Analítica de datos o ciencia de datos (data science, smart data, small data)
Qué es
Comprende el análisis, administración y manipulación de grandes cantidades de datos de manera inteligente a través de modelos de descripción, predicción y optimización con el objetivo de tomar decisiones mejores y más efectivas. Se basa en las matemáticas, la estadística y las ciencias de la computación y mide 7 magnitudes:
- Volumen. Cantidad de datos que son originados y almacenados con el objetivo de procesarlos y transformarlos en acciones.
- Velocidad. La rapidez en la que los datos son creados, almacenados y procesados en tiempo real.
- Variedad. Formas, tipos y fuentes en las que se registran los datos: documentos de texto, correos electrónicos, audios, vídeos o imágenes que residen en un dispositivo móvil, perfiles de redes sociales, etc.
- Veracidad. Es la calidad de los datos, es decir, el grado de fiabilidad de la información recibida.
- Viabilidad. Capacidad que tienen las compañías de generar un uso eficaz del gran volumen de datos que manejan.
- Visualización. Modo en el que los datos son mostrados para encontrar claves ocultas y patrones en el tema a investigar.
- Valor. Datos que se transforman en información, que a su vez se convierte en conocimiento y a su vez en una acción o decisión.
Para qué sirve
- Desarrollo de productos: genera modelos predictivos para nuevos productos y servicios clasificando aspectos clave de productos actuales y anteriores, para anticiparse a la demanda de las y los usuarios.
- Experiencia del cliente: recopila información de las visitas de la página web, redes sociales, registros de llamadas y otros orígenes de datos para perfeccionar la experiencia de interacción, así como optimizar el valor que se ofrece..
- Conformidad y fraude: facilita la identificación de patrones de datos que puedan ocasionar un fraude, al mismo tiempo que aglutina grandes volúmenes de datos para agilizar la creación de informes normativos.
- Impulso de la innovación: pude ayudar a innovar en la empresa gracias al análisis de las interdependencias entre instituciones, procesos, entidades y seres humanos, y, posteriormente, mediante la determinación de maneras novedosas de emplear dicha información: mejorar las decisiones financieras y las consideraciones de planificación, implantación de precios dinámicos, análisis de tendencias para desarrollar nuevos servicios y productos, etc.
Algunos ejemplos de sectores en los que se aplica
- Marketing y ventas: Los datos se utilizan para comprender mejor a los clientes, sus comportamientos y preferencias y, así, crear modelos predictivos (por ejemplo, para predecir mejor qué productos se venderán mejor, el voto de las y los electores en procesos electorales, etc.).
- Retail o comercio minorista: optimización de stock basado en predicciones generadas gracias a datos de redes sociales, tendencias de búsquedas en la web y predicciones meteorológicas; monitorización de clientes en tiempo real; segmentación y perfiles; análisis cestas de compra; gestión de inventarios; etc.
- Transporte, distribución y logística: optimización de la cadena de suministro y las rutas de reparto, gracias al posicionamiento geográfico, integración de datos de tráfico en tiempo real y sensores de identificación por radiofrecuencia para el seguimiento de las mercancías y vehículos de reparto.
- Salud: codificación de material genético para saber qué dieta o alimentos son más adecuados para nuestro genotipo, o descubrir cómo o por qué se activan determinados genes que pueden derivar en enfermedades crónicas; encontrar nuevos tratamientos y comprender mejor las enfermedades, sus desencadenantes y los patrones de propagación; controlar y predecir la evolución de las epidemias y brotes de enfermedades.
- Deportes: determinar patrones y estilos de jugadoras y jugadores ganadores para mejorar el rendimiento deportivo; seguimiento de atletas fuera del entorno de competición mediante el uso de dispositivos inteligentes para monitorizar desde la nutrición, la preparación física y el sueño, hasta las conversaciones en redes sociales en las que participan para controlar el bienestar emocional.
- Sector púbico: mejoras en rendimiento y servicios; detección automática de vulnerabilidades, fraude y malversación de fondos públicos; detección de filtración de datos; detección de actividades criminales y patrones; rendimiento de infraestructuras; anticipación de quejas y preocupaciones de la ciudadanía.
- Servicios financieros: mayor precisión y menor riesgo en la toma de decisiones de compra venta de valores; anticipación de oportunidades; detección de fraude; etc.
Video: https://www.youtube.com/watch?v=Rx5JmqnsGy8&feature=emb_logo
(fuente: podcast Industria 4.0)