Ciencia de datos

Ir a la navegaciónIr a la búsqueda
La ciencia de datos es un campo interdisciplinario que involucra métodos
científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento
de datos en sus diferentes formas, ya sea estructurados o no estructurados,1 lo
cual es una continuación de algunos campos de análisis de datos como la
estadística, la minería de datos, el aprendizaje automático, y la analítica
predictiva.1

También se define La ciencia de datos como "un concepto para unificar estadísticas,
análisis de datos, aprendizaje automático, y sus métodos relacionados, a efectos de
comprender y analizar los fenómenos reales",2 empleando técnicas y teorías
extraídas de muchos campos dentro del contexto de las matemáticas, la estadística,
la ciencia de la información, y la informática.

El ganador del premio Turing, Jim Gray, imaginó la ciencia de datos como un "cuarto
paradigma" de la ciencia (empírico, teórico, computacional, y ahora basado en
datos), y afirmó que "todo lo relacionado con la ciencia está cambiando debido al
impacto de la tecnología de la información y el diluvio de datos".3

En este nuevo paradigma, los investigadores se apoyan de sistemas y procesos que

son muy diferentes a los utilizados en el pasado, como son modelos, ecuaciones,
algoritmos, así como evaluación e interpretación de resultados.1

Índice
1 Historia
2 Aplicaciones
2.1 Marketing
2.2 Gobernanza
3 Ciencia de datos y Big data
4 Científico de datos
4.1 La importancia de un científico de datos
5 Referencias
Historia
En 1962, John W. Tukey precedió al término “Ciencia de Datos” en su artículo “The
Future of Data Analysis” al explicar una evolución de la estadística matemática. En
este, definió por primera vez el análisis de datos como: “Procedimientos para
analizar datos, técnicas para interpretar los resultados de dichos procedimientos,
formas de planificar la recopilación de datos para hacer su análisis más fácil, más
preciso o acertado, y toda la maquinaria y los resultados de las estadísticas
matemáticas que se aplican al análisis de datos.”4 En 1977 publicó “Exploratory
Data Analysis”, argumentando que era necesario poner más énfasis en el uso de datos
para sugerir hipótesis que probar en modelos estadísticos.

La ciencia de datos ha resultado para muchos una disciplina de reciente creación,

pero en la realidad este concepto lo utilizó por primera vez el científico danés
Peter Naur en la década de los sesenta como sustituto de las ciencias
computacionales. En 1974 publicó el libro Concise Survey of Computer Methods 5donde
utiliza ampliamente el concepto ciencia de datos, lo que permitió una utilización
más libre en el mundo académico.

En 1977, el International Association for Statistical Computing (IASC) es

establecido como una sección del International Statistical Institute (ISI). “Es la
misión de la IASC relacionar la metodología estadística tradicional, tecnología
computacional moderna, y el conocimiento de expertos del tema, para convertir datos
en información y conocimiento".6
En 1996 el término ‘Ciencia de Datos’ fue utilizado por primera vez en una
conferencia llamada "Ciencia de datos, clasificación y métodos relacionados", que
tuvo lugar en una reunión de miembros de la ‘International Federation of
Classification Societies’ (IFCS) con sede en Kobe, Japón.6 En 1997, C.F. Jeff Wu
dio una charla llamada "Statistics = Data Science?", donde describió al trabajo
estadístico como una trilogía conformada por recolección de datos, análisis y
modelado de datos, y la toma de decisiones, haciendo la petición de que la
estadística fuese renombrada como ciencia de datos, y los estadísticos como
científicos de datos.7

En 2001, William S. Cleveland introdujo a la ciencia de datos como una disciplina

independiente, extendiendo el campo de la estadística para incluir los avances en
computación con datos en su artículo "Data science: an action plan for expanding
the technical areas of the field of statistics". Cleveland estableció seis áreas
técnicas que en su opinión conformarían al campo de la ciencia de datos:
investigaciones multidisciplinarias, modelos y métodos para datos, computación con
datos, pedagogía, evaluación de herramientas, y teoría.8

En abril del 2002, el ‘International Council for Science: Committee on Data for
Science and Technology’ (CODATA) empezó la publicación del Data Science Journal,9
enfocada en problemas como la descripción de sistemas de datos, su publicación en
Internet, sus aplicaciones, y sus problemas legales. Poco después, en enero del
2003, la Universidad de Columbia empezó a publicar The Journal of Data Science,10
la cual ofreció una plataforma para que todos los profesionales de datos
presentaran sus perspectivas e intercambiaran ideas.

