Ciencia de datos

Ciencia de datos

1. Ciencia de datos

   • Área amplia, que abarca diversas áreas interdisciplinarias. Según Josh Wills un científico de datos debería saber más de estadística que cualquier programador, y más de programación que cualquier estadístico. Es decir, para ser un data scientist se requieren conocimientos tanto de programación, como de matemáticas y negocios.
     • ¿Dónde se aplica?
       • -Limpieza y procesamiento de datos
         • -Predicción de problemas de negocios
           • -Encontrar nuevas preguntas comerciales que puedan agregar valor al negocio
             • Desarrollar modelos de aprendizaje automático
               • -Desarrollar métodos analíticos
       • Conocimientos/habilidades requerido/as:
         • -Creatividad de datos
           • -Capacidad de desarrollar datos
             • -Capacidad de investigar datos
               • -Habilidad como empresario de datos

2. Analítica de datos

   • Una de las ramas de ciencia de datos. Examina datos en bruto y filtra los que considera significativos para la empresa, revela tendencias, métricas, y obtiene ideas de fuentes de información que no han sido procesadas.
     • DIFERENCIAS
       • La analítica de datos es una parte de la ciencia de datos. Data science abarca mucho más. Un analista de datos se encarga de extraer información significativa a partir de un patrón de datos del pasado, mientras que en ciencia de datos, el científico aplica sus herramientas para sacar conocimientos de los datos ya extraídos por el analista, y así intentar predecir información de una empresa a partir de los mismos patrones observados.
         • Un científico de datos se hace preguntas, mientras que el analista responde las mismas con la información y revelaciones ya abstraídas.
           • La analítica de datos es únicamente una de las muchas fuentes que utiliza un científico de datos para responder sus preguntas y predecir lo que está por venir. Además, un data scientist utiliza machine learning para extraer información y va más allá de únicamente problemas de negocios, mientras que un data analyst únicamente trata problemas de negocios y es común que utilicen programas que abarcan menos, como lenguajes de programación.
     • ¿Dónde se aplica?
       • -Identificar problemas en calidad o adquisición de datos
         • -Resolución de problemas de negocios
           • -Mapeo y rastreo de datos
             • -Documentar tipos y estructura de datos comerciales
               • -Coordinar con ingenieros para recuperación de nuevos datos
       • Conocimientos/habilidades requerido/as:
         • -Administrar bases de datos
           • -Operaciones
             • -Arquitectos de datos
               • -Analistas de datos

3. RELACIÓN CON BIG DATA Y ANÁLISIS ESTADÍSTICO

   • Big Data
     • Conjunto de datos en bruto, estructurados o no, que tienen un volumen, complejidad, y velocidad de crecimiento que dificultan ser gestionados a través de herramientas convencionales.
   • Análisis estadístico
     • Proceso de recopilar y examinar datos para descubrir tendencias implícitas en ellos.
       • RELACIÓN
         • La relación de ambas profesiones con esto, comienza por decir que sin el Big Data y el análisis de estos datos ninguna existiría. Los analistas de datos se encargan de estructurar y filtrar estos datos para poder obtener métricas y revelaciones significativas para una empresa en específico, y el científico de datos estudia estos datos, haciéndose preguntas y utilizando machine learning para analizar y predecir estadísticas del futuro con lo que revelen los datos filtrados. Ambas profesiones implican tanto el Big Data como su análisis estadístico.

4. RELACIÓN CON PELÍCULAS

   • Margin Call
     • En la película se muestra que Peter se queda en la oficina para analizar la información de una USB que le ha dado Eric. Después marca a su colega para que venga con Will y les muestra algo que parece devastador para el futuro de la empresa. Aunque no se muestra la pantalla ni se explica explícitamente lo que está pasando, se puede deducir que están usando alguna herramienta en la computadora, posiblemente machine learning para analizar los datos de los que se hablan en la película. Analizar patrones de datos de la empresa para ver qué les depara. Y mencionan que se espera que las pérdidas de la empresa sean mayores que el mismo valor de la empresa. Todo esto es posible a través de filtrar, analizar, y extraer información importante de los datos que están siendo analizados. Todo el proceso se relaciona con lo que se hace en ciencia de datos.
   • The Big Short
     • En este filme se observa a Michael analizando datos de la empresa en excel, incluso menciona posteriormente que leyó algunos de los acuerdos para extraer más información. Michael apuesta en contra de las hipotecas de alto riesgo, ya que menciona que a través de todos sus análisis hechos él prevé que en 2007 la mayoría de las tarifas ajustables empezarán a caer y fallar, y las fallas arriba de un 15% haría que los bonos financieros se volvieran insignificantes. Todo esto lo infiere a partir del análisis estadístico previamente hecho.

5. Referencias:

   • https://www.master-data-scientist.com/diferencia-data-science-data-analytics/
     • https://www.sas.com/es_mx/insights/analytics/what-is-a-data-scientist.html
       • https://www.nexos.com.mx/?p=31892
         • https://www.powerdata.es/big-data
           • https://www.sas.com/es_mx/insights/analytics/statistical-analysis.html