En muchos artículos, white papers y videos encontraras la definición de "la cultura de datos" y sus beneficios, hoy no me quiero concentrar en detallar dicha definición, pero si en destacar 4 aspectos fundamentales para construirla.
La mayoría de las personas relacionan la analítica de datos o la ciencia de datos con la matemática y la estadísticas, aunque en la vida real es mucho más que esto. Cuando la ciencia de datos surgió por primera vez como oficio, era una combinación de tres conjuntos de habilidades diferentes: ciencia, matemáticas y arte.
De mano a la gran adopción de los procesos de transformación digital digital, esta aumentando de una manera significativa la demanda de profesionales especializados en tecnologías como el Big Data, ciencia de datos o la Inteligencia Artificial a un ritmo que el mercado laboral no es capaz de satisfacer.
Todas las organizaciones tienen grandes oportunidades en proyecto de analítica, pero encontrar el equipo correcto y los casos de uso adecuado en muchas ocasiones son el gran reto.
En la era de realizar análisis o analítica de datos mediante herramienta de autoservicio, la alfabetización de datos es una prioridad cada vez mayor. Hoy es importante entender que para ayudar a las personas a comprender mejor sus datos se necesita más que de cursos de capacitación.
En este articulo quiero dar una visión resumida de las mejores prácticas para estructurar y administrar un equipo de ciencia de datos y los ejecutivos a los que un equipo puede reportar en una organización.
Además de las habilidades técnicas, es igualmente importante que los científicos de datos posean un conjunto de habilidades interpersonales. Es sabido que muchos científicos de datos deben poder traducir los hallazgos analíticos e informar. Además, ciertos rasgos innatos les ayudan a mirar grandes conjuntos de datos , formular hipótesis analíticas y encontrar gemas de conocimiento ocultas en los datos. Ahora veamos cuales son las habilidades blandas que nos ayudaran a ser un científico de datos completo.
En este episodio traemos el primer invitado de la segunda temporada. Tenemos la oportunidad de hablar con Victor Tapia, Líder en transformación digital y experiencia tecnológica.
Nos dimos a la tarea de definir que convierte a una organización orientada a los datos y a ser una verdadera organización digital.
Y para iniciar al 100% y con el mejor nivel hoy abordamos el tema de el nivel de madurez o que tan preparado estás para afrontar o incursionar en un proyecto de analítica de datos.
Para nuestro episodio conversamos con Dante Tellez, Director de Data & Analytics Philip Morris Mexico , Profesor Analytics para cambridge con emeritus latam y de diplomado en el Tec de Mty.
En esta gran plática partimos desde la definición de Alfabetización de los datos hasta los pasos generales que son necesarios para incluir dentro de una estrategia de datos en las organizaciones.
Empecemos con una pregunta sencilla: ¿Qué pueden hacer los datos? Los datos no pueden hacer nada. Son las personas las que hacen cosas con los datos (toman decisiones).
¿Alguna vez has visto videos en Facebook que muestren un "flashback" de publicaciones o imágenes, como las que ves en tu cumpleaños o al completar algunos años de hacerte amigo de alguien?
La ciencia de datos como servicio (DSaaS) es una forma de subcontratación que implica la entrega de información obtenida de aplicaciones analíticas avanzadas ejecutadas por científicos de datos en una empresa externa a clientes corporativos para su uso comercial.
Un proveedor de DSaaS recopila datos de los clientes, los prepara para el análisis, ejecuta algoritmos analíticos y devuelve los hallazgos generados por los algoritmos a los clientes.
Uno puede fácilmente puede tener la noción de que estar basado en datos (Data-Driven) realmente se trata de máquinas y tecnología. La realidad es que, para lograr avances sustanciales, los responsables de la toma de decisiones también deben adoptar el lado humano de la ecuación. Me refiero a Ciencia + Arte (Lado humano)
La frase "Los datos son un recurso esencial para el funcionamiento de las empresas" se ha convertido en una especie de cliché . todo lo anterior se traduce en que los datos deben de aprovecharse y convertirse en conocimientos y ventajas competitivas.
Según el «Informe de empleos emergentes» de LinkedIn en Estados Unidos, los científicos de datos tuvieron el tercer mayor crecimiento en el año 2020, con un 37 %, y han estado en la cima del informe durante los últimos tres años. Eso los pone a ellos, y las habilidades de ciencia de datos, en gran demanda.
Para nuestro episodio conversamos con Orlando Hernandez, Knowmad apasionado. Hicimos un símil entre el mensaje dado en el libro de 1984 con la forma como tratamos los datos y utilizamos la tecnología. Además, vimos ejemplos de como nos sesgamos y hemos cambiado nuestro estilo de vida con el uso de la tecnología disruptiva.
La analítica avanzada es una metodología de análisis de datos que utiliza modelos predictivos, algoritmos de aprendizaje automático (Machine Learning), aprendizaje profundo (Deep Learning) , automatización de procesos comerciales y otros métodos estadísticos para analizar información del negocio proveniente de una variedad de fuentes de datos.
Lo primero que debo de comentar que sin importar el tamaño de la empresa o el giro, una estrategia de Big Data y Analítica bien diseñada debe de contener como mínimo una visión, objetivos y un marco de trabajo metodológico.
En nuestro nuevo episodio del Podcast "K El Podcast" conversamos con Caterina Abanoni, Especialista en Business Intelligence. Hablamos de como empezar una carrera de analista de datos, consejos y situaciones que ella ha experimentado.
Lo primero que debo de comentar que sin importar el tamaño de la empresa o el giro, una estrategia de Big Data y Analítica bien diseñada debe de contener como mínimo una visión, objetivos y un marco de trabajo metodológico.