En 2005, The National Science Board publicó "Long-Lived Digital Data Collections
Enabling Research and Education in the 21st Century", definiendo a los científicos
de datos como "científicos de computación e información, programadores de bases de
datos y software, y expertos disciplinarios, [...] que son cruciales para la
gestión exitosa de una colección digital de datos, cuya actividad primaria es
realizar investigación creativa y análisis".11

Fue en el 2008 que Jeff Hammerbacher y DJ Patil lo reutilizaron para definir sus
propios trabajos realizados en Facebook y LinkedIn, respectivamente,12

En 2009, los investigadores Yangyong Zhu y Yun Xiong del ‘Research Center for
Dataology and Data Science’, publicaron “Introduction to Dataology and Data
Science”, en donde manifiestan que “a diferencia de las ciencias naturales y las
ciencias sociales, Datología y Ciencia de Datos toman datos en la red y su objeto
de estudio”.6

En 2013 fue lanzado el ‘IEEE Task Force on Data Science and Advanced Analytics’,13
mientras que la primera conferencia internacional de ‘IEEE International Conference
on Data Science and Advanced Analytics’ fue lanzada en el 2014.14 En 2015, el
International Journal on Data Science and Analytics fue lanzado por Springer para
publicar trabajos originales en ciencia de datos y analítica de big data.15

Aplicaciones
Marketing
En septiembre de 1994, BusinessWeek publicó el artículo “Marketing de base de
datos”, manifestando que las empresas recopilan una gran cantidad de información
sobre los clientes, la cual es analizada para predecir la probabilidad de que
compre un producto. Afirman que se utiliza ese conocimiento para elaborar un
mensaje de marketing calibrado con precisión para que el individuo busque
conseguirlo. Asimismo, explican que, en los ochenta, un entusiasmo provocado por la
propagación de los lectores de códigos de barras terminó en una decepción
generalizada pues muchas empresas fueron abrumadas por la gran cantidad de datos
para lograr hacer algo útil con la información de sus clientes. Sin embargo, muchas
empresas creen que no hay más remedio que desafiar la frontera marketing y bases de
datos para desarrollar más las tecnologías necesarias.16

En 2014 empresa sueca de música en streaming Spotify compra The Echo Nest, una
compañía especializada en ciencia de datos musicales. Esta ahora es la encargada de
almacenar y analizar la información de sus 170 millones de usuarios.17 Con ayuda de
dicha empresa, en 2015 Spotify lanzó un servicio de música personalizada llamado
Discover Weekly que semanalmente recomienda a sus usuarios una selección de
canciones que podría interesarles por medio de algoritmos y análisis de los datos
de la música escuchada y el historial de búsqueda de la semana pasada. El servicio
recibió una buena recepción generalizada18 19 y actualmente figura un fuerte punto
de venta ante la competencia de la empresa.20

Netflix, la empresa norteamericana de contenido multimedia en streaming ofrece a

sus más de 120 millones de usuarios una plataforma capaz de analizar, mediante
algoritmos, las costumbres de consumo de los usuarios para diferenciar los
contenidos que estos buscan y lograr determinar qué nuevos contenidos les pueden
interesar. Todd Yellin, vicepresidente de producto en Netflix, explicó que algunos
de los datos almacenados pueden extenderse desde la hora del día se conectan sus
usuarios, cuánto tiempo pasan dentro de la plataforma, su lista de contenidos
recientemente vistos (para analizar incluso el orden específico de estos). Toda la
información que se almacena es utilizada específicamente para ser analizada,
aprender del usuario y poder darle recomendaciones acertadas.21

Gobernanza
En América Latina el Banco Interamericano de Desarrollo (BID) ha desarrollado
estudios exploratorios en los que se analiza la ciencia de datos en la
implementación y diseño de políticas públicas en la región, tomando casos en países
como Argentina y Brasil, presentando recomendaciones para su implementación y
mantenimiento.

