Introducción a Data Science: ¿Qué es y qué hace un Data Scientist?








A lo largo de la historia, diferentes culturas alrededor del mundo nos han hablado de seres que han surgido para imponer el orden en un universo de caos. Entidades portadoras de los más variados conocimientos, dispuestas a arrojar luz y guía en un espacio extremadamente difícil de concebir y comprender, convirtiéndolo, estructurándolo, depurándolo y dándole sentido. Esta labor de base ha resultado crítica para que todos los componentes de la realidad tengan las certezas necesarias y una dirección hacia donde avanzar.


Miles de años después, la historia vuelve a repetirse. El súper anabolizado desarrollo tecnológico nos ha puesto nuevamente en una situación similar. Hoy en día, el universo es digital y ese caos son los más de 60 billones de gigabytes que están ahí esperando ser interpretados, organizados, comprendidos y depurados para aportar nuevas direcciones a las que apuntar en los múltiples campos del conocimiento. Por suerte, como sucedió en aquel entonces, también han aparecido nuevos seres dispuestos a asumir esa titánica misión. Estamos hablando de los Data Scientists.











En este nuevo Coder Blog vamos a hacer una introducción al Data Science, la disciplina que busca brindar certezas mediante el análisis exhaustivo de la Big Data, entendiendo de qué se trata, cómo funciona, para qué sirve, sus diferencias con otras disciplinas similares, quiénes son sus protagonistas y cómo podemos introducirnos en este mundo.


¡Empecemos a sumergirnos en esta metodología que cada vez está pisando más fuerte a la hora de moldear el futuro que se aproxima!








1.1 Surgimiento e Historia del Data Science


La historia del análisis de datos se remonta a principios de los 90 y ha pasado por diferentes etapas muy diferenciadas, tal y como se puede observar en profundidad en nuestro artículo sobre Data Science.


La metodología Data Science surge en el ámbito de la nueva era de la información, la cuarta revolución industrial y la llamada transformación digital, que implica la evolución y aparición de nuevos modelos de negocio, incorporando la digitalización de archivos y el mundo digital a todas las áreas de negocio.


Podemos decir sin lugar a dudas que en los últimos años hemos experimentado una verdadera explosión en cuanto al uso de sistemas informáticos por parte de la población mundial. Cada vez estamos interactuando más con sistemas, nuevas tecnologías, redes sociales, ecommerces, plataformas y aplicaciones, generando muchísimos datos de manera involuntaria con nuestra simple interacción y de manera voluntaria cuando realizamos registros, compras o suscripciones. Asimismo, nuestras ciudades se están volviendo inteligentes, a medida que las vamos dotando de sensores que miden diferentes eventos y el medio ambiente.


El incremento de sensores y de personas utilizando sistemas inteligentes ha dado como resultado un crecimiento explosivo de los datos, generándose cada año un 90% más de datos que el año anterior. Tal y como lo pudimos observar en el gráfico de inicio, se pronostica que para el año 2025 van a existir 175 billones de gigabytes en datos (Big Data). Estos registros almacenan conocimientos sumamente útiles que se pueden extraer y que las empresas están aprovechando de manera estratégica para obtener ventajas diferenciales sobre la competencia. Es por esto que han surgido disciplinas como la ciencia de datos que se encarga de llevar a cabo esta misión crucial ante la gran dificultad para analizar estos monstruosos volúmenes de registros.


Entonces, ¿Qué es el Data Science?








1.2 ¿Qué es Data Science?


Podemos definir a Data Science o a la ciencia de datos como la metodología que se encarga de recolectar, procesar, analizar y refinar enormes volúmenes de datos estructurados y no estructurados a fin de obtener información, certezas y conocimientos. Estas conclusiones les van a permitir a las diferentes áreas de una organización tomar decisiones tales como el lanzamiento de nuevos productos, la optimización de productos existentes, la expansión de operaciones, el seguimiento de tendencias, entre muchas otras.


