Hoy vamos a hablar sobre la ciencia de datos, una de las áreas más emocionantes y en auge en el mundo de la tecnología.
La ciencia de datos es una disciplina que se encarga de extraer conocimientos y conclusiones a partir de grandes cantidades de datos. En otras palabras, la ciencia de datos busca entender y analizar el mundo a través de los datos que se generan en nuestro día a día.
En la actualidad, la Ciencia de Datos se ha convertido en un campo en auge y cada vez más empresas buscan profesionales capacitados en esta área. Ya sea como Analista de Negocios, Analista de Datos o Científico de Datos, es fundamental contar con ciertas competencias que nos permitan abordar de manera efectiva los desafíos que presenta el análisis de datos.
Definición
De acuerdo con Alex Liu, Científico de datos en Jefe de IBM para el 2015, el definió la ciencia de datos como un campo académico/técnico interdisciplinario que utiliza estadística, computación científica, métodos, procesos, algoritmos y sistemas científicos para obtener (recolectar o extraer), tratar, analizar y presentar informes a partir de datos ruidosos, estructurados y no estructurados.
Tambien, Koby Mike and Orit Hazzan, en una artículo publicado en diciembre 2022, mucho más reciente, ellos se refieren a la ciencia de datos como multifacética, y puede describirse como una ciencia, un paradigma de investigación, un método de investigación, una disciplina, un flujo de trabajo o una profesión.
La idea es que a través del análisis de estos datos, los científicos de datos puedan tomar decisiones más informadas y hacer predicciones más precisas sobre eventos futuros.
De acuerdo con la imagen que nos deja en un paper Alex Liu, la Ciencia de datos converge conocimientos matemáticos, estadísticos e informáticos, con la experiencia o dominio de un campo en concreto.
Un ejemplo, es un Mercadólogo, que tiene muchos años de experiencia trabajando con varios nichos del mercado de ciertos alimentos orgánicos, y este fortalece sus conocimientos de estadística mientras aprende Excel, SQL, Python, Tableau o PowerBI, para realizar análisis duro de sus nichos y poder visualizar cosas que de otra forma sería muy difícil. Este Mercadólogo, en su ruta (empírica o académica) hacia la adquisición de estas competencias, va pasando a ser, ocupacional o funcionalmente, Analista de negocio, Analista de datos, y finalmente Científico de datos.
Los científicos de datos utilizan una variedad de herramientas y técnicas, incluyendo estadísticas, minería de datos, aprendizaje automático y análisis de big data.

Una de las aplicaciones más emocionantes de la ciencia de datos es en el campo de la inteligencia artificial, donde los científicos de datos están trabajando para crear sistemas que puedan aprender y mejorar a través de la experiencia y los datos.
La ciencia de datos es una disciplina en constante evolución y cada vez se está volviendo más importante en la toma de decisiones empresariales y gubernamentales.
Competencias
Las competencias necesarias para destacar en el mundo de la Ciencia de Datos, y cómo se agrupan en habilidades matemáticas, tecnológicas y conocimiento del campo a analizar.
Competencias Matemáticas:
La base de la Ciencia de Datos reside en las matemáticas. Es esencial contar con un buen dominio de estadística, álgebra y cálculo, ya que estas herramientas nos permitirán realizar análisis cuantitativos, modelar y predecir datos, y extraer información relevante. Además, tener habilidades en matemáticas nos ayudará a comprender los algoritmos y técnicas utilizadas en el procesamiento de datos.
Competencias Tecnológicas:
En un mundo cada vez más digital, las habilidades tecnológicas son indispensables. Esto incluye conocimientos sólidos en lenguajes de programación como Python o R, así como en herramientas específicas como SQL para manejar bases de datos. Además, es importante tener experiencia en herramientas de visualización de datos como PowerBI o Tableau, que nos permitirán presentar de manera efectiva los resultados de nuestro análisis. Y manejar hojas de cálculo como Excel, siempre es bienvenido, puesto que es lo más comunmente encontrado en als empresas, cuando se trata de análisis de inteligencia de negocios y es más facil de compartir. Pero esto siempre dependerá de en que organización nos encontremos y que utilicen allá. Eso sobretodo determinará en donde fortaleceremos músculos.
Si el caso es que queremos ampliar nuestras posibilidades de encontrar empleo en este amplio campo, hacemos bnien en dominar de manera básica estas herramientas u fortalecer destrezas en una o dos de estas.
- Para un Analista de Negocios: Microsoft365, Excel, Google Apps, Google Sheets, PowerBI o Tableau.
- Para un Analista de datos: Microsoft365, Excel, PowerBI, Tableau, Anaconda, Python y SQL.
- Para un Cientifico de datos: Anaconda, Jupyter Netbooks, Python, R, Snowflake, Azure, AWS, SQL, Excel, PowerBI o Tableau.
Hay otra posición que es Ingeniero de datos. la menciono a aprte pues esta persona no está precisamente encargada de ningun tipo de analisis, investigación o estudio de los datos, sino más bien de implantar y mantener la infraestructura que usan los demas actores anteriormente mencionados. Para lograr esto usa una diversidad interesante y compleja de Plataformas, Ambientes, tecnologías y herramienta, de las cuales solo mencionaré algunas muchas, de la cuales usará las que esten implementadas en la organización a que pertenezca o preste servicio. Obviamente no son todas.
