Ciencia de datos

Ciencia de datos

1. Disciplina que permite que los datos sean útiles, para tomar decisiones importantes, de alta calidad y con riesgo controlado.

   • Aplicación: Indicador de Rendimiento Clave (KPI)
     • Instrumento de navegación para medir el desempeño de loas empresas, unidades de negocio, proyectos o individuois en relación con sus objetivos y metas estratégicas, Brindan información para comprender si la empresa va en buen camino para cumplir sus objetivos. Ayudan a tomar decisiones basadas en datos y mejorar el desempeño de la empresa.
       • Existen 5 tipos:
         • De negocios
           • Ayudan a medir el logro de los objetivos comerciales a largo plazo.
         • Financieros
           • Monitoreados por los líderes de la organización en conjunto don el departamento de finanzas. indican qué tan bien está haciendo una empresa en términos de la forma de generar ingresos y ganancias.
         • De ventas
           • Son valores mensurables utilizados por el equipo de ventas para supervisar el logro de sus objetivos y metas clave.
         • De mercadotecnia
           • Ayudan a controlar el éxito en todos los canales de mercadeo.
         • Para la gestión de proyectos
           • Sirven para supervisar el progreso y el logro de los objetivos de un proyecto. Identificar proyectos exitosos y cumplir con plazos importantes.
       • Existen :
         • De alto nivel
           • Enfocados en el desempeño general de la empresa.
             • Crecimiento anual, ingreso anual recurrente y participación relativa en el mercado.
         • De bajo nivel
           • Indican el rendimiento de departamentos o individuos específicos. Ligados al trabajo cotidiano de las personas y con más accionables.
             • Enfocados en procesos o empleados en departamentos tales como ventas, marketing o centro de llamadas.
     • Formular un KPI
       • Elegir los KPIs adecuados y útiles para cumplir con el objetivo del negocio
         • Comprender y definir objetivos, como planean alcanzarlos y quién puede actuar sobre esta información.
           • Usar SMART
             • Specific (específico)
             • Measurable (mensurable)
             • Altainable (alcanzable)
             • Time-bound (limite de tiempo)

2. En el video de la película Margin Call, la ciencia de datos se ve utilizada al momento de que Peter comienza a estudiar todos los datos registrados de la empresa en la que trabaja y así puede darse cuenta que la empresa ya había proyectado pérdidas de la venta de los productos. Todo esto fuer posible al hacer el estudio con la KPI de negocios y así medir el rendimiento de la empresa.

3. En el video de la película The Big Short, al igual que la anterior, se puede observar como Michael estudia todos los datos registrados sobre los bonos incluidos en las hipotecas riesgosas (Subprime) que manejan los bancos. Gracias al estudio de todos los datos, Michael se pudo dar cuenta que mantenerse dentro del mercado inmobiliario era muy riesgoso y que pronto iba a haber pérdidas. Así pudo hacer la decisión de acortar los bonos significando apostar en contra

4. ¿Cuál es la diferencias entre análisis de datos y ciencia de datos?

   • El análisis de datos se diferencia porque este solo hace un análisis, en cambio, la ciencia de datos debe de hacer el análisis y crear una conclusión de esa información presentada.

5. ¿En dónde se aplican cada una de ellas?

   • Mayormente las dos aplican para la toma de decisones de una empresa, pero la ciencia de datos se puede utilizar también en proyecto como el que se realiza en esta materia.

6. ¿Qué conocimientos o habilidades se necesitan para ser un científico de datos o un analista de datos?

   • Se necesita tener los conocimientos necesarios para poder interpretar lo que dicen los datos, y para ser un científico de datos debes de tener la habilidad de saber elegir la mejor propuesta que convenga de acuerdo a los datos analizados.

7. ¿Cuál es su relación con Big Data y el análisis estadístico?

   • El fenómeno de Big Data y la Ciencia de Datos es una consecuencia directa de la digitalización y "datafication" de casi todas las actividades en la vida personal, pública y comercial de los seres humanos. Con el análisis estadístico es porque es necesario analizar todos los datos con reglas estadísticas para poder entender qué es lo que están arrojando los datos.