Data Science es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimientos o un mejor entendimiento de los datos en sus diferentes formas. Entre sus filas podemos encontrar profesionales especializados en:


Método científico.Ingeniería de datos.Matemática.Estadística.Programación.Computación avanzada.Visualización de información.Hacking.Domain Knowledge.


Como lo mencionamos en los primeros párrafos de esta Introducción a Data Science, esta es un área que cada día toma más fuerza por el contexto en el que vivimos actualmente. Esto mismo hace que cada vez sea más demandada por las empresas de todos los rubros ya que permiten mejorar los servicios y aumentar las ventas.





Conoce nuestros cursos y carreras de Data Science haciendo clic en la foto:











1.3 ¿Cómo funciona Data Science?


Cuando nos preguntamos cómo implementar Data Science tenemos que tener en cuenta el proceso que lleva aparejada la siguiente metodología.








Así funciona el proceso de Data Science. Fuente: OpenWebinars





Haciendo una breve descripción de las diferentes etapas que lleva este complejo proceso de descubrimiento de insights, podemos decir que todo empieza con la recolección de datos crudos que provienen de la realidad. Estos datos pueden provenir de la misma empresa, de sus plataformas digitales y desde la información abierta al público.








Los datos se obtienen de persas fuentes.





Una vez que se recogen todos los datos necesarios, los Data Scientists se disponen a procesar y limpiarlos para que sean útiles a la hora de crear modelos en las etapas posteriores del proceso. Los datos no tratados se depuran a fin de eliminar aquellos que son innecesarios o que pueden generar errores. Asimismo, también se realizan este tipo de acciones para facilitar el análisis posterior de los registros.


Una vez que se han procesado y limpiado, los datos son tratados a través de análisis exploratorios, donde se utilizan diferentes variables y se trata de comprender los datos antes de comenzar a crear modelos.











Finalmente llega el momento de crear modelos y algoritmos con los que finalmente los datos se terminan convirtiendo en información valiosa que se comunica a las diferentes áreas de una organización a través de reportes sumamente visuales.











El enorme conjunto de disciplinas aplicadas en este proceso tales como la matemática, la estadística, la programación, la comunicación y la inteligencia de negocios se complementan para aportar valor con información, evitando que las organizaciones se guíen por el instinto o las teorías. Los datos permiten obtener conclusiones y ayudan a las personas a decidir basadas en información que pueden obtener a través de dashboards, código, pipelines ETL, reportes, dataviz, modelos de inteligencia artificial o machine learning.








1.4 ¿Para qué sirve el Data Science?


Recapitulando sobre los conceptos analizados en este artículo y aportando aún más aplicaciones sobre esta metodología, podemos decir que Data Science sirve a muchos propósitos cómo:





Manipular y darle utilidad práctica a la Big Data.


Obtener, procesar, depurar, analizar y modelar datos para convertirlos en información valiosa para la toma de decisiones.


Permite crear nuevos productos, optimizar los existentes, seguir tendencias y bajar a tierra los planes de expansión.


Reduce significativamente las decisiones impulsivas, instintivas o basadas en teorías no comprobadas. 





Actualmente, el Data Science se está aplicando a las industrias más importantes del mundo de persas maneras.





Industria Bancaria: Se han logrado importantes avances respecto a la ciberseguridad, detectando patrones atípicos y comportamientos extraños que han prevenido una gran cantidad de fraudes. Asimismo, esta metodología también se ha utilizado para perfeccionar el cálculo de primas de seguros y préstamos.


Industria Médica: Data Science se ha utilizado de manera crucial en la industria médica para acelerar los procesos de pruebas de vacunas contra el SARS-COV-2. Asimismo, también se han creado nuevos productos como el reconocimiento de imágenes para la detección de enfermedades y tumores.


Industria Tecnológica: Data Science ha hecho posibles las búsquedas basadas en imágenes a través de motores de búsqueda como Google.


Industria Automovilística: Se han logrado innovaciones cruciales para la seguridad vial como la conducción automática.


