¿Qué es data science y para qué sirve?

Durante los últimos años hemos vivido la explosión definitiva del concepto de ciencia de datos (data science) y otros términos que orbitan a su alrededor como big data, machine learning o business analytics, presentes sin duda en el día a día de las organizaciones. 

¿Qué es data science? 

Sin embargo, data science no es un concepto de reciente creación. Su historia se remonta a 50 años atrás, cuando el estadístico estadounidense John Wilder Tukey acuñó el término por primera vez en su artículo «The future of data analysis». En él definió la ciencia de datos como el proceso de análisis de datos, que está dividido en tres grandes pilares: recopilación de datos, selección de las técnicas de análisis e interpretación de los resultados. 

¿Para qué sirve la data science? 

  Actualmente, entendemos por data science el proceso de generación de información explotable a partir de datos en bruto con un enfoque multidisciplinar que incluye programación, análisis predictivo, estadística, informática o inteligencia artificial. 

La ciencia de datos es una disciplina transversal a todas las áreas de la organización y sus usos son muy variados, pero tienen un eje común: ayudar a tomar decisiones en las empresas.  

Existen casos de uso ampliamente reconocidos como los sistemas de recomendación de Amazon, Netflix y Spotify o la explotación de los datos de salud para mejorar los diagnósticos médicos. Sin embargo, la pregunta que se impone para la mayor parte de los directivos es cómo se pueden aplicar estas herramientas para mejorar la gestión. 

• Áreas de marketing y comercial: Aquí se dan unos de los usos principales, ya que permite incrementar el conocimiento del cliente y ayudar a las organizaciones a gestionar su ciclo de vida. Aquí las principales herramientas y casos de uso son el desarrollo de modelos predictivos sobre el potencial abandono, la proyección de ventas en el tiempo, la mejora de la vinculación (up-selling/cross-selling) o el cálculo de las probabilidades de recomendación de un servicio o incluso de impago. En el ámbito del marketing destacan las segmentaciones más eficientes basadas en comportamientos o la predicción de cómo cambiarán nuestros clientes su comportamiento en función de modificaciones en el precio, promociones o acciones de la competencia. 

• Logística: Además del conocimiento del cliente, la ciencia de datos ayuda a resolver problemas en áreas como esta, donde permite seleccionar la ubicación de tiendas (cerca de clientes potenciales) y almacenes o centros de reparto, optimizando rutas y gestionando de forma eficiente la famosa última milla. 

• Ámbito financiero: Permite simular casos prácticos y cuentas de resultados con millones de situaciones o fijar precios para maximizar la rentabilidad en una cartera de clientes. En la organización creamos modelos para prevenir el abandono de colaboradores o detectar aquellos que tienen el talento demandado para puestos estratégicos. Por último, al nivel de un director general o un responsable de estrategia, permite anticipar cambios en las condiciones del entorno o el mercado y desarrollar modelos para predecir retrasos en la implantación de sus proyectos estratégicos. 

Importancia del data science 

Existen dos causas principales para el auge de esta disciplina: 

1. En primer lugar, cada vez generamos más datos; a finales del año 2020, el volumen de datos generados ascendió a 44 zettabytes frente a los 4 zettabytes de 2013. A ello han contribuido de forma decisiva la adopción de los smartphones, el uso del vídeo, las redes sociales, los motores de búsqueda e incluso el aumento de los dispositivos conectados (wearables, Internet of things, etc.) la falta del coche autónomo… 

2. Por otro lado y desde un punto de vista empresarial, vivimos en un entorno altamente cambiante e incierto. Para las empresas cada vez es más relevante acertar en sus decisiones, por lo que queda menos margen para el ensayo o la intuición. La ciencia de datos proporciona a los directivos de las diferentes áreas un conjunto de herramientas para reducir la incertidumbre y el riesgo, ayudándoles a tomar decisiones más informadas. 

Beneficios de las empresas que usan data science 

Las compañías con alta orientación al dato, conocidas como data driven o data centric companies, se caracterizan por utilizar datos, tecnologías y herramientas para tomar decisiones empresariales en lugar de usar la intuición, la experiencia o el análisis del entorno. 

