\/www.lisdatasolutions.com\/wp-content\/uploads\/2022\/07\/consumos.png","type":"image\/png"}],"author":"Natalia Andueza","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Natalia Andueza","Tiempo de lectura":"5 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/","url":"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/","name":"\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning? | LIS Data Solutions","isPartOf":{"@id":"https:\/\/www.lisdatasolutions.com\/es\/#website"},"datePublished":"2018-09-17T07:54:05+00:00","dateModified":"2025-08-25T12:07:17+00:00","author":{"@id":"https:\/\/www.lisdatasolutions.com\/es\/#\/schema\/person\/b2748ac1971664b77f38389a77eb1fc7"},"breadcrumb":{"@id":"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.lisdatasolutions.com\/es\/blog\/como-predecir-consumos-con-algoritmos-de-machine-learning\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/www.lisdatasolutions.com\/es\/"},{"@type":"ListItem","position":2,"name":"\u00bfC\u00f3mo predecir consumos con algoritmos de Machine Learning?"}]},{"@type":"WebSite","@id":"https:\/\/www.lisdatasolutions.com\/es\/#website","url":"https:\/\/www.lisdatasolutions.com\/es\/","name":"LIS Data Solutions","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.lisdatasolutions.com\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/www.lisdatasolutions.com\/es\/#\/schema\/person\/b2748ac1971664b77f38389a77eb1fc7","name":"Natalia Andueza","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.lisdatasolutions.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/67d34db2d9aca971aeec85ef05923c86?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/67d34db2d9aca971aeec85ef05923c86?s=96&d=mm&r=g","caption":"Natalia Andueza"}}]}},"_links":{"self":[{"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/posts\/1280"}],"collection":[{"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/users\/21"}],"replies":[{"embeddable":true,"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/comments?post=1280"}],"version-history":[{"count":3,"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/posts\/1280\/revisions"}],"predecessor-version":[{"id":9832,"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/posts\/1280\/revisions\/9832"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/media\/1281"}],"wp:attachment":[{"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/media?parent=1280"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/categories?post=1280"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.lisdatasolutions.com\/es\/wp-json\/wp\/v2\/tags?post=1280"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}