Marketing: Data Science permite una segmentación y clasificación de clientes sumamente profunda que permite saber qué ofrecer a cada persona dependiendo de sus necesidades específicas. A continuación, les compartimos un documental que ilustra los avances en este fenómeno.











Ahora que ya realizamos una primera Introducción a Data Science, es momento de analizar a su principal protagonista: el Data Scientist. En la segunda parte de este artículo vamos a entender qué es un Data Scientist, qué hace y los roles que asume. 





2.1 ¿Qué es un Data Scientist?


Un Data Scientist o Científico de Datos es la persona de un equipo encargada de obtener verdades y llegar a conclusiones a través del análisis masivo de datos, para permitir que la organización a la que pertenece pueda tomar mejores decisiones en su conjunto.


Ser un Data Scientist implica una gran cantidad de factores: 


En primer lugar, es crucial que estos profesionales cuenten con un entendimiento vasto del negocio en el cual se desempeñan. Es muy importante para estos inpiduos entender qué vende la empresa, de qué manera el consumidor busca el negocio o servicio que ofrece la organización y de qué forma se lleva al mercado ese producto. Poseer estas nociones básicas ayudan a los profesionales a entender qué datos deben ser almacenados y cuáles no.


En segundo lugar, es muy importante que estos profesionales sepan adquirir efectivamente esos datos, entendiendo qué patrones de datos se pueden obtener de los usuarios y de qué manera se pueden conseguir esos datos. Saber adquirir datos también implica entender cómo depurarlos de manera que resulten útiles. Es importante entender que, si introducimos datos basura en un flujo de Data Science, vamos a obtener como resultado información deficiente que no nos va a permitir tomar decisiones acertadas. Es crucial considerar el respaldo que tiene la fuente de los datos, el recorrido de los mismos y la frecuencia de actualización de esos registros antes de pensar de qué manera se puede depurar y organizar esos datos para poder trabajar sobre ellos.


En una tercera instancia resulta crítico que el profesional sepa elegir los modelos matemáticos más acertados para interpretar los datos. Estos modelos son algebraicos o estadísticos. Este modelado le permite al Data Scientist entender diferentes competencias del negocio como por qué se suscriben los usuarios, qué producto se debería fabricar más, qué tipo de atención se debe dedicar a los usuarios, etc. A partir de este trabajo, el científico de datos va a poder empezar a realizar predicciones.


En una cuarta y última fase nos encontramos con un requisito fundamental: saber comunicar los insights obtenidos a las diferentes áreas de la empresa. En este punto es importante ser claro y poder traducir los resultados al lenguaje de cada área. Herramientas como el storytelling resultan sumamente útiles para desempeñar correctamente este trabajo.








2.2 ¿Qué hace un Data Scientist?


Habiendo entendido qué es un Data Scientist, podemos decir que este perfil se encarga de:





Llevar adelante el proceso de Data Science.


Corregir y ajustar el proceso de Data Science y encontrar nuevas formas de adquirir datos.


Monitorear constantemente el proceso de Data Science.


Analizar en profundidad las bases de datos que crean las empresas para obtener hallazgos e identificar oportunidades.


Interpretar los resultados obtenidos para que todos lo puedan entender.


Comunicar Insights y oportunidades a los equipos de venta.


Analizar información de diferentes fuentes y transmitirla a diferentes capas de la compañía a través de gráficos.


Predecir tendencias como por ejemplo cuánto va a salir una vivienda o entender si un paciente va a tener una enfermedad.


Analizar datos de manera estadística.


Sistematizar los datos.


Perfeccionar procesos de Machine Learning.





Ahora que ya entendemos de qué es un Data Scientist y qué funciones cumple, es momento de analizar las diferencias entre esta disciplina y otras que interactúan con datos.








3.1 Diferencia entre Data Science y Business Intelligence


Data Science y Business Intelligence son dos conceptos que se suelen confundir ya que ambos trabajan con datos, sin embargo, existen notorias diferencias entre ambas disciplinas.


Por un lado, tenemos que considerar que Data Science trabaja con datos incompletos y muchas veces desordenados, mientras que Business Intelligence lo hace a través de datos completos y sumamente depurados.


