Entendimiento del Negocio

Entendimiento del Negocio

1. Ciencia de Datos

   • Disciplina la cual permite que los datos sean útiles
     • "Persona que sabe más de estadística que cualquier programador y que a la vez, sabe más de programación que cualquier estadístico"
   • Va más allá de la simple recopilación y procesamiento de datos para descubrir patrones, tendencias y insights que puedan informar la toma de decisiones y resolver problemas de negocio o de la sociedad
   • Juega un rol crucial en la mejora de la calidad y la rapidez de la toma de decisiones en diversos niveles, desde decisiones operativas automatizadas hasta estrategias de alto nivel
   • Transforma datos brutos en conocimiento valioso y accionable, lo que a su vez empodera la toma de decisiones informadas y contribuye a la solución de problemas complejos en una amplia gama de industrias y contextos.

2. Analítica de Datos

   • Analiza y procesa información datos con el objetivo de extraer información útil
   • El objetivo principal de la Analítica de Datos es descubrir patrones, tendencias y insights a partir de los datos que puedan utilizarse para tomar decisiones informadas y resolver problemas. En el contexto de la Inteligencia de Negocios (BI), es el paso final para convertir datos no estructurados en inteligencia procesable.
   • La analítica de datos requiere el conocimiento y la aplicación de diversas herramientas de software
     • Python, R, SQL, y plataformas de visualización como Power BI y Tableau
   • Mide el rendimiento a través de KPIs: La Analítica de Datos se utiliza para identificar y monitorear los Indicadores Clave de Rendimiento (KPIs)
     • Los KPI´s son métricas medibles que reflejan qué tan bien una organización está alcanzando sus objetivos de negocio. Los KPIs bien definidos son instrumentos de navegación vitales y herramientas para la toma de decisiones.
   • Extrae conocimiento valioso de los datos y traducirlo en acciones concretas que impulsen la mejora y el logro de los objetivos organizacionales.

3. Big Data

   • Big Data ha emergido como el recurso más valioso del mundo en la era digital, comparable al petróleo del siglo pasado. Es una nueva mercancía que impulsa una industria lucrativa y de rápido crecimiento
   • Big Data se centra en información sobre el comportamiento de las personas, revelando dónde pasan su tiempo y qué compran. Estos "rastros de datos" cuentan la historia de sus vidas y son un reflejo más preciso de quiénes son
   • El análisis de Big Data permite encontrar conexiones entre las personas y entre el comportamiento de las personas y los resultados
   • Big Data radica en su capacidad sin precedentes para capturar y analizar enormes cantidades de datos sobre el comportamiento humano y los sistemas complejos, ofreciendo insights profundos que pueden transformar la toma de decisiones, resolver problemas y potencialmente reinventar la sociedad, aunque siempre con una atención crucial a las implicaciones éticas y de privacidad.
   • En la era del Big Data, se entiende que prácticamente todo es mensurable
   • plantea importantes cuestiones de privacidad, propiedad y control de los datos

4. Similitudes entre The Big Short y Margin Call en el Contexto de la Crisis Financiera de 2008

   • Ambas películas se sitúan en el contexto de la crisis financiera de 2007-2008
     • The Big Short: Se enfoca en los actores externos al sistema que predijeron y se beneficiaron del colapso de la burbuja inmobiliaria
     • Margin Call: Se centra en la reacción interna de un banco de inversión al descubrir la magnitud del riesgo en sus activos justo antes del estallido de la crisis
   • Ambas películas resaltan el uso de modelos y análisis de datos en el sector financiero, pero también exponen sus limitaciones y los peligros de una comprensión superficial.
     • Margin Call: Un modelo de riesgo financiero interno revela la inminente catástrofe . Esto muestra cómo los modelos son herramientas centrales pero pueden fallar o ser malinterpretados.
     • The Big Short: Michael Burry realiza un análisis profundo de los valores respaldados por hipotecas subprime (MBS), identificando su extrema toxicidad. Esto ilustra la importancia de un análisis de datos riguroso para descubrir la verdad oculta tras instrumentos financieros complejos.
   • Toma de Decisiones Basada en Datos
     • The Big Short: Inversores Actúan Basándose en su Análisis de Datos
     • Margin Call: La Dirección Toma Decisiones en Respuesta a la Información del Modelo

5. Las 6 fases de la Metodología CRISP DM para Ciencia de Datos

   • 1) Entendimiento del negocio
     • Identifica los objetivos del negocio.
     • Evalúa la situación
     • Define los objetivos para la analítica minería de datos.
     • Desarrolla un plan de trabajo.
   • 2) Entendimiento de los datos
     • Recolección de los datos. • Descripción de los datos. • Exploración de los datos. • Verificación de la calidad de los datos.
   • 3)Preparación de los datos
     • Selección y limpieza de los datos
     • Construcción e integración de datos
   • 4)Modelación de los datos
     • Selección de la técnica de modelación
     • Diseño de pruebas.
     • Construcción y evaluación del modelo.
   • 5) Evaluación
     • Evaluación de los resultados.
     • Revisión del proceso o procesos
     • Determinación de los siguientes pasos de acción.
   • 6)Despliegue
     • Planeación del monitoreo y mantenimiento
     • Reporteo de los resultados finales.
     • Revisión de los resultados finales.