LA METODOLOGÍA Y EL CIENTÍFICO DE LA CIENCIA DE DATOS

1. Científico de datos.Traduce los grandes volúmenes de información disponibles conocidos como Big Data. Provienen de todo tipo de fuentes de información masivas y las convierten en respuestas.

2. Habilidades.

2.1. 1. Pensamiento crítico

2.2. 2. Comunicación efectiva

2.3. 3. Resolución proactiva de problemas

2.4. 4. Curiosidad intelectual

2.5. 5. Sentido del negocio

2.6. 6. Capacidad para preparar los datos para un análisis eficaz

2.7. 7. Capacidad para aprovechar las plataformas de análisis de autoservicio

2.8. 8. Capacidad para escribir códigos eficientes y mantenibles

2.9. 9. Capacidad para aplicar las matemáticas y estadísticas adecuadamente

2.10. 10. Capacidad para aprovechar el aprendizaje automático y la inteligencia artificial (IA)

3. PERFIL

3.1. Especialistas en infraestructura.

3.2. Arquitectos web.

3.3. Administradores de bases de datos.

3.4. Expertos en minería de datos.

3.5. Matemáticos especializados en modelos predictivos.

3.6. Ser capaz de liderar y gestionar la crisis

3.7. Llevar las soluciones tecnológicas al negocio

3.8. Entender la cultura empresarial

3.9. Innovar y gestionar el cambio

4. Establece una comunicación con los representantes de la empresa e identifica las áreas problemáticas de la misma. Recoge información con el fin de que se pueda realizar un seguimiento de las actividades de la empresa. Formula hipótesis para mejorar algunos parámetros. Prepara los datos para el análisis: clasifica, filtra y toma muestras. Identifica patrones. Visualiza los datos: traduce las estadísticas y el Big Data en conclusiones y gráficos visuales. Sugiere soluciones que se utilizan para el desarrollo de proyectos o negocios. Basándose en los datos proporcionados por el analista de datos, la empresa puede tomar cualquier decisión empresarial.

5. MIS CUALIDADES

5.1. Todas las habilidades

5.1.1. Pensamiento crítico

5.1.2. Comunicación efectiva

5.1.3. Resolución proactiva de problemas

5.1.4. Curiosidad intelectual

5.1.5. Sentido del negocio

5.1.6. Planear una comunicación estratégica

5.1.7. Innovar y gestionar el cambio

5.1.8. Ser capaz de liderar y gestionar la crisis

5.2. pendientes por desarrollar

5.2.1. Lenguajes de programación y herramientas

5.2.2. conocer los fundamentos matemáticos

5.2.3. Llevar las soluciones tecnológicas al negocio

5.2.4. lenguajes de programación

6. Comprensión del negocio.Todos los proyectos comienzan con la comprensión del negocio.

7. Enfoque analítico.Cuando el problema empresarial se haya establecido claramente, el científico de datos podrá definir el enfoque analítico para resolver el problema.

8. Requisitos de datos.El enfoque analítico elegido determina los requisitos de datos. Más concretamente, los métodos analíticos a utilizar requieren de determinados contenidos de datos, formatos y representaciones, orientados por el conocimiento en el dominio

9. Recopilación de datos.En la etapa inicial de recopilación de datos, los científicos de datos identifican y reúnen los recursos de datos disponibles (estructurados, no estructurados y semiestructurados) y relevantes para el dominio del problema.

10. Preparación de datos. Esta etapa abarca todas las actividades para construir el conjunto de datos que se utilizará en la subsiguiente etapa de modelado.

11. Modelado.La etapa de modelado utiliza la primera versión del conjunto de datos preparado y se enfoca en desarrollar modelos predictivos o descriptivos según el enfoque analítico previamente definido.

12. Evaluación.Durante el desarrollo del modelo y antes de su implementación, el científico de datos evalúa el modelo para comprender su calidad y garantizar que aborda el problema empresarial de manera adecuada y completa.

13. Implementación. Cuando el modelo satisfactorio ha sido desarrollado yaprobado por los promotores del negocio, se implementa en elentorno de producción o en un entorno de pruebascomparable.

14. Retroalimentación.Al recopilar los resultados del modelo implementado, la organización obtiene retroalimentación sobre el rendimiento del modelo y su impacto en el entorno en el que se implementó.

15. Comprensión de datos Después de la recopilación de datos inicial, los científicos de datos suelen utilizar estadísticas descriptivas y técnicas de visualización para comprender el contenido de los datos, evaluar su calidad y descubrir insights iniciales sobre ellos.

16. ¿Qué es una metodología? Es una estrategia general que sirve de guía para los procesos y actividades que están dentro de un dominio determinado. La metodología no depende de tecnologías ni herramientas específicas, ni es un conjunto de técnicas o recetas. Más bien, la metodología proporciona al científico de datos un marco sobre cómo proceder con los métodos, procesos y argumentos que se utilizarán para obtener respuestas o resultados.