1. Análisis estadistico
1.1. Ciencia de recopilar y presentar grandes cantidades de datos
1.1.1. Descubre patrones implicitos
1.2. Aplicaciones
1.2.1. Doctores mantienen sanos a los niños
1.2.1.1. Por datos de las vacunas
1.2.2. Las compañías de comunicaciones
1.2.2.1. Optimizan recursos de redes
1.2.3. Dependencias de gobierno
1.2.3.1. Entendimiento de su gente
2. ¿Qué es?
2.1. Campo interdisciplinario que utiliza
2.1.1. Métodos
2.1.2. Algortimos
2.1.3. Procesos
2.1.4. Sistemas científicos
2.2. Su fin es extraer valor de datos
2.3. Revelar tendencias
2.4. Generar información
2.4.1. Las empresas la utilizan
2.4.1.1. Tomar mejores decisiones
2.4.1.2. Crear productos /servicios innovadores
2.5. Aplicaciones
2.5.1. Recolectar información de usuarios
2.5.1.1. Experiencia personalizada
2.5.1.1.1. Amazon
2.5.1.1.2. Spotify
2.5.1.1.3. Google
2.5.1.1.4. Netflix
2.5.1.1.5. Redes sociales
3. Analista de datos
3.1. Utiliza:
3.1.1. Tableros de información
3.1.1.1. Flujos de datos en tiempo real
3.1.2. Análisis de informes dinámicos
3.1.2.1. Datos introductorios en un sistema
4. Se diferencian entre si
4.1. Análisis de datos
4.1.1. Análisis particular
4.1.1.1. Más rápido para responder preguntas
4.2. Ciencia de datos
4.2.1. Más amplio
4.2.1.1. Aplicado a más campos de investigación
4.3. Alcance
4.4. Propósito
4.5. Enfoque sobre el análisis
5. Científico de datos
5.1. Combina distintas habilidades
5.1.1. Estadísitcas
5.1.2. Informática
5.1.3. Conocimiento empresarial
5.2. Analiza datos recopilados de:
5.2.1. La web
5.2.2. Teléfonos celulares inteligentes
5.2.3. Clientes
5.2.4. Sensores
5.2.5. Otras fuentes
5.3. Herramientas
5.3.1. Libretas de código abierto
5.3.1.1. Visualizar datos
5.3.1.2. Aplicaciones para escribir y ejecutar códigos
5.3.1.3. Marcas:
5.3.1.3.1. Jupyter
5.3.1.3.2. RStudio
5.3.1.3.3. Zepplin
6. Su relación
6.1. Se estudia y analizan las cifras
6.1.1. Para aplicar la ciencia y análisis de datos
6.2. Centro de datos
6.3. Son la base de todo
7. Big Data
7.1. Gran volumen de datos
7.1.1. Estructurados
7.1.2. No estructurados
7.2. Las organizaciones utilizan sus datos
7.3. Se analiza para obtener ideas de mejores decisiones
7.4. Importancia
7.4.1. Proporciona respuestas a preguntas de empresas
7.4.2. Son punto de referencia
7.4.3. Ayuda a organizaciones a aprovechar sus datos
7.4.4. Utiliza los datos para identificar nuevas oportunidades
7.5. Ventajas
7.5.1. Reducción de costos
7.5.2. Más rápido, mejor toma de decisiones
7.5.3. Nuevos productos y servicios
7.6. Ejemplos de utilización
7.6.1. Turismo
7.6.2. Cuidado de la salud
7.6.3. Administración
7.6.4. Publicidad
7.6.5. Retail
7.6.6. Empresas de manufactura
8. Referencias
8.1. Margin Call
8.1.1. Utiliza ciencia y análisis de datos
8.1.2. Se percata de la situación difícil de la empresa
8.1.2.1. Deuda de aplacamiento con más deuda
8.2. The big short
8.2.1. Utiliza ciencia y análisis de datos
8.2.2. Predice una situación financiera
8.2.2.1. Sobre hipótecas de casa y el mercado
8.2.2.1.1. Ventas en corto
8.3. Biblioteca digital
8.3.1. ¿Qué es la Ciencia de Datos, Minería de Datos y Big Data? VIDEO
8.3.1.1. Link: Académica | Comunidad Digital de Conocimiento
8.3.2. Impacto de la red social Facebook en el proceso educativo superior de las matemáticas considerando la ciencia de datos ARTÍCULO
8.3.2.1. Link: http://web.a.ebscohost.com/ehost/detail/detail?vid=0&sid=0f21447c-1237-4dda-8f29-558ab7c8d6cf%40sdc-v-sessmgr02&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#AN=133574440&db=a9h
8.3.3. Introduction: Big Data – Digital Technology, Loads of Empirical Materials, and a Daring Vision. ARTÍCULO
8.3.3.1. Link: http://web.a.ebscohost.com/ehost/detail/detail?vid=5&sid=eaabef05-912b-4958-b021-947ca026f5f2%40sessionmgr4007&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#AN=137827384&db=eue
9. Análisis de datos
9.1. Ciencia que examina datos en bruto
9.1.1. Presenta conclusiones de información
9.1.2. Usado en la industria para
9.1.2.1. Compañías tomen mejores decisiones
9.1.2.2. Verificar o reprobar modelos existentes
9.2. Los extractores de datos se clasifican en:
9.2.1. Conjuntos de datos
9.2.2. Softwares para identificar patrones
9.3. Se centra en:
9.3.1. Inferencia
9.3.2. Proceso de derivar una conclusión
9.3.3. Lo que conoce el investigador
9.4. Se divide en:
9.4.1. Análisis exploratorio de datos
9.4.1.1. se descubren nuevas características en datos
9.4.2. Análisis confirmatorio de datos
9.4.2.1. se prueba si las hipótesis son falsas o verdaderas
9.4.3. Análisis cuantitativo de datos
9.4.3.1. conclusiones de datos no numéricos
9.5. Aplicaciones:
9.5.1. Bancos
9.5.2. Compañías de tarjetas de crédito
9.5.2.1. Analiza retiros
9.5.2.1.1. Patrones de gastos para prevenir fraudes
9.5.3. Comercio electrónico
9.5.3.1. Examina trafico en sitio web
9.5.3.1.1. Clientes propensos comprar servicios
10. Comparación
10.1. Películas sobre finanzas
10.1.1. Ambas se refieren a la misma situación
10.1.1.1. Vista desde distintas perspectivas
10.1.1.1.1. Margin Call
10.1.1.1.2. Big short