Buenos días, hoy os hablo de un concepto muy actual, la nueva sociedad de datos, el Internet y la tecnología se han vuelto imprescindibles en nuestras vidas. En concreto, voy a explicar conceptos que todos deberíamos ir conociendo.
Data science
Es la ciencia encargada de estudiar los datos, extrae información de grandes cantidades de datos, su objetivo es tomar decisiones y combina la informática, las matemáticas y la estadística. Se obtienen de distintas fuentes, como las redes sociales, las encuestas o los teléfonos móviles, las empresas quieren conocer a sus clientes, conociendo sus gustos y rutinas para poder ofrecer distintos productos. Hace falta científicos de datos que estructuren dichos datos. El nombre de data science se utiliza a partir de los años 70 y en 2001 se convierte en una disciplina independiente.
Es muy común preguntarse si la Big Data es lo mismo que Data science, pero presentan diferencias, Big Data se encarga de gestionar y almacenar datos y Data Science convierte dichos datos en información valiosa.
https://intellipaat.com/blog/wp-content/uploads/2016/11/What-is-Data-Science.docx.jpg
Os voy a explicar conceptos básicos dentro de Data Science:
Data mining: recolecta y almacena datos útiles. Las empresas pueden obtener más información de sus clientes. Se emplean algoritmos matemáticos.
https://www.microstrategy.com/getmedia/1df4db37-bb42-452e-bb97-7f6366629d2d/applications-of-data-mining
Deep Learning: resuelve problemas con redes neuronales que simulan el cerebro. Las redes se estructuran en capas, en la primera se capta la información, en la siguiente, se realizan cálculos y en la última se proyecta la información.
https://www.profesionalreview.com/wp-content/uploads/2019/08/Deep-Learning-4.jpeg
Machine Learning: educar a la tecnología para que corrija errores por si sola. Se basa en la predicción y clasificación de datos para obtener información útil aplicable a diferentes áreas.
https://itmastersmag.com/wp-content/uploads/2018/09/shutterstock_1098841148-e1536703790784.jpg
Inteligencia artificial: Se basa en algoritmos utilizados para la creación de máquinas que imitan el comportamiento humano. se aplica en el reconocimiento facial o en la creación de chatbots.
https://www.race.es/revista-autoclub/wp-content/uploads/sites/4/2019/01/los-moviles-se-apuntan-a-la-inteligencia-artificial-3-759x500.jpg
La big Data tiene distintas aplicaciones, te permite dedicarte a distintos empleos:
Data Scientist: Especializado en la extracción de conocimiento a través de los datos. Entre sus funciones está la construcción de algoritmos que faciliten la extracción y organización de la información. Habitualmente, el Data Scientist tiene conocimientos matemáticos, estadísticos y de programación.
https://miro.medium.com/max/4800/1*j_xDdd5jgmoLh_mmD_RGKg.jpeg
Data Engineer: Hace que los datos sean accesibles para su manipulación por parte de los Data Scientist. Entre sus funciones están la utilización de herramientas y procesos para el desarrollo de aplicaciones de Big Data.
https://www.itconsultors.com/images/blog/content_screenshot_2017-02-23_14_26_33.png
Data analyst: interpreta los datos que se han obtenido y saca conclusiones.
https://www.t-systemsblog.es/wp-content/uploads/2019/02/T-Systems_big_data_analyst.jpg
Chief Data Officer: Es el máximo responsable de la gestión de datos.
https://plsadaptive.s3.amazonaws.com/eco/images/event_content/V0IGOaFqnPEBgUHiNeG6duzlrxGWWfbLA8VxEisl.png
Big Data: conjunto de datos, cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales, tales como bases de datos relacionales y estadísticas convencionales o paquetes de visualización, dentro del tiempo necesario para que sean útiles.
