Control de Versiones
para Análisis de Datos

El problema que resuelve

¿Alguna vez has tenido archivos como estos en tu carpeta?

analisis_final.R
analisis_final_v2.R
analisis_final_ESTE_SÍ.R
analisis_DEFINITIVO_revisado_2.R
analisis_para_entregar_CORRECTO_FINAL.R

El control de versiones elimina este caos. Con Git, cada cambio queda registrado automáticamente con fecha, autor y descripción. Puedes volver a cualquier versión anterior en cualquier momento.

¿Qué es Git?

Git es un sistema de control de versiones distribuido, creado por Linus Torvalds en 2005. Funciona localmente en tu computadora y lleva un historial completo de todos los cambios de tu proyecto.

¿Qué es GitHub?

GitHub es una plataforma en la nube que aloja repositorios Git. Agrega herramientas de colaboración: revisión de código, seguimiento de tareas, documentación y más.

¿Cuándo usar control de versiones?

• Proyectos de análisis de datos con código (R, Python, SQL, etc.)
• Documentos técnicos que evolucionan con el tiempo
• Proyectos colaborativos con más de una persona
• Cualquier trabajo que quieras reproducir o auditar en el futuro

Instalación

Antes de empezar necesitas instalar Git y crear una cuenta en GitHub.

1. Descarga Git desde: https://git-scm.com/downloads
2. Crea una cuenta gratuita en: https://github.com
3. Descarga GitHub Desktop desde: https://desktop.github.com

Configuración básica (Terminal)

Abre la terminal (o Git Bash en Windows) y configura tu identidad. Solo necesitas hacer esto una vez:

# Configura tu nombre y correo globalmente
git config --global user.name  "Tu Nombre"
git config --global user.email "tu@email.com"

# Verifica la configuración
git config --list

Autenticación con GitHub

La forma más sencilla es usar GitHub Desktop, que maneja la autenticación automáticamente al iniciar sesión. Si prefieres la terminal:

• Crea un token de acceso personal en: GitHub → Settings → Developer settings → Personal access tokens
• Usa ese token como contraseña cuando Git lo solicite en la terminal.

El ciclo básico de Git se resume en tres acciones: modificar archivos, registrar los cambios (commit) y sincronizar con GitHub (push/pull).

Referencia de comandos esenciales

Ejemplo práctico paso a paso

Supón que modificaste tu script de análisis. Así registrarías los cambios:

# 1. Ver qué archivos cambiaron
git status

# 2. Agregar archivos específicos al staging area
git add analisis.R

# 2b. O agregar TODOS los cambios de una vez
git add .

# 3. Crear el commit con un mensaje claro
git commit -m "Agrego limpieza de valores nulos en columna edad"

# 4. Subir a GitHub
git push origin main

Las tres zonas de Git

• Directorio de trabajo: donde editas tus archivos normalmente.
• Staging area (índice): zona de preparación donde seleccionas qué cambios incluir.
• Repositorio local: historial permanente de commits guardados en .git/

Crear un nuevo repositorio

Opción A — Desde GitHub (recomendado para empezar)

1. Ve a github.com y haz clic en New repository
2. Asigna un nombre descriptivo (ej: analisis-encuesta-2024)
3. Agrega una descripción breve
4. Elige visibilidad: Public o Private
5. Marca Add a README file
6. Haz clic en Create repository
7. Clona el repositorio a tu computadora (ver sección siguiente)

Opción B — Desde tu carpeta local (terminal)

# Navega a la carpeta del proyecto
cd mi-proyecto

# Inicializa el repositorio Git
git init

# Conecta con un repositorio remoto en GitHub
git remote add origin https://github.com/tuusuario/mi-proyecto.git

Clonar un repositorio existente

Clonar crea una copia local completa (con todo el historial) de un repositorio remoto:

git clone https://github.com/tuusuario/nombre-repo.git

Con GitHub Desktop: File → Clone repository → pega la URL o busca entre tus repos.

