Ciencia de datos (data science)
La ciencia de datos es usar datos, estadística y código para contestar preguntas y hacer predicciones, como qué clientes están por cancelar o cuánto va a vender una tienda el próximo mes.
Selecciona cualquier frase de aquí para preguntarle a tu Maestro.
Dos modelos predicen cuáles de 1,000 clientes se van a dar de baja; 50 se dan de baja. El A acierta 95.5% de las veces y el B, 91%. ¿Cuál encuentra más de esos 50?
Qué hace un científico de datos: convierte una pregunta del negocio en una que los datos puedan contestar, junta y limpia los datos con SQL o Python, los explora, construye y prueba modelos de machine learning cuando ayudan, y explica el resultado para que alguien actúe.
Ciencia de datos o análisis de datos: el análisis de datos explica sobre todo qué pasó y por qué; la ciencia de datos agrega predecir qué va a pasar y construir modelos que lo hagan solos. En muchos trabajos se mezclan.
Qué necesitas para empezar: SQL para sacar los datos, Python para analizarlos, estadística para saber cuándo una diferencia es real, y entender el negocio lo suficiente para hacer buenas preguntas.
Así se usa
Un proyecto de principio a fin
Predecir cancelaciones
- La pregunta: qué clientes se van a dar de baja el próximo mes, para llamarles primero
- Los datos: un año de uso, planes y tickets de soporte, sacados con SQL
- marcado: El modelo: entrenado con los clientes del año pasado y probado con otros que nunca vioProbarlo con clientes nuevos es lo que te dice cómo le va a ir de verdad.
- El resultado: cada semana, la lista de los 100 clientes con más riesgo de irse
Cuándo mirar más de cerca
Excelente en pruebas, inútil en vivo
Un modelo demasiado bueno para ser cierto
- Columnas: plan, inicios de sesión del último mes, tickets de soporte y motivo de baja
- marcado: Aciertos en pruebas: 99%
Tu modelo de cancelación acierta 99% en pruebas, pero en vivo no sirve. ¿Cuál de sus cuatro columnas es el problema, y por qué?
Pregúntale a tu Maestro sobre Ciencia de datos
Te responde desde la página gratis más cercana a esta palabra, igual que mientras estudias.
Tú: ¿Qué quiere decir "Ciencia de datos", en palabras sencillas?
Tu Maestro: Te lo explico con un caso tuyo, que se queda mejor que una definición. ¿Qué te gustaría poder predecir en tu trabajo?
Pregunta sobre: Responde desde la página "¿Cuándo usar el promedio y cuándo la mediana?"
Solo este navegador guarda lo que preguntas aquí. ¿Cómo funciona?
Para saber más
Términos relacionados
- Machine learning (aprendizaje automático)
El machine learning (aprendizaje automático) hace que un programa aprenda reglas a partir de ejemplos con respuesta, para predecir casos nuevos.
- Análisis de datos (data analytics)
El análisis de datos es el trabajo de convertir datos en respuestas: hacer una pregunta, limpiar los datos, hacer las cuentas y explicar qué pasó, por qué y qué conviene hacer.
- Python
Python es un lenguaje de programación gratuito, con código corto y fácil de leer. Se usa para limpiar y analizar datos, hacer gráficas, automatizar tareas y construir agentes de IA.
- SQL
SQL es el lenguaje para pedirle datos a una base de datos: qué columnas, de qué tabla, qué filas y cómo resumirlas. Te regresa otra tabla.