La Big Data se caracteriza por tener las llamadas "tres V"
https://www.ambientum.com/wp-content/uploads/2019/09/big-data-mapa-696x394.jpg
Volumen: se procesan una gran cantidad de datos no estructurados de baja densidad , puede tratarse de datos de valor desconocido, como feeds de datos de Twitter, flujos de clics de una página web o aplicación para móviles, o equipo con sensores. Para algunas organizaciones, esto puede suponer decenas de terabytes de datos. Para otras, incluso cientos de petabytes.
https://recursos.bps.com.es/files/823/35.jpg
Velocidad : La velocidad es el ritmo al que se reciben los datos y (posiblemente) al que se aplica alguna acción. La mayor velocidad de los datos normalmente se transmite directamente a la memoria, en vez de escribirse en un disco. Algunos productos inteligentes habilitados para Internet funcionan en tiempo real y requieren una evaluación y actuación en tiempo real.
https://blogger.googleusercontent.com/img/proxy/AVvXsEhDMGZ6e-vFoGzMBEClhKQwhupx5WPTsEnelIxSPYGlwmPtMGeKWvddogPaBshMfnvKasMUkPL8x15jJZ6hsldtS2xhsVK7KmbN-Ku55sRGqJze6h8WBmo8VL9ESRG8WJEqx1KHAwZd9X5Y5-ko-N7-gpjjE7YWgzw4Y2OG5tjrc-QZUs-9hYDlY85vI_b0oSw-MiSw2j9bEQ=
Variedad: La variedad hace referencia a los diversos tipos de datos disponibles. Los tipos de datos convencionales eran estructurados y podían organizarse claramente en una base de datos relacional. Con el auge del big data, los datos se presentan en nuevos tipos de datos no estructurado, o semiestructurados, como el texto, audio o vídeo, requieren un preprocesamiento adicional.
https://upload.wikimedia.org/wikipedia/commons/thumb/6/6d/Data_types_-_en.svg/250px-Data_types_-_en.svg.png
El big data también presenta distintos desafíos,
En primer lugar, el big data se caracteriza por su gran tamaño. Aunque se han desarrollado nuevas tecnologías para el almacenamiento de datos, el volumen de datos duplica su tamaño cada dos años aproximadamente. Las organizaciones continúan esforzándose por mantener el ritmo de crecimiento de sus datos y por encontrar formas de almacenarlos eficazmente.
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjihdK-qtUIE1CPlaltChaCJr-q4fTd50vFOnx70dvR-M236thGWnzAM5DAdI4lZHIqsxN8QonSxdeKCAPvraeXwBhBHZGCoyQfjk9cqFSdtAusEH_wyj8hrz-4bm2HZ4egENEB719kW-vI/s200/tablas.PNG
Pero no basta con almacenar los datos. Para ser de algún valor, los datos deben poder utilizarse, y esto depende de su conservación. Disponer de datos limpios —es decir, datos relevantes para el cliente y organizados de tal modo que permitan un análisis significativo— requiere una gran cantidad de trabajo. Los científicos de datos dedican entre un 50 y un 80 por ciento de su tiempo a seleccionar y preparar los datos antes de que estos puedan utilizarse.
https://blogger.googleusercontent.com/img/proxy/AVvXsEgn0KiZgvuTqmqzgV8u00psTtoIRDokd-ZK2aM8x6y6aJGCvbGNZEgcouMTiYKPpm6gjSdvBiWIt7U2yVj0rTy0pyB3FxyC7iHg3niA8QP3lw93RGbtkh2ZoeGFT6w081Kev-zsmWm-kOCZAOI97JSpv77CLBPGiWG1jAViddm70JPrsAyzuubj6SW8ZxZxMOjgbsrOtnGs3EiYoCuzKoADUQ=
Por último, la tecnología de big data cambia a un ritmo rápido.
También presenta numerosas ventajas, como alineación con el modelo operativo en la nube, planificar el laboratorio de hallazgos en pro del rendimiento,y optimizar la transferencia de conocimientos con un centro de excelencia.
Data analytics
Data analytics (análisis de datos) es un enfoque que implica el análisis de datos (big data, en particular) para sacar conclusiones. Al usar data analytics, las empresas pueden estar mejor equipadas para tomar decisiones estratégicas y aumentar su volumen de negocios.
