Data Science
Big Data aplicada para los negocios
Cómo la tecnología cambia a
las empresas y los empleados
Integrantes
Esteban Lopez, Silvia
León Ynfanzón, Jocabet Livani
Palomino Garay, David Roberto
Portilla Ponce, Marlene Elisabeth
Vasquez Zurita, Yhovin Samuel
Concepto
La ciencia de datos es un campo multidisciplinario que combina
matemática, estadística, programación, análisis avanzado, IA y
machine learning para descubrir conocimientos procesables
ocultos en los datos de una organización. Se trata de extraer
información valiosa a partir de datos brutos.
El ciclo de vida de la ciencia de datos implica varias etapas:
Ingesta de datos: Comienza con la recopilación de datos de
diversas fuentes, pueden ser estructurados como no
estructurados.
Almacenamientos y tratamiento de datos: En esta etapa se
realiza la limpieza, deduplicación, transformación y
combinación de datos garantizando su calidad antes de
cargarlo en un almacén de datos.
Análisis de datos: Los científicos de datos exploran los datos
para identificar sesgos, patrones, rangos y distribuciones de
valores.
la ciencia de datos es fundamental para tomar decisiones estratégicas y mejorar los resultados empresariales.
Origen Tendencias de
La Ciencia de Datos tiene su origen en el Data Science
año 1962, cuando el estadístico
estadounidense John W. Tukey, conocido
por el desarrollo de complejos algoritmos y
el famoso diagrama de caja y bigotes (Box
Plot), escribe y se cuestiona el futuro de la
estadística como ciencia empírica.
La IA Generativa TinyML y Convergencia
se enfoca en crear contenido
Small Data Tecnológica
original a partir de datos
Se enfoca en algoritmos La combinación de IA, IoT y redes
existentes. Utiliza algoritmos y
diseñados para ejecutarse en ultrarrápidas como 5G permite crear
redes neuronales avanzadas para
hardware de baja potencia, como soluciones más avanzadas.
aprender de textos e imágenes, y
dispositivos integrados y
luego genera contenido nuevo y
wearables.
único. Esto puede incluir desde
música y arte hasta mundos
virtuales. La IAG tiene aplicaciones
en la industria farmacéutica, la
investigación y la mejora de
experiencias de los clientes
IA y bases de datos Visualización de
Aprendizaje automático basadas en la nube
datos
Es una tendencia que provoca la Transforma la gestión de datos y Herramientas que ayudan a las
"democratización" del aprendizaje análisis con soluciones en la nube. empresas representar datos de
automático. Cualquiera puede crear Como por ejemplo: las empresas manera mas sencilla y
aplicaciones basadas en ML pueden proteger sus datos y comprensible. Mediante el uso de
mediante herramientas y administrar sus tareas de manera tablas, gráficos y mapas.
plataformas desarrolladas por más eficiente y efectiva. Es una de
desarrolladores de soluciones de las tendencias futuras en ciencia de
autoML. datos.
Ejemplos de proyectos y
aplicaciones de la ciencia de datos:
CONSTRUCCIÓN DE CHATBOTS: DETECCIÓN DE ANOMALÍAS O DE PREDICCIÓN DE
FRAUDE VENTAS E INGRESOS
Los chatbots juegan un papel
fundamental para las empresas, ya La ciencia de datos se usa para detectar
La ciencia de datos permite la
que pueden manejar sin esfuerzo un anomalías o fraudes. Por ejemplo, puede
predicción para las ventas o los
aluvión de consultas y mensajes de los ayudar a identificar transacciones
ingresos en un negocio.
clientes sin ningún tipo de sospechosas en el sector bancario
ralentización.
ANÁLISIS DE CLIENTES: CLASIFICACIÓN DE CORREOS
ELECTRÓNICOS La clave es que la ciencia de
La ciencia de datos puede mostrar qué datos puede ayudar a las
La ciencia de datos también permite la
productos realmente interesan a los clientes empresas a tomar decisiones
clasificación para ordenar automáticamente
de una empresa. basadas en datos, lo que puede
el correo electrónico en tu buzón,
llevar a mejores resultados.
Análisis aumentada
La tendencia de la que más se va a hablar durante los
próximos años. Los análisis aumentados aprovechan el
poder del Aprendizaje de Maquina (ML) y la IA. Con la
integración del NLP (Natural Language Processing) y la
información automatizada se facilitará la interacción de
las personas con los datos. Hoy lo podemos ver con las
grande tecnológicas que nos acercan cada vez más
soluciones como: Microsoft Copilot, Google Bard y
ChatGPT.
Se simplificará el proceso de extracción de información de
conjuntos de datos, incluso para usuarios no técnicos. Por
ello, la combinación de análisis con IA tiene un gran
potencial para ampliar nuestro conocimiento y tomar
mejores decisiones.
La gestión y gobernanza de datos esta en crecimiento
Auge de los Data como pilares fundamentales que impulsarán la evolución
de la inteligencia analítica. En este panorama dinámico, la
Lakehouse en Gestión gestión de datos adoptará enfoques más flexibles y
escalables, adaptándose de manera ágil a conjuntos
grandes y complejos. Paralelamente, la gobernanza de
y Gobernanza datos se destacará como un elemento clave para
garantizar el uso ético, seguro y conforme a las
regulaciones de la creciente cantidad de información
Además, 2024 marcará el punto culminante para los data
lakehouse, una estructura de almacenamiento de datos
que fusiona las fortalezas de un data lake y un data
warehouse. Esta innovación surge en respuesta al
crecimiento exponencial de datos necesarios para
alimentar los análisis, aplicaciones de usuario y la IA
generativa. La capacidad de utilizar y gobernar estos datos
de manera rápida y eficiente se potenciará gracias a la
versatilidad del data lakehouse, consolidándose como una
pieza central en la arquitectura de datos del futuro. Este
binomio, gestionado con maestría, será la piedra angular
que definirá el éxito en el universo del análisis de datos en
2024 y más allá.
Arquitectura de Malla
de Datos,
Descentralización y
Accesibilidad
La evolución constante nos lleva a explorar paradigmas
innovadores. La arquitectura de malla de datos, al adoptar un
enfoque más flexible y escalable que las arquitecturas
tradicionales, emerge como un faro de transformación. Este
enfoque se revela como una opción excepcional para la gestión
de conjuntos grandes y complejos, ofreciendo datos relevantes
en tiempo real. Además, se erige como un pilar fundamental en
la implementación de la gobernanza, permitiendo adaptarse a
las necesidades cambiantes de cada caso. La malla de datos
no solo crea conexiones, sino que redefine la forma en que
compartimos, consumimos y comprendemos la esencia
misma de los datos.
¡Gracias por
su atención!