Data Science: un nuevo enfoque para la resolución de problemas y la estrategia de negocio

Data Governance

,

Analítica y EPM

,

Pensamiento de liderazgo

,

Inteligencia Artificial

,

Data Intelligence

Data Science: un nuevo enfoque para la resolución de problemas y la estrategia de negocio

Stefano Oddone | Abr. 05, 2019

El Data Science, es decir, la utilización de métodos, procesos, algoritmos y sistemas científicos para automatizar, o al menos guiar, las decisiones de negocios es un aspecto fundamental de los negocios en la actualidad.

Las nuevas capacidades de la inteligencia de datos desencadenadas por el auge de la computación en la nube y la inteligencia artificial la convierten en una de las áreas más prometedoras de la transformación digital.

Antes de que nos pongamos a explicar el Data Science y cómo abordar la introducción de esta disciplina en tu negocio, empecemos por exponer sus fundamentos.

 

El papel del aprendizaje automático y de la inteligencia artificial en el Data Science

Cuando se computan grandes volúmenes de datos y se intentan extraer nuevos significados a partir de ellos, hoy día la conversación se centra en los temas de la inteligencia artificial (IA), con especial énfasis en una rama de la IA llamada «aprendizaje automático».

De acuerdo con la Wikipedia, la inteligencia artificial puede definirse como la teoría y el desarrollo de sistemas informáticos capaces de realizar tareas que normalmente exigirían inteligencia humana, como la percepción visual, el reconocimiento del habla, la toma de decisiones y la traducción entre idiomas. Los ejemplos de uso de la inteligencia artificial son numerosos y siguen creciendo exponencialmente gracias a las constantes innovaciones en los límites de la técnica.

New call-to-action

El aprendizaje automático hace referencia a algoritmos que aprenden por sí solos utilizando principalmente estadísticas para generar modelos a partir de enormes cantidades de datos, entendiendo por datos números, palabras, imágenes, clics o lo que sea. Si se puede almacenar digitalmente, se puede incorporar a un algoritmo de aprendizaje automático.

Aplicar la inteligencia artificial y, en particular, el aprendizaje automático a la inteligencia de negocios tradicional y no tradicional (ten en cuenta: datos no estructurados) puede permitir a las empresas descubrir tendencias que de otro modo no se aprovecharían en su negocio que, a su vez, generen nuevas y efectivas estrategias que permitan aumentar la rentabilidad, ahorrar costes y prácticamente cualquier otro objetivo que se propongan alcanzar.

A modo de ejemplo, consulta nuestro blog sobre aplicaciones del aprendizaje automático en recursos humanos.

 

Proceso de Data Science

En los últimos años se han popularizado ampliamente múltiples definiciones, diagramas y metodologías para explicar el proceso de Data Science. Al ser yo mismo una persona visual, prefiero centrarme en un gráfico visual para explicar este proceso de múltiples facetas.

DI-DataScienceProcess

Fuente: AJ Goldstein (perfil de LinkedIn más detalles disponibles en ajgoldstein.com)

Hay unos cuantos aspectos importantes de esta imagen que convendrá tener en cuenta cuando te dirijas a tu nuevo equipo de Data Science.

1 - No pretendas encontrar todo el conjunto de competencias necesarias en una sola persona; el aprendizaje automático y la inteligencia artificial son un deporte de equipo.

Es cierto que cada siglo tenemos unos pocos supertalentos que se sitúan claramente por encima del resto (por ejemplo, Pelé y Maradona en fútbol, Coppi y Merckx en ciclismo, Phelps y Lochte en natación, etc.), pero ni siquiera esos campeones universales fueron capaces de ser tan multifuncionales como para tener éxito en todos los roles y especialidades (Phelps no habría ganado 28 medallas olímpicas si hubiera decidido jugar al waterpolo). Pudieron ganar algún partido o carrera por sí solos, pero necesitaban un equipo, dentro y/o fuera del terreno de juego, para ganar campeonatos... y estamos hablando de los mejores entre los mejores.


2 - No contemples las implementaciones de análisis avanzado del mismo modo que un proyecto de inteligencia empresarial «clásico»; para generar nuevo valor son necesarias nuevas formas de pensar y de enfrentarse a los desafíos.

Aunque pueda parecer obvio, no está de más subrayarlo. Cuando se cambia de soluciones analíticas «basadas en reglas» a soluciones «basadas en datos», los viejos paradigmas dejan de ser efectivos. Por ejemplo, la fase clásica de «recopilar las necesidades del negocio» debe sustituirse por una actividad altamente interactiva y consultiva de definición de problemas.

En Techedge disponemos de una metodología para impulsar con éxito las implementaciones de aprendizaje automático. A continuación ofrecemos un resumen de los elementos clave:

  • Cuando se trata de datos, potencialmente en enormes cantidades, es fundamental adoptar un enfoque riguroso. Nosotros proponemos «CRISP-DM», un proceso estándar intersectorial para la minería de datos. La metodología es, como indica su nombre, intersectorial y flexible, lo que permite su uso en casos de uso dispares.
  • A esta metodología le añadimos nuestras capacidades: Ofrecemos plantillas predefinidas y entregables para cada fase del proceso de Data Science para aumentar la productividad y adaptarlo a los usuarios del negocio.
  • Si no estás totalmente seguro de que el aprendizaje automático pueda ser una solución viable para tu caso, Techedge puede proporcionarte una evaluación bien definida y diseñada para ayudar a los responsables de tomar las decisiones a esclarecer la situación, identificar la disponibilidad de datos y los posibles resultados.


En los próximos artículos sobre este tema abordaremos cada uno de los seis pasos de Data Science resumidos anteriormente por Goldstein, profundizando en lo que se necesita para tener éxito en cada uno de ellos.

 

Consigue una verdadera transformación digital

Desde Techedge, debido a nuestra amplia experiencia, nos ofrecemos a ser tu partner en este proceso clave de una adecuada transformación digital. 

¡Quiero saber más!

¡Suscríbete!