- Para un Ingeniero de datos: MySQL, PostgreSQL, Oracle, MongoDB, Cassandra, ETL, Apache NiFi, Talend, Informatica PowerCenter, Microsoft SQL Server Integration Services (SSIS), Python, Java, Scala, Apache Hadoop, Apache Spark, Anaconda, Jupyter Netbooks, Amazon Web Services (AWS), Microsoft Azure y Google Cloud Platform (GCP), Amazon S3, Azure Data Lake, Google BigQuery, Tableau, Power BI, Apache Superset, Apache Airflow, Kubernetes, etc.
Competencias en Conocimiento del Campo o Dominio del Negocio:
Cada área de estudio tiene sus particularidades, y la Ciencia de Datos no es una excepción. Para destacar en este campo, es fundamental tener un buen entendimiento del dominio o industria en la que se trabaja.
Por ejemplo, si se trabaja en el sector financiero, es necesario comprender los conceptos y métricas financieras relevantes. Esta comprensión nos permitirá diseñar análisis más eficientes y generar insights más precisos.
Aquí hay más ejemplos:
Sector de Salud:
- Conocimiento de terminología médica y procesos clínicos.
- Familiaridad con las regulaciones y políticas de salud.
- Comprender los indicadores de salud y las métricas utilizadas en la industria.
- Conocimiento de enfermedades específicas y los tratamientos más comunes.
Sector de Marketing:
- Entender los conceptos de segmentación de mercado y análisis de audiencia.
- Conocer las tendencias y cambios en el comportamiento del consumidor.
- Familiaridad con estrategias de marketing digital y técnicas de publicidad.
- Conocimiento de herramientas de análisis de redes sociales y métricas de rendimiento.
Sector Financiero:
- Comprender los principios contables y financieros.
- Conocer las regulaciones y normativas financieras.
- Familiaridad con modelos de riesgo y análisis de inversiones.
- Entender los indicadores clave de rendimiento financiero y métricas financieras.
Sector de Recursos Humanos:
- Conocimiento de las leyes laborales y regulaciones en recursos humanos.
- Familiaridad con prácticas de contratación, evaluación y retención de empleados.
- Entender los conceptos de gestión del desempeño y desarrollo organizacional.
- Conocimiento de métricas de recursos humanos y análisis de la fuerza laboral.
En mi caso particular, trabajop en el Sector Educación del Gobierno Dominicano, por lo que me ocupo en operar con estas competencias:
Sector Educación
Conocimiento de políticas educativas:
- Familiaridad con las políticas y regulaciones educativas establecidas por el gobierno.
- Comprender las metas y objetivos del sistema educativo público.
- Conocer las iniciativas y programas educativos implementados por el gobierno.
Entendimiento del currículo educativo:
- Familiaridad con el Catalogo de la Oferta Curricular y los planes de estudios así como con el módelo y enfoque educativo, la metodología de diseño y desarrollo curricular y las estrategias de enseñanza-aprendizaje.
- Comprender los diferentes niveles educativos y sus requisitos curriculares.
Conocimiento de indicadores educativos:
- Entender los indicadores clave de rendimiento educativo, como tasas de promoción, rendimiento académico y asistencia escolar.
- Familiaridad con las métricas utilizadas para evaluar la calidad de la educación, como los resultados de exámenes estandarizados.
- Conocer las herramientas y técnicas de análisis utilizadas para medir y monitorear el progreso educativo.
Comprensión de las necesidades y desafíos educativos:
- Conocer las tendencias y desafíos actuales en el sistema educativo.
- Manejo de los distintos centros educativos a nivel nacional, oferta curricular, talleres, equipamientos y costos de ejecución y subvención.
- Entender las necesidades específicas de diversos grupos de estudiantes, como estudiantes con discapacidades o estudiantes de minorías.
- Familiaridad con los programas y servicios de apoyo disponibles para abordar las necesidades educativas especiales.
Estas competencias en conocimiento de campo o de dominio del negocio, permiten comprender el entorno educativo del gobierno, las políticas implementadas y los desafíos que enfrenta el sistema educativo. Al aplicar estas habilidades de Ciencia de Datos en este sector, puedo analizar datos educativos, identificar áreas de mejora y contribuir a la toma de decisiones informadas para mejorar la calidad de la educación.
Estas son solo algunas muestras y que cada sector tiene sus propias características y conocimientos específicos. Es importante adaptar tus competencias en conocimiento de campo según la industria en la que te encuentres, ya que esto te permitirá ser más efectivo y relevante en tu trabajo de Ciencia de Datos.
Para triunfar en el mundo de la Ciencia de Datos, es necesario desarrollar competencias en diferentes áreas. Las habilidades matemáticas nos brindan la base cuantitativa necesaria, mientras que las habilidades tecnológicas nos permiten manipular y analizar grandes volúmenes de datos de manera eficiente. Por último, el conocimiento del campo específico en el que trabajamos nos permite aplicar nuestras habilidades de manera contextualizada y obtener resultados más relevantes.
Si estás interesado en incursionar en el mundo de la Ciencia de Datos, asegúrate de desarrollar estas competencias clave y mantenerte actualizado en las últimas tendencias y tecnologías.
En resumen, la ciencia de datos es una disciplina fascinante que nos ayuda a entender mejor el mundo a través de los datos y nos permite tomar decisiones más informadas y precisas. Si te interesa el análisis de datos y la tecnología, ¡la ciencia de datos podría ser el camino perfecto para ti! Estaré publicando más artículos de este tema.
Fuente: Data Science and Data Scientist (IBM ANALYTICS) / Why Is It Hard to Define Data Science? (ACM BLOG) / ELTECNIQUITO Press