Los objetivos principales de un enfoque de data analytics son:
- Mejorar la eficiencia operativa
- Mejorar y optimizar la experiencia UX y del cliente
- Perfeccionar el modelo de negocio
https://blogs.imf-formacion.com/blog/tecnologia/wp-content/uploads/2019/02/mercado-big-data-business-analytics-2022.jpg
https://daily.financialexecutives.org/FEI/media/FEI/Daily/ibm-analytics.jpg
- Business Intelligence (BI)
Business Intelligence Es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios. Es el conjunto de métodos, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada en información estructurada para su explotación directa o para su análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio.
https://www.innovaciondespachos.com/wp-content/uploads/2019/07/Business.jpg
Sus principales objetivos son:
* Observar qué está ocurriendo
* Comprender por qué ocurre
* Predecir qué ocurriría
* Colaborar qué debería hacer el equipo
* Decidir qué camino se debe seguir
https://www.e-saurio.com/sitio/wp-content/uploads/Servicios03.png
Se utiliza con distintos fines, el análisis de comportamiento de los clientes, los patrones de compra y las tendencias de ventas.La medición, seguimiento y predicción de las ventas y el rendimiento financiero, la realización de presupuestos y la planificación financiera y el análisis del rendimiento de las campañas de marketing.
https://www.ohmybrand.es/wp-content/uploads/2017/09/Infograf%C3%ADa-Business-Intelligence.png
Machine learning
https://www.google.com/url?sa=i&source=images&cd=&ved=2ahUKEwj2vvuwpZfnAhVkx4UKHR0UAN8QjRx6BAgBEAQ&url=https%3A%2F%2Fcriptotendencia.com%2F2019%2F05%2F10%2Fte-explicamos-como-funciona-el-machine-learning%2F&psig=AOvVaw2oc6ex1dre6MqN5iGLhxa-&ust=1579785404664758
https://www.neoland.es/blog/que-es-data-science
https://www.innovaciondespachos.com/wp-content/uploads/2019/07/Business.jpg
Sus principales objetivos son:
* Observar qué está ocurriendo
* Comprender por qué ocurre
* Predecir qué ocurriría
* Colaborar qué debería hacer el equipo
* Decidir qué camino se debe seguir
https://www.e-saurio.com/sitio/wp-content/uploads/Servicios03.png
Se utiliza con distintos fines, el análisis de comportamiento de los clientes, los patrones de compra y las tendencias de ventas.La medición, seguimiento y predicción de las ventas y el rendimiento financiero, la realización de presupuestos y la planificación financiera y el análisis del rendimiento de las campañas de marketing.
https://www.ohmybrand.es/wp-content/uploads/2017/09/Infograf%C3%ADa-Business-Intelligence.png
Machine learning
El Aprendizaje Automático consiste en una disciplina de las ciencias informáticas, relacionada con el desarrollo de la Inteligencia Artificial, y que sirve, como ya se ha dicho, para crear sistemas que pueden aprender por sí solos. Con aprender me refiero a convertir patrones en datos, es decir, un algoritmo, que entiende los datos y predice comportamientos. Estos no requieren interacción con humanos.
Machine learning tiene numerosas aplicaciones, sobre todo en lo que respecta a los datos de los clientes. , pueden averiguar cuándo se van a dar de baja. En pocas palabras, con Machine Learning se puede pasar de ser reactivos a ser proactivos.
Machine learning tiene numerosas aplicaciones, sobre todo en lo que respecta a los datos de los clientes. , pueden averiguar cuándo se van a dar de baja. En pocas palabras, con Machine Learning se puede pasar de ser reactivos a ser proactivos.
En conclusión, todos estos recursos afectan mucho a la sociedad actual, pues nos facilitan la vida en muchos aspectos, por lo que debemos estar siempre agradecidos de poder disponer de ellos.
Gracias por leerme💚💙
No hay comentarios:
Publicar un comentario