El archivo .gitignore

Le dice a Git qué archivos no debe rastrear. Es esencial para proyectos de datos para excluir datos crudos, credenciales y archivos temporales.

# Datos crudos y archivos grandes
*.csv
*.xlsx
data/raw/

# Credenciales y configuración local
.env
config_local.R

# Archivos temporales del sistema
__pycache__/
.Rhistory
.DS_Store
*.log

El archivo README.md

El README es la primera página de tu repositorio. Un buen README incluye:

• Nombre y descripción del proyecto
• Objetivo del análisis
• Estructura de carpetas
• Instrucciones de instalación y uso
• Fuentes de datos utilizadas
• Nombre del autor y fecha

¿Qué es una rama (branch)?

Una rama es una línea independiente de desarrollo. Te permite experimentar o trabajar en una nueva funcionalidad sin afectar la versión principal del proyecto (rama main).

Trabajar con ramas

# Ver todas las ramas
git branch

# Crear una nueva rama
git branch nueva-funcion

# Cambiar a esa rama
git checkout nueva-funcion

# Crear y cambiar en un solo comando (forma recomendada)
git checkout -b nueva-funcion

# Volver a la rama principal
git checkout main

# Fusionar los cambios de nueva-funcion en main
git merge nueva-funcion

Pull Requests (PR)

Un Pull Request es la forma formal de proponer que tus cambios (de una rama) se integren a la rama principal. Es el núcleo de la colaboración en GitHub.

1. Crea una rama y sube tus cambios con git push
2. Ve a GitHub y haz clic en "Compare & pull request"
3. Escribe una descripción clara de los cambios realizados
4. Asigna revisores si es un proyecto colaborativo
5. Una vez aprobado, haz clic en "Merge pull request"

Resolución de conflictos

Un conflicto ocurre cuando dos personas modifican la misma parte de un archivo y Git no puede decidir automáticamente cuál versión conservar. Git marcará los conflictos así:

<<<<<<< HEAD
resultado <- mean(datos$edad, na.rm = TRUE)
=======
resultado <- median(datos$edad, na.rm = TRUE)
>>>>>>> rama-colaborador

Para resolver: edita el archivo manualmente dejando solo la versión correcta (o combinando ambas), luego haz git add y git commit.

GitHub Desktop

GitHub Desktop es la interfaz gráfica oficial de GitHub. Facilita el uso de Git sin necesidad de recordar todos los comandos. Ideal para comenzar.

Referencia rápida de comandos

A medida que te sientas más cómodo, la terminal te da más control y velocidad. Aquí los comandos que usarás con más frecuencia:

Estructura de carpetas recomendada

Una estructura clara hace que tu repositorio sea fácil de entender para colaboradores — y para ti mismo en el futuro.

Flujo de trabajo recomendado

1. Antes de empezar: haz git pull para obtener los cambios más recientes.
2. Crea una rama para cada tarea o análisis nuevo.
3. Haz commits pequeños y frecuentes con mensajes descriptivos.
4. Al terminar: git push y crea un Pull Request para revisión.
5. Mantén el README actualizado con cada cambio importante.

Checklist de reproducibilidad

• ✓ El código corre de principio a fin sin intervención manual.
• ✓ Las rutas de archivos son relativas, no absolutas.
• ✓ Las dependencias y versiones de paquetes están documentadas (requirements.txt, renv.lock, etc.).
• ✓ Los datos crudos están descritos aunque no estén en el repositorio.
• ✓ Hay un script principal (main.R, run_analysis.py) que ejecuta todo el pipeline.
• ✓ El README explica cómo reproducir el análisis desde cero.

Próximos pasos

• Empieza con un proyecto real: crea un repositorio para tu análisis actual.
• Practica hacer al menos un commit por sesión de trabajo.
• Explora GitHub Pages para publicar reportes de análisis como sitios web.
• Consulta el libro gratuito Pro Git en progit.org
• Practica en los cursos interactivos de GitHub Skills en skills.github.com