Estas van desde temas como movilidad urbana sostenible, ciudades inteligentes,
seguridad, propiedad de datos y privacidad. Entre las sugerencias presentadas en
las investigaciones está la de lograr una “inteligencia del valor público, la cual
“tiene la potencialidad de ser un componente estratégico para la toma de decisiones
y el diseño, implementación y evaluación de políticas públicas”. Otra de ellas es
la capacidad para lograr desde este campo una mejora de rendición de cuentas de los
gobiernos ante la ciudadanía y promover un avance en cuanto a la curaduría de datos
en las instituciones públicas.22

Ciencia de datos y Big data

Textualmente, Big Data (o macrodatos) se refiere a enormes volúmenes de datos que
no pueden procesarse de manera efectiva con las aplicaciones tradicionales que
actualmente se aplican.23 De acuerdo con la guía de Amazon Web Service, se
considera al Big Data como una colección considerable de datos con dificultades
para almacenarse en bases de datos tradicionales, y también para procesarse en
servidores estándar y para analizarse con aplicaciones habituales.

El término se suele relacionar con ciencia de datos, pues esa suele ser su fuente
de información para análisis; La ciencia de datos logra analizar los grandes
conjuntos de datos desordenados e incompletos, para llegar a hallazgos que impulsan
decisiones sobre operaciones y productos.

Científico de datos
Las personas que se dedican a la ciencia de datos se les conoce como científico de
datos, de acuerdo con el proyecto Master in Data Science define al científico de
datos como una mezcla de estadísticos, computólogos y pensadores creativos, con las
siguientes habilidades:
Recopilar, procesar y extraer valor de las diversas y extensas bases de datos.
Imaginación para comprender, visualizar y comunicar sus conclusiones a los no
científicos de datos.
Capacidad para crear soluciones basadas en datos que aumentan los beneficios,
reducen los costos.
Los científicos de datos trabajan en todas las industrias y hacen frente a los
grandes proyectos de datos en todos los niveles.
El proceso que sigue un científico de datos para responder cuestiones que se le
plantean se puede resumir en estos pasos:

Extraer datos, independientemente de la fuente y de su volumen.

Limpiar los datos, para eliminar lo que pueda sesgar los resultados.
Procesar los datos usando métodos estadísticos como inferencia estadística, modelos
de regresión, pruebas de hipótesis, etc.
Diseñar experimentos adicionales en caso de ser necesario.
Crear visualizaciones gráficas de los datos relevantes de la investigación.24
El doctor en estadística Nathan Yau, precisó lo siguiente: el científico de datos
es un estadístico que debería aprender interfaces de programación de aplicaciones
(API), bases de datos y extracción de datos; es un diseñador que deberá aprender a
programar; y es un computólogo que deberá saber analizar y encontrar datos con
significado.25

En la tesis doctoral de Benjamin Fry explicó que el proceso para comprender mejor a
los datos comenzaba con una serie de números y el objetivo de responder preguntas
sobre los datos, en cada fase del proceso que él propone (adquirir, analizar,
filtrar, extraer, representar, refinar e interactuar), se requiere de diferentes
enfoques especializados que aporten a una mejor comprensión de los datos. Entre los
enfoques que menciona Fry están: ingenieros en sistemas, matemáticos, estadísticos,
diseñadores gráficos, especialistas en visualización de la información y
especialistas en interacciones hombre-máquina, mejor conocidos por sus siglas en
inglés “HCI” (Human-Computer Interaction). Además, Fry afirmó que contar con
diferentes enfoques especializados lejos de resolver el problema de entendimiento
de datos, se convierte en parte del problema, ya que cada especialización conduce
de manera aislada el problema y el camino hacia la solución se puede perder algo en
cada transición del proceso.26

en:Drew Conway en su página web explica con la ayuda de un diagrama de Venn, las
principales habilidades que le dan vida y forma a la ciencia de datos, así como sus
relaciones de conjuntos.

