Data science, Big Data, Data analytics, Business Intelligence, Machine learning

¿Qué es el Data science?

Hoy en día el control de los datos es una cualidad que se valora mucho y Data science no es más que el ejemplo de esto aplicado a el mundo digital. Debido a que se centra en los datos y a extraer la información de estos combinando otras competencias como puede ser la informática, las matemáticas y los algoritmos o estadística con la finalidad de tomar una decisión en base a la interpretación de los datos.

Los datos que se tratan son los obtenidos desde todos los dispositivos electrónicos como nuestros móviles, ordenadores, tablets… los datos que más interesan son nuestros gustos y rutinas para que las empresas puedan hacer un perfil de su target, para esto se necesitan personas especializadas debido a que los datos sin estructurar no sirven (Anónimo, 2019). Una de las aplicaciones de Data science más inusuales que podríamos pensar es su aplicación en los coches, es decir, se investiga sobre como con los datos del ruido del motor se podría generar una respuesta del automovil advirtiendo al usuario que se necesita un mantenimiento. (Anónimo,10/3/Desconocido)

¿Qué es el Big Data?

Como el nombre indica el Big Data es otro concepto también referido a los datos. Al analizar su nombre también nos podemos dar cuenta de la palabra big, grande en inglés y eso describe el concepto del Big Data, grande volúmenes de datos ( desde 30-50 Terabytes a varios Petabytes) que además tienen una gran complejidad y velocidad de crecimiento. Este gran volumen de datos dificulta el almacenaje,  gestión, procesamiento y análisis a través de tecnologías y herramientas convencionales. (Anónimo,Desconocido)

En definitiva, el Big Data se encarga principalmente de resolver los problemas de gestión y almacenamiento de datos complejos, esto permite dibujar patrones y obtener un visión más completa de los clientes, por otro lado, Data Science se centra en las herramientas que transforman los datos obtenidos en el Big Data en información de valor (Anónimo, 2019) . Su aplicacón más lógica y común es gestionar los datos de nuestras búsquedas de Google para que más tarde sea analizado por el Data Science.

¿Qué es Data analytics?

Data Analytics es la ciencia de obtener ideas de fuentes de información sin procesar. Revela las tendencias y métricas. De lo contrario, los datos pueden perder en la masa de información. Usan la información para aumentar la eficiencia de un sistema empresarial.

Con las definiciones dadas se puede pensar que un Data Science es lo mismo que un Data Analitycs, pero, la verdad es que se diferencian en varias cosas por ejemplo:  un Data Scientist predice el futuro a partir de patrones del pasado, mientras que el Data Analyst, por el contrario, extrae información significativa a partir de los mismos. A partir de ese futuro que hay que predecir, el Data Scientist se hace preguntas. El Data Analyst, por el contrario, se encarga de responderlas. Además, el Data Scientist extrae la información a partir de varias fuentes, mientras que el analista solo de una.

En cuanto a su posible aplicación, un Data Analyst se centra solamente en problemas de negocios. El Data Scientist, en cambio, actúa más allá de este campo. Por lo que respecta a sus herramientas, un Data Scientist utiliza el Machine Learning (se explicará que es el machine learning más abajo) para extraer información. El Data Analyst utiliza lenguajes de programación (R, Python…) para extraer información. (Anónimo, 2019).

Una de las aplicaciones donde se ha involucrado al Data analytics es en la famosa compañía de UBER donde la principal ventaja de esta aplicación era el localizador GPS debido a que usan los datos que los teléfonos moviles, en este caso el posicionamiento satelital que ha permitido desarrollar mapas avanzados y algoritmos para poder optimizar las rutas de circulación en las ciudades. Aunque el uso del Data analytics está en su mayor esplendor a la hora de analizar en qué momento y lugar del día se van a utilizar más vehículos para dar una mayor oferta a los usuarios. (Anónimo,2019)

¿Qué es Business Intelligence(BI)?

En plena era digital, tomar decisiones bien informadas es uno de los principales factores de diferenciación de las empresas, por este motivo herramientas como esta o las anteriores sirven como diferenciación. El término Business Intelligence es el uso de estrategias y herramientas que sirven para transformar la información en conocimiento, con el objetivo de mejorar el proceso de toma de decisiones en una empresa. (Anónimo,2017)

Al escuchar la definición anterior lo primero que aparece en nuestra cabeza es Big Data, pero, lo cierto es que estas dos herramientas sirven para cosas diferentes. El Big Data y el Business Intelligence permiten a la empresa que las utiliza extraer valor de la información proporcionada, pero, lo hacen de formas distintas, que se complementan. Así, BI busca profundizar en los conjuntos de datos de los que dispone la organización, es decir, las herramientas de BI permiten acceder a conjuntos de datos que ya han sido clasificados (usados por el Data science), debidamente almacenados y preparados, los que harán posible hacer hallazgos analíticos (Data analytics) cuyas conclusiones se verán reflejadas en informes. (Anónimo, 2018)

Esta herramienta se usa en varias empresas, una de las más conocidas es IBM. Los análisis de esta empresa están respaldados por inteligencia artificial (IBM Cognos) que permiten buscar una solución adecuada al problema planteado. Sus funciones de procesamiento permiten visualizar datos que no son visibles en primer plano, detecta patrones irregulares en el comportamiento del negocio y hasta plantea preguntas y respuestas sobre la información, gracias a su asistente virtual. (Anónimo, 2020)

¿Qué es Machine Learning?

