Ciencia de datos

Ciencia de datos

1. Disciplina con popularidad

2. Forbes 2012: Ciencia más sexy siglo 21

3. Josh Willis: "Persona con más habilidad de estadística que un programador y con más habilidad de programación que un estadístico"

4. Big data: Datos masivos y no estructurados, en donde las herramientas tradicionales de gestión son inadecuadas (Almacenamientos: TB y PB)

   • 2020: Información mundial 40 ZB (diario=2.5 trillones de Bytes)

5. Relación entre Ciencia de Datos y Big Data: Toma de decisiones más informadas, fundamentadas, rápidas y eficientes

6. KPIs: Indicador de rendimiento que demuestra la eficiencia de una empresa con base a sus objetivos

   • Tipos de KPI:
     • De negocios: Miden el logro de objetivos comerciales a largo plazo (Tasa de crecimiento de ingresos / de abandono, rentabilidad, cuota de mercado relativa, etc.)
       • Financieros: Indican el rendimiento de ingresos y utilidades (MRR,OCF, Capital de trabajo, Margen de beneficio neto, etc,)
         • De ventas:Supervisa el logro de sus objetivos y metas clave / ventas sostenibles (LTV, SQL, ventas mensuales, nuevos clientes potenciales, etc)
           • De mercadotecnia: Controlar el éxito en los canales de mercado (CPA, MQL, tráfico de sitio web, puntuación neta de promoción, etc.)
             • Gestión de proyectos. Supervisar el progreso y objetivos de un proyecto especifico ( PV, AC, EV, CV, SV, etc.)
   • Medición de KPIs:
     • Alto nivel: Desempeño general de la empresa (Crecimiento anual, ARR, participación en mercado, etc.)
     • Bajo nivel: Procesos por ventas y marketing, los cuales indican el rendimiento de departamentos (cotidiano /regularidad y accionabilidad)
   • Tener en cuenta a la comunicación ("Compartir algo, poner en común")
     • Paul Watzlawick: "Interacción en donde la modificación de un elemento, afecta la relación de otros elementos)
     • Proceso: Código, Emisor, Mensaje, Canal, Contexto y Receptor.
   • Definir objetivos principales del negocio (SMART)
     • S(específico)M(medible)A(alcanzable)R(relevante)T(tiempo)
   • Seleccionar preguntas clave (KPQ) para identificar los KPIs que deben enfocarse

7. Preguntas

   • ¿Cuál es la diferencia entre Ciencia de Datos y Analítica de Datos?
     • De acuerdo con la Universidad de Alcalá, la ciencia de datos predice el futuro a partir de patrones del pasado y la analítica de datos extrae información significativa de estos. Además, la ciencia de datos sólo se hace preguntas y la analítica de datos se encarga de responder. Por último, las fuentes que usa la Ciencia de datos son varias, en cambio la analítica de datos usa sólo una.
   • ¿En dónde se aplican cada una de ellas?
     • Ambas aplicaciones se pueden adaptar en cualquier problemática, pues tanto la ciencia de datos como la analítica de datos hacen los estudios con base a los datos obtenidos, sin embargo la ciencia de datos profundiza un poco más en cuanto a la toma de decisiones. Es por ello, que la aplicación puede ser reducción de costos, tiempo, tomar decisiones basadas en el pasado para el futuro teniendo en cuenta la información recolectada, definir e identificar KPIs, detección de riesgos en una empresa, entre otras.
   • ¿Qué conocimientos y/o habilidades se necesitan para ser un científico de datos o un analista de datos?
     • Para ambas aplicaciones son necesarios similares conocimientos / habilidades. No obstante, para la ciencia de datos se requiere un poco de profundización en cuanto a la toma de decisiones. Por ejemplo, para ambas los conocimientos principales son: matemáticas (álgebra, estadística, cálculo, algoritmos), análisis de datos, lenguajes de programación (SQL, R, Pyhton), inteligencia de negocios, conocimientos de Big Data, entre otros.
   • ¿Cuál es su relación con Big Data y el análisis estadístico?
     • La relación entre el Big Data y el análisis de estadístico es que ambas organizan datos de forma que estos resulten claros y comprensibles. Además, ambos procesos conllevan a la toma de decisiones. Es necesario mencionar que, para destacar dentro de estas dos áreas son necesarios ambos conocimientos, pues es importante conocer el análisis de grandes cantidades de datos (Big Data) y de igual forma, saber implementar dicha información con las herramientas de la estadística (análisis estadístico), ya que ambas áreas utilizan habilidades de recolección de Big data y de análisis estadístico

8. Relación de Ciencia de Datos con películas del caso (Margin Call / The big short)

   • La relación que tiene la ciencia de datos con las películas "The big Short" y "Margin Call" es que sus personajes analizaron y tomaron decisiones con base a una gran cantidad de datos que aparecían en los libros de la empresa. Es decir, tuvieron que analizar los datos de empresas desde varios años atrás para saber el comportamiento que tendrían en el mercado en un futuro. Después, con todo el análisis de datos que realizaron en función a los libros de la empresa, supieron que en un futuro (muy cercano) habría una crisis por una burbuja inmobiliaria que se relacionaba con el pago de hipotecas. Una vez dicho esto, podemos mencionar que toda la trama de ambas películas es en función a la ciencia de datos, pues de acuerdo con ORACLE, la ciencia de datos es un área interdisciplinaria que utiliza métodos, procesos y algoritmos para extraer valores de grandes cantidades de información y darles valor para tomar las mejores decisiones que puedan mejorar el posicionamiento de la empresa.