Ciencia de datos

Ciencia de datos

1. La ciencia de datos involucra una inmensa y diversa cantidad de disciplinas y áreas de experiencia para producir una mirada holística, completa y refinada de los datos sin procesar. Los científicos de datos deben estar capacitados en todo, desde ingeniería de datos, matemáticas, estadísticas, computación avanzada y visualizaciones.

2. Data Mining

   • Es el proceso de descubrir patrones y otra información valiosa de grandes conjuntos de datos

3. Big data

   • Describe el gran volumen de datos – estructurados y no estructurados – que inundan una empresa todos los días. Pero no es la cantidad de datos lo importante. Lo que importa es lo que las organizaciones hacen con los datos. El big data puede ser analizado para obtener insights que conlleven a mejores decisiones y acciones de negocios estratégicas.

4. Perfil Analista de datos

   • Un analista de datos debe de tener ciertas habilidades para ser competitivo en el área, algunas de estas que se requieren son conocimientos y habilidades en: ● SQL ● Excel ● Programación estadística en Python ● Programación estadística en R ● Machine Learning

5. Casos de éxito

   • Amazon
   • Starbucks
   • Staples
   • UPS
   • Oakland Athletics
   • Uber

6. Data Warehouse

   • Es un sistema que agrega y combina información de diferentes fuentes en un almacén de datos único y centralizado; consistente para respaldar el análisis empresarial, la minería de datos, inteligencia artificial (IA) y Machine Learning con fines prácticos y estratégicos. Sus estructuras determinan el grado de usabilidad, aunque sobre todo ayudan a saber hasta qué punto es más fácil orientarse a diferentes ramas de un mismo negocio en base a los datos obtenidos.

7. Data Lake

   • Un data lake es un repositorio de almacenamiento centralizado que contiene big data de varias fuentes en un formato granular y sin procesar. Puede guardar datos estructurados, semiestructurados o no estructurados, lo que significa que los datos pueden conservarse en un formato más flexible para usarlos en un futuro. Al guardar datos, un data lake los asocia con identificadores y etiquetas de metadatos para poder extraerlos más rápidamente. Los data lake no es un reemplazo del data warehouse.