La importancia de un científico de datos

La ciencia de datos ha cobrado recientemente mucha importancia en nuestro acontecer
como disciplina o profesión emergente (científico de datos), y se ha vuelto en foco
de atención de cada vez más organizaciones a nivel mundial, tal como lo señaló el
economista en jefe de Google Hal Varian, “El trabajo más sexy en los próximos 10
años será ser estadístico”, palabras sobre las que reflexionó Thomas H. Davenport
para publicar en el 2012 su artículo: Data Scientist: The Sexiest Job of the 21st
Century 27donde describe el perfil que debe tener el científico de datos como el
híbrido de un hacker de datos, un analista, un comunicador, y un consejero
confiable, combinación extremadamente poderosa y poco común. Davenport, también
señala que el científico de datos no se siente cómodo como se dice coloquialmente
“con la correa corta”, es decir, debe tener la libertad de experimentar y explorar
posibilidades. Además, Davenport en el mismo artículo presenta un decálogo de cómo
encontrar el científico de datos que la organización necesita (ver página 74 del
artículo).

El informe que publicó “McKinsey”28en el 2011, estimó que para el mundo de grandes
datos en el que vivimos, espera que la demanda por talento experto en análisis de
datos podría alcanzar de los 440 000 a 490 000 puestos de trabajo para el 2018.
[cita requerida]

Entre los retos tecnológicos a los que nos enfrentamos destacamos:

El volumen de datos: la genómica, la monitorización (UCI, dispositivos móviles), la

ubicuidad, datos sociales. Se requerirán, por una parte, nuevos métodos para el
almacenamiento de datos; por otra parte, estos datos requieren nuevas aplicaciones
para su integración, consulta y análisis.
Almacenamiento físico de los datos: los datos requieren de nuevos medios y
arquitecturas para su almacenamiento y tratamiento de forma eficiente.
Problemas de interoperabilidad: diversos hospitales tienen diferentes sistemas de
almacenamiento. Tiene que haber una capa de interoperabilidad para construir sobre
las soluciones de tecnologías de la información.
Limpieza de datos, integración, análisis, herramientas: cuando se tenga acceso a
información de todo tipo: los registros de salud, información de contexto, la
genómica, y el resto de datos, serán necesarias nuevas herramientas y servicios
para diferenciar el ruido de los datos valiosos.
Interpretabilidad de los modelos obtenidos con técnicas de inteligencia artificial.
Impacto de los cambios en los protocolos de registro de datos y en la normativa
sobre los datos registrados.29
Referencias
Liu, Alex (17 de septiembre de 2015). «Data Science and Data Scientist» (en
inglés). Consultado el 24 de septiembre de 2015.
Hayashi, Chikio (1998). Studies in Classification, Data Analysis, and Knowledge
Organization (en inglés). Springer Japan. pp. 40-51. ISBN 9784431702085.
doi:10.1007/978-4-431-65950-1_3. Consultado el 14 de septiembre de 2018.
Tansley, Stewart; Tolle, Kristin Michele (1 de enero de 2009). The Fourth
Paradigm: Data-intensive Scientific Discovery (en inglés). Microsoft Research. ISBN
9780982544204. Consultado el 3 de febrero de 2017.
Tukey, John W. (1962-03). «The Future of Data Analysis». The Annals of
Mathematical Statistics (en inglés) 33 (1): 1-67. ISSN 0003-4851.
doi:10.1214/aoms/1177704711. Consultado el 1 de octubre de 2018.
Peter Naur (1974). Encyclopedia of Computer Science. Petrocelli Books. 91-44-
07881-1.
Press, Gil. «A Very Short History Of Data Science». Forbes. Consultado el 3 de
febrero de 2017.
Wu, C.F. Jeff (1997). "Statistics = Data Science?". Consultado el 3 de febrero de
2017.
Cleveland, W. S. (2001). Data science: an action plan for expanding the technical
areas of the field of statistics. (en inglés). International Statistical Review /
Revue Internationale de Statistique. p. 21–26.
«Data Science Journal». Available Volumes. Retrieved from Japan Science and
Technology Information Aggregator, Electronic:
[Link] abril de 2012.
«The Journal of Data Science». Contents of Volume 1, Issue 1. enero de 2003.
Archivado desde el original el 22 de agosto de 2012.
National Science Board (2005). «US NSF - NSB-05-40, Long-Lived Digital Data
Collections Enabling Research and Education in the 21st Century». [Link] (en
inglés). National Science Foundation. Consultado el 3 de febrero de 2017.
Perlroth, Nicole (2 de noviembre de 2011). «The World´s 7 Most Powerful Data
Scientists» (en inglés). Consultado el 24 de septiembre de 2015.
«"IEEE Task Force on Data Science and Advanced Analytics"». Consultado el 3 de
febrero de 2017.
«"2014 IEEE International Conference on Data Science and Advanced Analytics"».
Archivado desde el original el 29 de marzo de 2017. Consultado el 3 de febrero de
2017.
«"Journal on Data Science and Analytics"». Consultado el 3 de febrero de 2017.
«Bloomberg - Database Marketing». [Link]. Consultado el 3 de octubre de
2018.
 «Spotify hits 75 million paid subscribers as it releases first earnings». The
Verge. Consultado el 3 de octubre de 2018.
Heath, Alex (6 de septiembre de 2015). «How Spotify's Discover Weekly playlist
knows exactly what you want to hear». Business Insider Australia (en inglés).
Consultado el 3 de octubre de 2018.
Education Institute, Learnbay. «How to be data scientist with Advance Data Science
Curses» (en inglés).
«Spotify vs. Apple Music: The best music streaming service is...». CNET (en
inglés). 3 de octubre de 2018. Consultado el 3 de octubre de 2018.
«¿Cómo funciona el algoritmo de Netflix?». abc. Consultado el 8 de octubre de
2018.
«El uso de datos masivos y sus técnicas analíticas para el diseño e implementación
de políticas públicas en Latinoamérica y el Caribe (2017)». Banco Interamericano de
Desarrollo. Consultado el 29 de noviembre de 2018.
«Data Science vs. Big Data vs. Data Analytics». [Link] (en inglés
estadounidense). 5 de abril de 2016. Consultado el 10 de octubre de 2018.
«¿Qué es un Data Scientist?». inLab FIB. 20 de mayo de 2015. Consultado el 8 de
octubre de 2018.
Harris, Harlan (septiembre de 2011). «What is “Data Science” Anyway? En Revolution
Analytics» (en inglés). Archivado desde el original el 25 de septiembre de 2015.
Consultado el 24 de septiembre de 2015.
Fry, Benjamin (abril de 2014). «Thesis proposal: Computational Information Design»
(en inglés). Consultado el 24 de septiembre de 2015.
Peter Drucker (2012). Data Scientist: The Sexiest Job of the 21st Century. Harvard
Business Review.
Manyika, James; Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles
Roxburgh, Angela Hung Byers (mayo de 2011). «Big data: The next frontier for
innovation, competition, and productivity» (en inglés). Archivado desde el original
el 9 de mayo de 2015. Consultado el 24 de septiembre de 2015.
«¿Puede data science ayudarnos a mejorar el pronóstico y tratamiento del paciente
oncológico?». Comunicación y Hombre. Consultado el 1 de diciembre de 2020.

