Introducción a la Ciencia de Datos

Introducción a la Ciencia de Datos

1. Ciencia de datos

   • Aplicación de técnicas analíticas avanzadas y principios científicos
     • Ingeniería de datos
     • Preparación de datos
     • Estadísticas
     • Minería de datos
     • Análisis predictivo
     • Aprendizaje automático (machine learning, ML)
     • Matemáticas
     • Programación
     • Algoritmos
   • Permite extraer información valiosa de los datos
     • Permite la...
       • Toma de decisiones comerciales
       • Creación de programas de marketing y publicidad
       • Planificación estratégica
       • Interpretación de datos
   • Unión de
     • Informática
     • Dominio de conocimientos de la empresa o negocio
     • Estadística y Matemáticas
   • Ejemplos
     • Marketing: clasificación de los clientes y las audiencias
       • Se puede desde predecir la demanda de un producto hasta crearla a partir de ofertas segmentadas por clase social, preferencias culturales, nivel adquisitivo, género, aficiones...
       • La visualización de datos ayudan a confeccionar informes previos a campañas, lanzamientos o promociones.
     • Ciberseguridad: identificación de ciberamenazas
       • La detección se realiza a partir de los datos de acceso a los sistemas y recursos de red.
       • Se buscan patrones y se procede a dar la alerta cuando se detectan situaciones que no respondan a un patrón predefinido
     • Finanzas: detección de fraudes
       • Los sistemas pueden cruzar datos de diferentes fuentes, como la actividad habitual de un cliente, junto con los "normales" de uso
       • Es posible identificar escenarios fraudulentos (tarjetas duplicadas/robadas o cobros indebidos/duplicados),

2. Analítica de datos

   • Permite a las organizaciones analizar todos sus datos...
     • Historicos
     • Estructurados
     • En tiempo real
     • No estructurados
   • Permite
     • Descubrir conocimientos
     • Automatizar decisiones
     • Conectar la inteligencia con sus acciones
     • Extraer, recopilar, almacenar, organizar y analizar los datos
   • Ejemplos de casos de uso de la analítica de datos
     • UBER
       • Una de las primeras ventajas en a analítica de datos se observó en los servicios de localización a través de GPS.
       • Utiliza el análisis de la oferta y la demanda en localización para cambiar las tarifas según evoluciona la demanda a lo largo del día con lo cual potencian aún más sus ingresos.
     • BBVA
       • Ha realizado varios proyectos de extracción y análisis de información financiera de las que ha podido obtener tanto las diferentes actividades comerciales de las grandes urbes
     • Amazon
       • El objetivo principal es crear modelos predictivos, capaces de detectar las futuras necesidades del cliente o que productos se venderán mejor.
       • Las empresas analizan la data de sus transacciones, así como el comportamiento de sus clientes para personalizar las ofertas.
       • La empresa le sugiere productos que le puedan interesar como resultado de entender las preferencias del consumidor.

3. Big Data

   • E un término que describe el gran volumen de datos, tanto estructurados como no estructurados, que inundan los negocios cada día.
   • Analiza eel comportamiento del usuario
     • Extrae el valor de los datos almacenados
     • Formula predicciones a traves de los patrones observados
   • Ventajas del Big Data
     • Permite obtener respuestas más completas
     • Mayor fiabilidad de los datos
   • 5V del Big Data
     • Variedad
     • Veracidad
     • Velocidad
     • Volumen
     • Valor
   • Ejemplos
     • Adquirir y retener clientes
       • Coca-Cola
         • En el año 2015, Coca-Cola logró fortalecer su estrategia de datos mediante la construcción de un programa de lealtad digital.
       • No solo a adquirir clientes, sino a retener a los que ya tiene, por ejemplo, conocimiento sus gustos.
     • Resolver problemas de anunciantes
       • Igualar las expectativas del cliente hasta cambiar las líneas de productos de la empresa y garantizar la potencia de las campañas de marketing
       • Netflix
         • La compañía recopila grandes cantidades de datos y eso es clave en su estrategia.
         • Recomienda películas, series o documentales
     • Motor de innovaciones
       • Amazon Fresh
         • El análisis de grandes datos en innovación y rediseño de productos que hace Amazon favorece que cree más valor.

4. Metodología CRISP DM

   • Es un modelo estándar abierto del proceso que describe los enfoques comunes que utilizan los expertos en minería de datos.
   • 6 pasos de la metodología
     • 1. Compresión del negocio
       • Comprensión de los objetivos
     • 2. Comprensión de los datos
       • Recolección de datos
       • Verificación de calidad de datos
       • Descripción de datos
     • 4. Modelado
       • Selección de técnica de modelado
       • Diseño de pruebas
       • Mocelado
       • Evaluación del modelo
     • 5. Evaluación
       • Evaluación de resultados
       • Revisión del proceso
       • Determinación de los siguientes pasos de acción
     • 3. Preparación de los datos
       • Selección de datos
       • Construcción de datos
       • Integración de datos
     • 6. Despliegue
       • Planeación del monitoreo y mantenimiento
       • Revisión delos resultados finales
       • Reporte de resultados finales
   • Ejemplo de uso
     • En el ámbito de la salud
       • Ejemplo: La industria hospitalaria especializada en oncología que pretende mejorar la precisión en el diagnóstico de células cancerígenas

5. Relación con las dos peliculas

   • La ciencia de datos, la analítica de datos, big data y la metodología CRISP se relacionan con las dos películas ya que en estas se muestran como un "personaje" realiza una recopilación de datos , los analiza y en base a estas realiza una predicción, como la pelicula "Margin call" donde un analista revela revela datos que podrían conducir la empresa a la ruina.

Bilder und Dateien der Mindmap