Ciencia de Datos

Ciencia de Datos

1. Análisis de Datos

   • Consiste en la realización de las operaciones a las que el investigador someterá los datos con la finalidad de alcanzar los objetivos del estudio.
     • ¿Cuál es la diferencia entre Ciencia de Datos y Analítica de Datos?
       • En general, ambos trabajan con datos, pero la diferencia clave es lo que hacen con estos datos.
         • Por ejemplo, la ciencia de Datos es más aplicada en la búsqueda de dar una utilidad a los datos y extraer un valor de ellos, mientras que el Análisis de Datos se aplica en la búsqueda de estudiar los datos recolectados para distintos objetivos, por ejemplo comprobar una hipótesis previamente planteada.
     • ¿Qué es un analista de datos?
       • Es una persona que gracias a la interpretación de los datos puede establecer estrategias dentro de una empresa. Por lo tanto, debe saber recopilar datos a la vez que analizarlos de forma estadística.
         • En la película Margin Call se puede apreciar como Peter Sullivan, quien es un analista de datos, descubre que que la volatilidad actual de la empresa de valores respaldados por hipotecas tóxicas (MBS), deudas de casas que no se están pagando, en cualquier momento superará los niveles de volatilidad histórica de las posiciones del banco. Debido a un apalancamiento excesivo, si los activos de la empresa en valores respaldados por hipotecas disminuyen en un 25%, la empresa va a sufrir una pérdida mayor que su capitalización de mercado. Por lo tanto, advierte a los jefes de la compañía para que tomen una decisión acerca de lo que harán para prevenir esto.
       • Para ser un analista de datos requieres tener habilidades y conocimientos de informática, estadística, negocios y finanzas.
         • Según la escuela de negocios IEBS, un analista de datos debe ser capaz de: Estructurar datos masivos que genera una empresa en la era digital, convertirlos en dashboards informativos para una gestión Data Driven y desarrollar algoritmos predictivos que ayuden a automatizar la toma de decisiones.

2. La ciencia de datos es un campo interdisciplinario que utiliza métodos, procesos, algoritmos y sistemas científicos para extraer valor de los datos.

   • ¿Qué es un cientifico de datos?
     • Josh Wills, jefe del área de ingeniería de datos en Slack, define a un científico de datos como: "Persona que sabe más de estadística que cualquier programador y que a la vez, sabe más de programación que cualquier estadístico".
     • Los científicos de datos combinan una variedad de habilidades, entre ellas estadísticas, informática y conocimiento empresarial.

3. Big Data

   • Se refiere a datos masivos y a menudo no estructurados, en los que las capacidades de procesamiento de las herramientas tradicionales de gestión de datos resultan ser inadecuadas.
     • En el 2014 surge una clasificación para definir las cuatro dimensiones de la Big Data : volumen, variedad, veracidad y velocidad.
       • Relación del Análisis Estadístico y Big Data con la Ciencia de Datos
         • El análisis estadístico es una herramienta que facilita la extracción, la depuración, el análisis y el almacenamiento de los datos generados en una organización, así como datos externos; que pueden ser estructurados o no estructurados, con la velocidad adecuada para generar conocimiento y apoyar la toma de decisiones de los directivos o los usuarios oportunos de una organización.

4. Análisis Estadístico

   • La estadística es la ciencia de cambiar tu mente cuando hay incertidumbre.
     • KPI's
       • Brindan una manera de medir el desempeño de las empresas, unidades de negocio, proyectos o individuos en relación con sus objetivos y metas estratégicas.
       • Algunos ejemplos son: Margen de beneficio neto. Ingreso periódico recurrente (MRR por sus siglas en inglés). Flujo de caja operativo (OCF por sus siglas en inglés). Crecimiento de las ventas. Valor planificado. Varianza de horario.
       • De alto nivel
         • Pueden enfocarse en el desempeño general de la empresa. Entre los ejemplos de KPIs de alto nivel se incluyen:el crecimiento anual,el ingreso anual recurrente, y la participación relativa en el mercado.
       • De bajo nivel
         • Pueden enfocarse en procesos o empleados en departamentos tales como ventas, marketing o un centro de llamadas. Indican el rendimiento de departamentos o individuos específicos.
       • Una forma de evaluar la relevancia de un KPI es usar los criterios SMART. Las letras por sus siglas en inglés significan: específico (Specific), mensurable (Measurable), alcanzable (Attainable), relevante (Relevant), limitado en el tiempo (Time-bound).
   • En la película The Big Short se puede apreciar como Michael utiliza sus habilidades de análisis estadístico para analizar los MBS que estaban relacionados con la crisis financiera estadounidense del 2008. Posteriormente, con base a su análisis puede hacer predicciones.

Bilder und Dateien der Mindmap