Los sistemas de recomendación se basan en la ciencia de datos.
La ciencia de datos es una disciplina que combina técnicas y recursos de la estadística, las matemáticas, la ciencia de la computación y la inteligencia artificial (IA) para la obtención de información de interés. Se trata de un campo científico y académico centrado en el análisis de datos masivos (big data) para la extracción de contenidos valiosos o útiles.
La misión de la ciencia de datos es hacer visibles conocimientos que se encuentran ocultos o implícitos en bases de datos. Esto requiere el desarrollo de una serie de procedimientos que posibilitan el procesamiento, la limpieza y la clasificación de dichos datos para brindar acceso a la información en cuestión.
Temas
ResumenHistoria de la ciencia de datos
La historia de la ciencia de datos comenzó en la década de 1960. Se menciona al estadounidense John W. Tukey (1915-2000) como un pionero al reflexionar sobre el análisis de datos y la evolución o el progreso de la estadística matemática. Otro impulsor en aquella misma época fue el danés Peter Naur (1928-2016), quien contribuyó a la difusión del concepto.
En 2001, en tanto, el norteamericano William S. Cleveland postuló la ciencia de datos como una disciplina autónoma que trascendía la estadística e incorporaba nociones de la informática. Al año siguiente, nació «Data Science Journal», la primera publicación especializada en la materia.
La ciencia de datos puede contribuir a una segmentación de mercado.
Sus tareas
Como ya indicamos, la ciencia de datos se aplica a través de diferentes procedimientos, que pueden asociarse a etapas o fases.
La primera tarea que lleva adelante la disciplina es la recopilación de datos, tanto no estructurados como estructurados. Dicha labor puede concretarse de distintas maneras: transmitiendo datos desde diversos dispositivos y sistemas, extrayéndolos de la Web o introduciéndolos de forma manual, por ejemplo.
De manera casi simultánea tiene lugar el almacenamiento de datos. Las siguientes labores consisten en la limpieza de datos (eliminando duplicaciones, por mencionar un caso) y el análisis exploratorio de datos (EDA) para el reconocimiento de patrones, tendencias, rangos, etc. Los algoritmos y las redes neuronales de la IA son claves en este procesamiento de datos.
Finalmente llega el turno de la visualización de datos (ya procesados y analizado) y su comunicación para que sea posible actuar en base a ellos.
La ciencia de datos permite realizar un análisis predictivo en salud.
Importancia de la ciencia de datos
El crecimiento constante y acelerado de la cantidad de datos existentes hace que esta disciplina sea cada vez más importante. Para las empresas, extraer información valiosa de ese conjunto inmenso de datos resulta crucial para la planificación y la toma de decisiones.
Un científico de datos trabaja en conjunto con expertos en ingeniería de datos, ciencia computacional y otras ramas del saber. Por lo general, recurren a Python, R y otros lenguajes de programación para propiciar la visualización de los datos y la inferencia estadística.
Mediante el modelado predictivo, el aprendizaje automático (machine learning), el deep learning (aprendizaje profundo), el procesamiento de lenguaje natural (PLN) y otras herramientas, el científico de datos consigue la extracción de información. Valiéndose de sus saberes de esta disciplina, asimismo, está en condiciones de transmitir esos conocimientos a directivos y a cualquier interesado, explicando cómo pueden resolverse problemas gracias a los resultados obtenidos.
Tipos de análisis
Es habitual que el análisis de los datos se clasifique del siguiente modo:
- Análisis predictivo: Tomando datos históricos y trabajando con patrones, se realizan previsiones sobre lo que puede ocurrir. Para esto se emplean algoritmos que permiten entrenar a los sistemas.
- Análisis prescriptivo: Implica el desarrollo de un análisis pero además incluye una recomendación sobre cómo actuar ante el pronóstico. En este marco, se examinan los posibles efectos de las distintas opciones.
- Análisis de diagnóstico: Se centra en las causas de los fenómenos a través de la minería de datos y del análisis de las correlaciones.
- Análisis descriptivo: Basado en un examen de los datos para comprender lo que está sucediendo o ya sucedió.
Ejemplos de ciencia de datos
Podemos encontrar ejemplos de ciencia de datos en múltiples ámbitos. La aplicación de esta disciplina puede apreciarse en la banca, cuando una FinTech recurre a un análisis de riesgo automatizado mediante IA para conceder créditos que se solicitan desde una aplicación. A través de un análisis prescriptivo, el sistema estudia los antecedentes del cliente y establece si se otorga, o no, el préstamo y bajo qué condiciones.
En el terreno de marketing digital, la ciencia de datos hace posible el análisis de comportamiento de usuarios, por ejemplo. De los datos que generan con sus distintas acciones se puede extraer información útil para elaborar campañas personalizadas y hacerles llegar propuestas específicas. En este marco también se puede apelar a un análisis de redes sociales.
Otro ejemplo de ciencia de datos se da cuando se recurre a la IA para realizar un análisis de la competencia. Este tipo de proceso resulta muy valioso para definir la estrategia comercial teniendo en cuenta la situación y la posición de los competidores en el mercado. La elaboración de un forecasting (pronóstico) basado en datos es otra posibilidad que brinda esta disciplina.
Publicado por 
