El presente artículo, tiene como objetivo identificar y detallar superficialmente las principales aplicaciones actuales de la Ciencia de los Datos y cómo generar una cultura en la organización para la captura, modelado y despliegue de los modelos a implementar.

La ciencia de los datos, una nueva aplicación para el análisis y toma de decisiones que mantiene conceptos desde hace muchos años y que es posible usarla actualmente por el poder computacional y capacidad de transmitir, almacenar y procesar datos. En un alto nivel la ciencia de datos es un conjunto de principios para extraer información y conocimiento de ellos utilizando diferentes tecnologías computacionales capaces de manejar algoritmos que a su vez nos ayudan a tomar decisiones con poderosas ideas (insights) en nuestro camino de digitalizaci´on de nuestra empresa. Sus aplicaciones se encuentran en diferentes entornos e industrias, con la única condición que existan datos, estas van desde la transformación en las prácticas médicas hasta modernizar políticas y toma de decisiones comerciales [2]. Para gestionar este conjunto de datos potencialmente invaluable, se han desarrollado nuevo métodos en la ciencia de datos y aplicaciones en el ámbito de analítica predictiva que estaremos conversando en los próximos párrafos.

Si bien es cierto que tiene muchas aplicaciones vamos a centrarnos en las siguientes que tienen una orientación empresarial:

Analítica predictiva


La predicción basada en datos, puede ser útil en los casos en los cuales tenemos información capturada de nuestros clientes y necesitamos resolver un problema formal utilizando datos en lugar que la intuición. Por ejemplo, la compañía ha detectado un patrón con heurísticos que cierta
cantidad de clientes se está desafiliando de los servicios, la analítica predictiva nos ayudará a partir de los datos que tenemos, a identificar y predecir cuales son los posibles clientes que están por irse y detenerlos antes de desafiliarse. Este es uno de los casos más comunes de esta aplicación, otro caso descriptivo es el de Walmart hizo una proyección de aumento de ventas de ciertos productos en sus góndolas durante un huracán para tenerlos debidamente establecidos. En general, la ciencia de datos nos ayuda aplicando métodos cuantitativos y cualitativos para resolver problemas relevantes y predecir los resultados. La analítica predictiva ilumina algunas de nuestras necesidades en la investigación y asuntos internos a través de las siguientes disciplinas:

  • Matemática
  • Probabilidad y Estadística
  • Minería de Datos

Cada una de ellas puede tener sus derivaciones en diferentes áreas como la optimización, simulaciones discretas, previsión de eventos, entre otros que pueden ayudar a nuestra compañía.

Big Data


Como lo indica su nombre en español, datos masivos, encontramos datos de carácter estructurados, semi estructurados o no estructurados que son manejados con tecnologías de bases de datos como neo4J, Hadoop, HBase, CouchDB entre otras que nos ayudan a tener velocidad, almacenar en alto volumen y variedad en su tipología. Esto sucede cuando nuestro sistema de recopilación de datos es variado, desde texto a imágenes o vídeos y también datos tradicionales estructurados, los mayores causantes son las ventas al por mayor, inventarios variados, tiempo y localización de productos y clientes, sensores, internet de las cosas (IoT), entre otros. Sus aplicaciones son muchas principalmente en el área de log´ıstica como manufacturas para mejorar y optimizar procesos de distribución local o por medio de autom´oviles a otros centros, la industria de retail en sentimientos de los clientes por medio de sensores en sus góndolas o bien, por redes sociales, predicci´on y clasificaci´on del tipo de cliente. El big data (datos masivos), cuenta con diferentes ramificaciones de análisis que los expertos deben elegir a trav´es de algoritmos y herramientas de visualización.

Cultura de datos en las empresas


Para realizar los diferentes análisis mencionados en las secciones anteriores, las empresas deben comprometerse a tener una cultura de datos. Actualmente los equipos de ventas, mercadeo y los encargados de recopilar datos están familiarizados con ellos pero no tienen idea de donde se almacenan y cómo lo hacen, esto es muy importante para que los analistas, tengan la posibilidad de hacer un mejor trabajo con los algoritmos que se utilizan. Esta cultura de captación, tiene el involucramiento de la mas alta gerencia y su comunicación en el proceso, si el alto mando no está comprometido, la recopilación de los datos puede no ser la adecuada conforme a los objetivos de la empresa y por ende, del análisis. Un estudio realizado por Harvard Bussiness Review, indica que menos del 50% de las compañías cuentan con este modelo, esto indica que debemos realizar un cambio de paradigma y pensamiento sobre los datos, pero, ¿Por qué debemos implementar una cultura de datos? En un mundo moderno, donde la informaci´on es un pilar fundamental ya que la muchos clientes (en general) utilizan plataformas digitales para realizar transacciones, transferencias, compras, registros, etc… Esta se vuelve útil para aumentar nuestras acciones, para esto, destaca tener buenas prácticas de recopilación y que todos los encargados o trabajadores estén dispuestos a registrar esa información. Se dice que los datos son el “ADN”de la compañía, un análisis hecho por Mckinsey Global Studio [1] destaca que las “organizaciones basadas en datos tienen 23 veces más probabilidades de adquirir clientes y 6 veces más probabilidades de retenerlos y 19 veces más posibilidades de ser rentables.”

Conclusión


La Ciencia de datos, un pilar fundamental para las empresas y la inteligencia artificial, se ha convertido en el ADN de las compañías para optimizar procesos, crear valor y posicionarse en la industria con mejores productos y más clientes, es importante conocer sus principios, como funciona, sus aplicaciones y tener una cultura de datos para su almacenamiento, procesamiento, transmisión y visualización de los datos ya analizados por expertos para tomar decisiones basadas en ellos y convertirnos en una empresa “data-driven”.


Referencias


[1] Besa, E. ¿porque es importante implementar una cultura de datos en la empresa?
[2] Lieber, M. A. Data scienceand its relationship to big data and data-driven decision making.
[3] Matthew A. Waller, S. E. F. Data science, predictive analytics, and big data: A revolution that will transform supply chain design and management. Bussiness Logistics 34, 2 (2013), 77–84.