Existen muchas preguntas entorno a la ciencia de los datos, lo que es y para lo que sirve. Muy probablemente nos hemos topado con la pregunta: ¿Qué hace un científico de datos? Una de las respuestas mas sencillas que podríamos dar a esta pregunta es que un científico de datos es aquella persona que se encarga de trabajar con los datos para ayudar a la reducción de ineficiencias en procesos, productos o servicios. Pero realmente esa respuesta se queda bastante corta, ya que dentro de la ciencia de los datos hay varios temas y conceptos adicionales que juegan un papel importante.
Pensemos en una empresa de ventas por internet, seguramente a ellos les interesaría utilizar sus datos para mejorar la rapidez y eficiencia en sus envíos. Pensemos también en una empresa que vende seguros para vehículos, de seguro les interesaría conocer las probabilidades y estadísticas de siniestros o accidentes de tránsito. En fin, la ciencia de los datos se puede utilizar de muchas formas y de seguro en cualquier industria o tipo de negocio.
Teniendo en mente que este concepto es bastante amplio y aplicable a cualquier sector empresarial, estaríamos mal en pensar que el trabajo que realiza un equipo de científicos de datos está libre de retos y complicaciones. Podríamos decir que el trabajo de estas personas se distribuye de la siguiente forma: 50% soluciones de ingeniería (lógica, abstracción, procesos, sistemas, resolución de problemas) y otro 50% conocimientos técnicos y del negocio en donde se desempeña. Probablemente surge cierta incertidumbre sobre el segundo 50%, pero podría un científico de datos hacer un buen papel si ¿no conoce los productos y servicios del negocio?, ¿no conoce los objetivos financieros de la empresa? o si ¿no sabe manejar las herramientas de trabajo que tiene disponibles?, creo que estamos todos de acuerdo en decir que no, no podría desempeñar un buen papel.
Teniendo en cuenta lo mencionado anteriormente, podríamos decir que la ciencia de los datos abarca los siguientes pasos generales:
- Conocimiento del negocio.
- Comprensión de los datos y fuentes de información.
- Preparación de los datos.
- Modelado
- Evaluación del modelo.
- Despliegue en producción.
El listado anterior nos ayuda a dimensionar todos aquellos aspectos y procesos que giran alrededor de la ciencia de datos e incluso sienta las bases a la hora que se quiera proponer un modelo de “proceso de ciencia en los datos”. Para aclarar un poco mas todo este pensamiento a continuación tenemos el siguiente diagrama:
Fuente: https://www.bbvadata.com/es/accelerating-data-science-workflows/
Podemos interpretar varias cosas con este diagrama, pero lo que vale la pena resaltar es lo siguiente:
- Todo el proceso parte a raíz de una necesidad del negocio. Es decir, un problema que se necesita resolver, algo que se quiere mejorar o cualquier otro aspecto empresarial sobre el cual se tenga la necesidad de profundizar y analizar la información que se tiene.
- La ciencia de datos es un ciclo repetitivo, ya que siempre surgen nuevas necesidades, las fuentes de información cambian, se actualizan o aumentan y por supuesto a todo esto hay que darle mantenimiento y soporte.
En conclusión, los proyectos dentro de las empresas van siempre aumentando en número y diversidad, por lo cual sentimos la necesidad de crear nuevos flujos de trabajo o estrategias que ayuden a abstraer y documentar todo aquello que sea útil para los procesos de toma de decisión. Es por esto por lo que implementar la ciencia de los datos dentro de nuestra empresa se convierte en algo muy importante, no solo para mejorar la compresión de los datos, sino también para encajar nuevas prácticas corporativas basadas en una cultura de análisis y de datos con el fin de agilizar procesos, enriquecer nuestro trabajo y de seguro orientar a la empresa a una mejor toma de decisiones estratégicas.
Fuente: BBVA Data Analytics “Acelerar el flujo de trabajo en ciencia de datos” Jose Antonio Rodriguez Serrano y César de Pablo Sánchez 24/mayo/2019