Otra diferencia clave entre ambos conceptos es que Data Science analiza estos datos para descubrir qué información obtiene mientras que Business Intelligence informa lo que dicen estos datos.


En un tercer estrato podemos apreciar que Data Science trabaja con enormes volúmenes de datos mientras que BI trabaja con conjuntos de datos manejables.


Finalmente hay una diferencia marcada de propósitos, ya que DS genera hallazgos que impulsan decisiones a futuro mientras que los hallazgos de BI miden el rendimiento pasado.








3.2 Diferencia entre Data Science y Data Analytics


En muchas ocasiones se suelen confundir los conceptos de Data Analytics y Data Science ya que estos trabajan de manera cercana, sin embargo, existen grandes diferencias entre ambos métodos. La diferencia entre Data Analytics y Data Science radica principalmente en la función de cada uno. Mientras que un científico de datos realiza predicciones en base a patrones del pasado, el analista de datos extrae información vital a partir de los datos históricos de un negocio. 


Otra diferencia importante es que mientras el Data Scientist se preocupa por hacerse preguntas, el Data Analyst se preocupa por responder preguntas. Asimismo, un científico recurrirá a extraer información de varias fuentes, mientras que el analista generalmente lo hará de solo una. Respecto a este punto, es importante mencionar que el Scientist utiliza Machine Learning para obtener información, mientras que el Analyst recurre a lenguajes de programación como Python.


Respecto al campo de aplicación de sus conocimientos, podemos decir que el científico de datos tiene mayor libertad de acción mientras que un analista se encarga de aplicarlos exclusivamente a resolver problemas de negocios.








3.3 Diferencia entre Data Science y Data Mining


Otra confusión usual dentro de esta área se da entre los conceptos de Data Science y Data Mining.


Mientras que Data Science es una metodología global, el Data Mining es una disciplina dentro de ese mundo que involucra técnicas y tecnologías que se aplican para la exploración de grandes bases de datos de manera automatizada y semi automatizada, con la misión de obtener patrones repetitivos que expliquen el comportamiento de los datos.








3.4 Diferencia entre Data Science y Data Engineering


Muy a menudo también se suele dar una confusión entre los conceptos de Data Science y Data Engineering que, si bien suelen ser complementarios, esto no los hace similares.


Mientras que el Data Scientist es el encargado de depurar, procesar y organizar grandes volúmenes de datos, el Data Engineer es el encargado de desarrollar, construir, probar y mantener arquitecturas como bases de datos y sistemas de procesamiento a gran escala, que son los que posteriormente utilizan los científicos de datos para realizar sus tareas.


Data Engineering implica conocimientos mucho más avanzados en programación, pero aplicados a la construcción de herramientas de procesamiento, mientras que Data Science utiliza lenguajes de programación para conseguir y procesar datos.


Un ejemplo de la diferencia entre estos conceptos y su forma complementaria de trabajar está en el hecho de que los ingenieros de datos recomiendan e implementan formas de optimización de los datos para que estos resulten más provechosos en el análisis posterior de los científicos de datos.








3.5 Diferencia entre Data Science y Computer Science


Un último foco de confusión también existe al comparar los conceptos de Data Science y Computer Science. Esta son las principales diferencias entre ambos roles:


Mientras que los científicos de datos se centran más en los algoritmos de aprendizaje automático, los científicos en computación se centran en el diseño de software.


Otro punto de comparación entre ambos roles es que la educación que reciben es diferente. Mientras que un científico en computación posee un título en ciencias de la computación o de la información, los científicos de datos tienen usualmente mayor formación estadística.


Finalmente, otro punto de comparación clave es que los informáticos están más centrados en los sistemas mientras que los científicos de datos suelen estar más centrados en el negocio.





Ahora que ya entendemos la diferencia entre Data Science y otras profesiones que trabajan en torno a los datos, es momento de entender qué se necesita para ser un Data Science, cuál es su ruta de aprendizaje, por qué y dónde se puede estudiar.