Machine Learning que ayudada por la Inteligencia Artificial es capaz de crear sistemas que aprenden automáticamente, es decir, es capaz de identificar patrones complejos en millones de datos, realmente es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente, también en este contexto, implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana.

La principal relación entre el Big Data y el Machine Learning son los datos en sí mismos: Machine Learning necesita de ejemplos datificados para poder encontrar sus soluciones, es decir, poniendo de ejemplo a Amazon, necesita poder acceder a tu historial de compras y al del resto de clientes. Un historial de compra es muy fácil que pueda caber dentro de un Excel, pero el de todos los clientes de Amazon que hayan comprado productos parecidos a los tuyos, seguramente no, por eso esta herramienta simplifica el proceso. (Daniel Villatoro,Desconocido)

A día de hoy deste tipo de algoritmos se pueden encontrar en todas partes, unos de los más usados es el de YouTube que está programado para detectar ciertas palabras o imágenes que no son apropiadas y automáticamente poner una restricción de edad al vídeo, obviamente no es perfecto este programa debido a que está aprendiendo.

Conclusión

En mi opinión la implementación de este tipo de este tipo de inteligencias en empresas y en nuestro día a día solo nos facilitan la vída, algunos podrían decir que «nos roban trabajo», pero, la realidad es que para manejar la cantidad de datos que se manejan en cada empresa se necesitarían miles de personas y dependiendo de los datos que manejen sería imposible hacerlo y que una compañía pudiese mantener a tantas personas, mientras que el uso de estas competencias hace que las compañías puedan cada vez contratar a más personas debido al crecimiento de la empresa y a mostrar a cualquier persona y a ser útiles en ámbitos más cerrados como mostrar a una persona que esté interesada en un producto otros objetos relacionados que le puedan ser útiles.

Si es cierto que este tipo de inteligencias son muy útiles también hay que tener en cuenta de que no son perfectas y que por ejemplo a muchos youtubers que suben un vídeo intentando concienciar que un problema mundial como puede ser el suicidio se le desmonetice del vídeo, es decir, no podrá cobrar por el trabajo que ha realizado simplemente porque el algoritmo ha captado esa palabra pero no el contexto en el que se ha dicho, por ello, un gran reto es un mayor aprendizaje de estas inteligencias sin pasar al extremo de un apocalipsis mostrado en películas conspiranoicas.

Bibliografía

Anónimo. (12 de marzo de 2019). ¿Qué es Data Science?. De NEOLAND Sitio web: https://www.neoland.es/blog/que-es-data-science

Anónimo. (10/3/Desconocido). 10 aplicaciones de Data Science que no conocías. Sitio web: http://elunicornio.com.ar/10-aplicaciones-de-data-science-que-no-conocias/

Anónimo. (Desconocido). Big Data: ¿En qué consiste? Su importancia, desafíos y gobernabilidad. De powerdata Sitio web: https://www.powerdata.es/big-data

Anónimo. (20 JULIO 2019). DIFERENCIA ENTRE DATA SCIENCE Y DATA ANALYTICS. De Universidad de Alcalá Sitio web: https://www.master-data-scientist.com/diferencia-data-science-data-analytics/

Anónimo. ( 11 JULIO 2019).5 EJEMPLOS DE USO REAL DE DATA ANALYTICS. De Universidad de Alcalá Sitio web: https://www.master-data-scientist.com/ejemplos-master-en-data-analytics/

Anónimo. (5/10/17). ¿Qué es Business Intelligence (BI) y qué herramientas existen?. f, de signaturit Sitio web: https://blog.signaturit.com/es/que-es-business-intelligence-bi-y-que-herramientas-existen

Anónimo. (30 de marzo 2018). Principales diferencias entre big data y business intelligence. De powerdata Sitio web: https://blog.powerdata.es/el-valor-de-la-gestion-de-datos/principales-diferencias-entre-big-data-y-business-intelligence

Anónimo. (24 de enero, 2020). TOP 15 Herramientas Business Intelligence. De softwarepara Sitio web: https://softwarepara.net/herramientas-business-intelligence/

Daniel Villatoro. (Desconocido). Diferencia entre Machine Learning, Big Data, Inteligencia Artificial y Data Science. De openbank Sitio web: https://www.openbank.es/open-news/diferencia-machine-learning-inteligencia-artificial-y-data-science/

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *