Untitled

Un dato es una representación simbólica que se puede asignar a distintas cosas; puede ser cualitativo o cuantitativo

Ciencia de Datos

Analítica de Datos

Big Data

Existen diversas cosas que se pueden hacer con los datos como...

Limpiar, preparar y analizar los datos

Crear estadísticas descriptivas, visualizar y extraer información de los datos

a esto se le llama:

a esto se le llama:

vs

Diferencias

Aplicaciones

Habilidades requeridas

Busca extraer información significativa de varias fuentes de datos

Busca pronosticar el futuro basándose en patrones anteriores

y con esto dar respuesta a las preguntas

y con esto genera preguntas

Búsqueda de Internet

Anuncios Digitales

Sistemas de Recomendación

Seguridad

Entregas

Cuidado de la Salud

Manejo de Energía

Instagram utiliza la ciencia de datos para fomentar el marketing a través de algoritmos que convierten los likes, comentarios, etc., en predicciones de los gustos del usuario para mostrarle publicidad relacionada a ellos; "pronosticando" sus compras.

Referencias

India, S. (2019, August 12). Data science vs data analytics - how to decide which one is right for you? Retrieved March 28, 2021, from https://medium.com/@springboard_ind/data-science-vs-data-analytics-how-to-decide-which-one-is-right-for-you-41e7bdec080e

Rice, M. (n.d.). 17 data Science applications & examples. Retrieved March 28, 2021, from https://builtin.com/data-science/data-science-applications-examples

SAS. (2021). Big data: What it is and why it matters. Retrieved March 28, 2021, from https://www.sas.com/en_us/insights/big-data/what-is-big-data.html

Sasikumar, S. (2021, March 22). Data science vs. data analytics vs. Machine Learning: Expert talk. Retrieved March 28, 2021, from https://www.simplilearn.com/data-science-vs-data-analytics-vs-machine-learning-article

Sharma, R. (2021, January 11). 14 fascinating data analytics real life applications in 2021. Retrieved March 28, 2021, from https://www.upgrad.com/blog/data-analytics-applications/%C2%A0

En Los Ángeles y Chicago se usaron datos históricos y geográficos para predecir e identificar las áreas más delictivas. Con ayuda del análisis de datos se aplicaron medidas (como poner patrullas en los puntos identificados) para así disminuir la tasa de criminalidad.

1. Conocer de estadística matemática

2. Comprender R y Python

3. Experiencia con el proceso de data wrangling

4. Entender PIG / HIVE

1. Comprender lenguaje de programación: Python, SAS, R, Scala

2. Experiencia en codificación de bases de datos SQL

3. Capaz de trabajar con datos no estructurados y de diversas fuentes

4. Compresión de múltiples funciones analíticas

5. Conocimiento de Machine Learning

Pero, ¿qué sucede cuando los datos superan la capacidad del software habitual?

de aquí surge el...

Puede ocupar: terabytes y petabytes y múltiples formatos: como los textos, sonidos, imágenes, vídeos y muchos más

Lo se puede concluir es que los 3 conceptos, a pesar de tener enfoques, habilidades y desarrollos distintos, requieren de un mismo elemento; los datos.

De esta manera, puedo identificar claramente la importancia de lo datos, debido a que se puede hacer con ellos un sinfín de cosas, son de gran utilidad y es de suma relevancia tener experiencia en el uso y comprensión de los datos.

De acuerdo con SAS este es "un término que describe el gran volumen de datos, tanto estructurados como no estructurados, que inunda una empresa en el día a día."

Para el Big Data lo más importante es lo que hacen las organizaciones con los datos que tienen, ya que esto puede ayudar a tomar mejores decisiones.

Existen 4 dimensiones para entender el Big Data:

Volumen: la gran recolección de datos, su almacenamiento creciente

Variedad: todos los tipos de formatos en los que están los datos

Veracidad: calidad de los datos

Velocidad: debe ser en tiempo real

Ana Sofia Castillo A01177226

Algunas de las aplicaciones del Big Data son:

Sistema de tráfico aéreo seguro

Autos de conducción automática

Asistente personal virtual: ej. Siri

Internet de las Cosas