Control de autoridades
Proyectos WikimediaWd Datos: Q2374463Commonscat Multimedia: Data science
Identificadores médicosMeSH: D000077488
Categorías: Ciencias de la informaciónOcupaciones de la informática
Menú de navegación
No has accedido
Discusión
Contribuciones
Crear una cuenta
Acceder
ArtículoDiscusión
LeerEditarVer historial
Buscar
Buscar en Wikipedia
Portada
Portal de la comunidad
Actualidad
Cambios recientes
Páginas nuevas
Página aleatoria
Ayuda
Donaciones
Notificar un error
Herramientas
Lo que enlaza aquí
Cambios en enlazadas
Subir archivo
Páginas especiales
Enlace permanente
Información de la página
Citar esta página
Elemento de Wikidata
Imprimir/exportar
Crear un libro
Descargar como PDF
Versión para imprimir
En otros proyectos
Wikimedia Commons

En otros idiomas
‫العربية‬
English
हिन्दी
Bahasa Indonesia
Bahasa Melayu
Português
Русский
‫اردو‬
中文
31 más
Editar enlaces
Esta página se editó por última vez el 13 abr 2022 a las 06:03.
El texto está disponible bajo la Licencia Creative Commons Atribución Compartir
Igual 3.0; pueden aplicarse cláusulas adicionales. Al usar este sitio, usted acepta
nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una
organización sin ánimo de lucro.
Política de privacidadAcerca de WikipediaLimitación de responsabilidadVersión para
móvilesDesarrolladoresEstadísticasDeclaración de cookiesWikimedia FoundationPowered
by MediaWiki