Data Science: qué es, qué se hace, qué se necesita y aplicaciones

¿Qué es el Data Science?

La ciencia de datos es una disciplina basada en las matemáticas, estadística y tecnologías de la información con el fin de transformar datos en información que sea útil y relevante.

Para lograr este objetivo, nos nutrimos de todo el potencial y valor de los datos mediante diversas técnicas de análisis de datos:

• Minería de datos: Es el proceso de detectar patrones, correlaciones y anomalías en grandes conjuntos de datos para estimar o predecir resultados.



• Machine Learning o aprendizaje automático: Mediante el uso de algoritmos, esta disciplina es capaz de entrenar a la máquina a partir del análisis de datos a fin de identificar patrones y tomar decisiones y automatizar el proceso.



• Deep Learning: Se inspira en la estructura del cerebro y sus redes neuronales. Este subtipo de Machine Learning, utiliza nodos de información o neuronas interconectadas en una estructura de capas para crear un sistema adaptable que aprende de sus errores y mejoran progresivamente de manera autónoma.

• Series Temporales: Es un conjunto de datos u observaciones ordenados cronológicamente que hace referencia a una o varias variables.

• Regresiones: Es una técnica de análisis estadístico que calcula la relación estimada entre una variable dependiente y una o varias variables explicativas.

¿Qué hace un Data Scientist?

Es el profesional que se dedica a la extracción de información a partir de grandes volúmenes de datos mediante la recolección, análisis e interpretación de los mismos.

El Data Scientist analiza y da sentido a estos datos, extrayendo información que sea relevante en la toma de decisiones, estrategias y planes de negocio de la empresa para impulsar sus objetivos.

Funciones del científico de datos:

     - Agregación de datos: Se obtiene toda la información que sea posible de diversas fuentes.

     - Limpieza de datos: Se elimina toda la información que no sea relevante y preparar los datos para su procesamiento (Eliminación de ruidos, normalizar valores, modificar variables…)

     - Manipulación de datos: Se obtiene información valiosa mediante la aplicación de procesos estadísticos, modelos predictivos, softwares analíticos, machine learning…

     - Presentación de datos: Se representan los datos de manera que sean comprensibles para otros departamentos.

¿Qué conocimientos se necesitan para ser data scientist?

Los principales conocimientos que se necesitan para convertirse en data scientist se podrían resumir de forma muy breve en los siguientes bloques:

• Conocimientos estadísticos (modelado, clustering, análisis predictivo, visualización de datos…), matemáticos e informáticos.

• Lenguajes de programación: Existen numerosos lenguajes de programación aplicados en ciencia de datos. No obstante, los más populares y exigidos frecuentemente en ofertas de trabajo son: R, Python y SQL.

• Conocimiento acerca de plataformas, machine learning, deep learning y manejo de bases de datos SQL y NoSQL.

Aplicación de la ciencia de datos en diferentes sectores.

En realidad, a día de hoy, la ciencia de datos está presente en prácticamente cualquier sector, ya que ayuda a la toma de decisiones, facilita los procesos, predice comportamientos, etc. De entre todas las funciones que 

     Medicina: Detección de tumores y búsqueda de tratamientos.

Los sistemas de reconocimiento artificiales pueden llegar a ser mejores que los especialistas humanos, incluso, dentro del campo del análisis de imagen en la identificación de enfermedades.

     Ciberseguridad: Identificación de amenazas.

A partir de los datos de acceso a la red, se buscan patrones y se procede a dar alerta cuando se detectan situaciones que no responden a patrones predefinidos.

     Buscadores: Reconocimiento de imagen.

Análisis y clasificación automática de imágenes que la IA es capaz de identificar. La ciencia de datos interviene en el proceso, entrenando modelos de deep learning y permitiendo reducir al mínimo exponente la intervención humana a lo largo del proceso.

     Finanzas: Detección de fraudes.

Cruzando datos de diferentes fuentes, se pueden identificar escenarios fraudulentos tales como tarjetas duplicadas o cobros indebidos o duplicados estableciendo de manera automática la acción de bloqueo o advertencia de actividad irregular antes de que se produzca el daño.

     Industria: Mantenimiento predictivo.

La maquinaria y procesos logísticos cuentan con gran cantidad de sensores que informan sobre temperaturas, velocidades… Entrenando modelos de deep learning, la ciencia de datos puede predecir los fallos con antelación y ahorrar en revisiones periódicas y piezas de repuesto.

     Marketing: Clasificación de clientes y audiencias.

Nutriéndose de los datos de redes sociales, la ciencia de datos es capaz de predecir y crear la demanda de un producto a partir de ofertas segmentadas (clase social, edad, género…).

     Energía: Asegurar el suministro.

Se aplica en tareas como mantenimiento predictivo del consumo eléctrico o previsiones de consumo.