de la de datos y sus empresariales
DATA SCIENCE
Ciencia de los datos o Data Science
Ciencias computacionales
algoritmos
Datos
Software
la ciencia de datos?
! Ciencia interdisciplinaria que para la con la de generar conocimiento
! Insumo: Distintas formas de datos (estructurados y no estructurados)
Involucra:
la ciencia de datos
!
de
Phyton JuliaR Java C++Scala
Scientist :
Econometristas Actuariales
Negocios: Finanzas
Machine Learning
Sistemas de Ciencia computacional Desarrollo de sistemas
Visualizadores de datos
de datos
Software
Proceso para ciencia de datos
Descubrimiento
emplear
1 2 3 4 5 6
a
1. Descubrimiento
por medio de fuentes internas y externas para responder la pregunta enfocada en el negocio
2.
servidores web (webservers)
redes sociales (social media)
fuentes online (data streamed)
como: valores perdidos valores en blanco valores incorrectos
Limpieza de datos acondicionamiento previo al modelamiento las variables .
modelo a emplear para el pre modelamiento de relaciones entre variables.
.
modelo a emplear para el pre modelamiento de relaciones entre variables .
Exploratory Data Analysis (EDA) utilizando
Exploratory Data Analysis (EDA) utilizando SQL, R, SAS.
plots para identi car la .
3.
modelo para
entrenamiento y testeo
Analizar distintas herramientas de entrenamiento como por ejemplo clustering
modelos: SAS, R, Phyton, etc.
4.
.
.
5. Ge n e ra c i n d e re p ort e t c n ic o . en un . Revisar las posibles restricciones no consideradas previamente .
6. resultados
de los hallazgos principales y comunicarlo internamente a los accionistas y mandos superiores .
modelo .
Determinar si los resultados del proyecto son satisfactorios o se deben realizar ajustes
de distintas bases de datos grandes y complejas de procesar a de tradicionales
Volumen de base de datos
Variedad
Diferentes tipos de datos
Velocidad a un ritmo alarmante Valor
Encontrar el signi cado correcto de los datos
Veracidad
Incertidumbre e inconsistencias en los datos
1 1 2 2 3 3 4 4 5 5 6 6 Big Data
empresarial
Acceso a datos abiertos (open data) se incrementa se reducen los costos operativos
se transforma en valor para los accionistas y con ello, se obtiene mejor rendimiento nanciero
Modelos de negocio que incorporan generan valor agregado
Capturar los datos actividades y horarios establecidos permiten generar un modelo robusto
1
2
3
4
Ejemplos de datos y el empresarial
Curvas de progreso plani cadas vs. Actuales
Factores de productividad (unidad, actividad, etc.) rendimiento
Histogramas de mano de obra y comparativo
Interrupciones
Tiempo de esparcimiento
fraudedel personal) de red de o cinas
productos rutas
!
permite el desarrollo de la empresa en su potencial completo.
! !
como sistematizado)
!
ventaja competitiva
! Aprovechamiento
de datos
! !
de la de datos
E ciencia y calidad de los modelos
IT: gestiona y aprovisiona los datos, garante de la calidad
Inteligencia analítica:
aporte de conocimiento para identi car respuestas a las preguntas planteadas por el negocio.
Negocio: identi ca las necesidades de
!
!
!
tendencias, mitigar el riesgo,
#"
almacenamiento y
%"
mejorar la experiencia del usuario
Bene os en la calidad del cliente, mejor rendimiento ambiental, y diversidad de mano de obra
!"
$"
Empresas impulsadas por los datos, pues los datos son un activo y permiten tomar decisiones argumentadas
-commerce, IoT,
inteligencia arti cial se han convertido en herramientas aliadas a las empresas
Coherencia en la estructura organizacional
datos e empresarial y
Modelo centrado en el cliente
Liu, H., Huang, S., Wang, P., & Li, Z. (2021).A review of data mining Methods in nancial markets. Data Science in Finance and Economics 1(4): 362392. http://www.aimspress.com /article/doi /10.3934/DSFE.2021020 Nadikattu , R. (2020).Research on data science, data analytics and big data. International Journal of Engineering and Science 9(5), 99105. https://ssrn.com /abstract=3622844 y http://dx.doi.org/10.2139/ssrn.3622844 , A., , G., & , R. (2019). de la e : Un modelo de redes bayesianas . : y 50, 63100. https://doi.org /10.24275/etypuam /ne/502019/teran