4.1 ¿Qué necesito para ser un Data Scientist?


Para poder desempeñarnos como Data Scientist, debemos adquirir una serie de conocimientos y cumplir con algunos requisitos que nos van a convertir en profesionales sumamente competentes y completos en esta materia. 





Entre estos conocimientos podemos destacar Hard Skills como:





Conocimientos avanzados en Estadística descriptiva e inferencial.


Conocimientos avanzados en Matemáticas.


Conocimientos avanzados en Programación: Python, R y/o Ruby.


Conocimientos avanzados en SQL u otros lenguajes de consultas de bases de datos.


Conocimientos sobre modelado predictivo.


Conocimientos básicos de Machine Learning, Big Data y Minería de Textos.


Conocimientos básicos de análisis de negocios, gestión de proyectos, estrategia y finanzas que resultan claves para poder dialogar en entornos de gerencia.


Conocimientos básicos sobre sistemas conversacionales inteligentes (Chatbots) y series temporales.


Inglés Avanzado.





Asimismo, también es necesario desarrollar Soft Skills como:





Facilidad de comunicación. Esto es sumamente importante a la hora de convertir bases de datos inmensas en insights sencillos de entender.


Facilidad para la interpretación y visualización de datos. 


Práctica y experiencia.


Pensamiento analítico y curiosidad insaciable.


Saber trabajar y relacionarse con un equipo.


Facilidad para aprender y disposición para enfrentar los cambios de un campo que se encuentra en constante evolución.





Finalmente, también podemos destacar valores agregados como:





Conocimiento del mercado de la empresa en la que se desenvuelve.








4.2 ¿Cómo aprender Data Science? | Ruta de aprendizaje de Data Science


Como toda especialidad, Data Science tiene una ruta de aprendizaje óptima que se puede seguir para convertirnos en especialistas sumamente competentes en esta materia. Compartimos un resumen práctico de este learning path:














4.3 ¿Por qué estudiar Data Science?


Como hemos visto a lo largo de este artículo, Data Science es una especialidad sumamente pujante y cada vez más demandada a nivel mundial. Más allá de esto, existen una gran cantidad de razones que nos pueden llevar a estudiar Data Science:





Cada año se van a necesitar procesar una mayor cantidad de datos por lo que se va a necesitar una mayor cantidad de personas abocadas a esta misión. En los próximos años se van a crear millones de puestos en las áreas de Data Science que las empresas tendrán dificultades para cubrir.


El mundo se dirige rápidamente hacia este tipo de trabajos lo que nos puede dar mayores oportunidades a futuro.


Las empresas comienzan a valorar cada vez más el trabajo de un data scientist lo que deriva en grandes sueldos para sus empleados.


Es un trabajo sumamente creativo y que está en continua evolución.


Semanalmente surgen nuevos descubrimientos en esta área lo que la vuelve sumamente interesante.


Es sumamente atractiva para personas fanáticas de la informática ya que comprende algoritmos, matemática, estadística, machine learning e investigación.


Permite obtener conocimientos de diferentes ámbitos con los que se puede resolver múltiples problemas de diferente índole.








4.4 Conclusión y Dónde estudiar Data Science


Como pudimos apreciar a lo largo de este artículo, Data Science se ha convertido en esa guía fundamental que conduce a las organizaciones a tomar grandes decisiones. Decisiones basadas en datos, en hechos y en eventos concretos que sacan de la mesa de discusión a las acciones impulsivas, instintivas o basadas en teorías.


Esta metodología seguirá convirtiéndose en una referencia para cada vez más empresas a futuro, permitiéndoles generar productos y servicios que satisfagan necesidades de una manera más óptima y den verdadera pauta para generar mejores expansiones de las operaciones.


Si quieres estar siempre actualizado sobre las nuevas tendencias que van surgiendo te recomendamos suscribirte al Coder Blog haciendo scroll down y si quieres aprender junto a los mejores profesionales de la industria te invitamos a descubrir la carrera de Data Scientist que Coderhouse tiene para ti.