Ciencia de Datos

Ciencia de Datos

1. ¿Qué es Ciencia de Datos?

   • Disciplina interdisciplinaria que extrae conocimiento e insights de datos (estructurados y no estructurados) usando estadística, programación, algoritmos y machine learning.
   • Definición famosa de Josh Wills: “Persona que sabe más de estadística que cualquier programador y que a la vez sabe más de programación que cualquier estadístico”.
   • Ejemplo: predecir ventas, detectar fraudes o, en nuestro caso, predecir costos de actividades personales según presupuesto.

2. ¿Qué es Big Data?

   • Datos masivos y muchas veces no estructurados que las herramientas tradicionales no pueden procesar.
   • Las 4V: Volumen (terabytes/petabytes), Variedad (texto, video, imágenes, redes sociales), Velocidad (2.5 trillones de bytes nuevos al día), Veracidad (confiabilidad de los datos).
   • Ejemplo: datos de teléfonos inteligentes, redes sociales o transacciones en tiempo real.
   • Se prevé que en 2020 se generaron 40 zettabytes (57 veces los granos de arena del mundo).

3. ¿Qué es Analítica de Datos?

   • Enfocada en examinar datos para obtener insights descriptivos y diagnósticos (¿qué pasó? ¿por qué?).
   • Parte clave del Business Intelligence (BI).
   • Diferencia con Ciencia de Datos: la analítica es más “mirar al pasado”, mientras la Ciencia de Datos incluye predictivo y prescriptivo.
   • Ejemplo: medir KPIs como margen de beneficio, crecimiento de ventas, flujo de caja o, en nuestro proyecto, analizar patrones de gasto en alimentos, transporte y ocio.

4. ¿Cómo se relaciona la Ciencia de Datos con ambas películas?

   • The Human Face of Big Data (documental 2014): muestra cómo Big Data y Ciencia de Datos miden “el latido del corazón del planeta”. Ejemplos: predecir infecciones en bebés prematuros, resolver tráfico, pobreza, malaria, reincidencia delictiva y hasta conexiones personales en Facebook o “quantifying myself” (medir todo lo personal).
   • Moneyball (película 2011): aplica Ciencia de Datos (estadística avanzada y análisis de datos) al béisbol. En lugar de intuición, usan datos para seleccionar jugadores y ganar con bajo presupuesto → revolucionó el deporte.

5. Las 6 fases de la Metodología CRISP-DM

   • Metodología estándar abierta más usada en Ciencia de Datos
   • 3. Preparación de los Datos → Limpiar, integrar y transformar los datos de Excel.
   • 4. Modelado → Crear modelos (ej. regresión para predecir costos).
   • 5. Evaluación → Validar si el modelo es bueno y responde al objetivo.
   • 6. Despliegue → Implementar el modelo y monitorear resultados (predecir impacto futuro).
   • 2. Entendimiento de los Datos → Explorar y describir los datos recolectados.
   • 1. Entendimiento del Negocio → Definir objetivos y problema (lo que estamos haciendo ahora).

Imagens e arquivos do mapa