Las características comunes a estas empresas son tres:  

• Han desarrollado una cultura basada en la formulación de preguntas de negocio y su resolución mediante datos. 

• Disponen de las herramientas y el conocimiento técnico necesario para hallar esas respuestas. 

• Cuentan con personas adecuadas que aúnan conocimiento científico (resolución) y empresarial (formulación e interpretación de resultados). 

Los casos de uso son amplios con independencia del tipo de organización y sector. ¿Cómo puede ayudarte a ti la data science a tomar mejores decisiones? 

Diferencias entre data science y big data 

Mientras que el big data se refiere a la enorme cantidad que se genera diariamente a partir de diversas fuentes, el data science se enfoca en combinar estadística, matemáticas, informática y conocimiento de dominio para extraer conocimiento y obtener insights significativos a partir de los datos.  

Para entender mejor el big data, tenemos la regla de las “3Vs”, a la que habría que añadir dos más:  

• Volumen: cantidad de datos 

• Variedad: diferentes tipos de datos como texto, imágenes o vídeos 

• Velocidad: rapidez con la que se generan y procesan 

• Veracidad: calidad y precisión de los datos 

• Valor: potencial para extraer insights útiles 

Por otro lado, en el data science, los científicos de datos utilizan técnicas como el análisis estadístico, el aprendizaje automático o la minería de datos, que pueden provenir o no de las fuentes del big data, a pesar de que sea esta técnica la que proporciona los datos que se usan. 

Por tanto, el data science se entiende como el proceso que permite transformar esos datos en información útil que pueden influir en la toma de decisiones y estrategias de negocios. En cambio, la gestión de big data requiere infraestructura y tecnología específica para la comprensión de dichos datos. En resumen: 

• Big data: se enfoca en recolectar, almacenar y procesar grandes volúmenes de datos. 

• Data science: se centra en la interpretación y análisis de esos datos para extraer conocimientos útiles. 

Posibles problemática del Data Science 

Como todo lo que tiene que ver con la informática, el campo del Data Science también tiene sus particularidades y en algunos casos, hay retos a los que los expertos se tienen que enfrentar. Aquí te dejamos algunos de los más comunes: 

• Calidad de los datos: normalmente, los datos que recopilamos están incompletos o contienen errores y esto dificulta el análisis. Los científicos de datos se tienen que encargar de la limpieza y preparación, un proceso que puede ser complejo y puede dar lugar a errores humanos. El resultado es la presencia de datos sesgados y la posibilidad de caer en modelos injustos que afecten en la toma de decisiones.  

• Interpretabilidad de los modelos: en técnicas avanzadas como las redes neuronales profundas, los modelos se vuelven cada vez más complejos. Si este proceso forma parte de un modelo que requiere transparencia, la complejidad se acentúa, como ocurre en sectores como la medicina o las finanzas. Esta falta de interpretabilidad puede dificultar la identificación de sesgos o errores y, por ende, aumentar el riesgo de decisiones incorrectas.  

• Ética y privacidad: quizá sea el punto que más preocupa a los científicos de datos. Con el acceso a grandes cantidades de datos, surge la preocupación sobre cómo se recopilan, almacenan y utilizan esos datos. Los expertos en este área tienen que considerar las implicaciones éticas de sus modelos, como el potencial de discriminación o exclusión de ciertos grupos, requiriendo una regulación acorde al sector en el que se mueven. 

• Escasez de talento especializado: como se ha podido observar en el artículo, cualquier persona no está capacitada para atender la demanda de estas tareas. Se requiere una formación especializada que dé respuesta a la alta demanda que la industria exige. El problema es que la oferta de profesionales capacitados no suele ser suficiente y esto puede limitar la capacidad de las organizaciones para aprovechar sus datos.  

Os recomendamos que no dejéis de actualizaros en las últimas tendencias y adquiráis los conocimientos adecuados sobre qué es data science y para qué sirve. Os invito a que miréis detenidamente el Grado universitario en Data Science.