Una mirada al análisis de datos desde el punto de vista de su explotación. Ya que he tenido la oportunidad de hablar con gente al respecto y me han consultado en este sentido. Y la opinión de un científico de la NASA que obviamente sabe de esto mucho más que yo.
El análisis de datos
Existe análisis de datos sólo cuando hay curiosidad, interés y herramientas. Curiosidad para saber si puedo sacarle mayor provecho a esos datos, si se puede actuar más inteligentemente basado en un conjunto de datos. Interés para saber si esa curiosidad más el tiempo que se dedica a las observaciones tiene algún tipo de retorno. Y herramientas para poder hacer esto de explorar, limpiar, observar y analizar determinados datos.
Pero antes de seguir veamos brevemente algunas tareas en el análisis de datos:
Data exploration: Búsqueda de los datos, lugares, fuentes formas de acceder y/o conectarse.
Data cleaning: Limpieza , ordenamiento y depuración de los datos. Esto al igual que lo anterior, insume mucho tiempo pero es indispensable si se pretende obtener buenos resultados.
Statistical análisis: Aquí entran las observaciones de los datos como datos pero también de su significado y comportamiento.
Data visualization and storytelling: Esto es que se comunica y cómo se comunica lo observado en los datos. Se trata de un tema tan clave como los anteriores.
Business Analysis: se trata de conocer la situación actual y también futura esto es del impacto a futuro que nos muestran los datos frente a determinados escenarios.
Esto es la base para "sacarle el jugo a los datos". Es la base de lo que se lee a continuación.
La minería de datos
Limpiar, depurar, revisar, sacar brillo y descubrir metales preciosos a veces no es cosa fácil, sobre todo si tenemos en cuenta la relación costo beneficio. Esto es bastante típico de ver en sectores como la minería.
En el mundo de los datos pasa algo análogo y ahí es dónde surgen los trabajadores de los datos que, en lugar de ser mineros, son analistas de datos que trabajan en todas las tareas que tienen que ver con esto de sacarle brillo a los datos.
De esta situación, de este trabajo surge el concepto de minería de datos. Un concepto que no es nuevo y que tiene tendencia a ser reconvertido al concepto de ciencia de datos.
La ciencia de datos
Con la evolución tecnológica y el desarrollo del aprendizaje automático (machine learning) los mineros o trabajadores del descubrimientos en la interpretación de los datos tienen ahora la oportunidad de construir modelos predictivos no solo para sacar conclusiones sino también para analizar escenarios futuros. Otra vez la analogía entre la minería y el trabajo con los datos. Solo que en esta vez se llama ciencia de datos.
De este tema he hablado en ¿Por qué Ciencia de Datos?, pero para terminar este análisis conceptual de la interpretación de los datos, me gustaría compartir un video dónde el Sr. Asitang Mishra relata sus experiencias como científico de datos en la NASA. En este video se analiza conceptualmente esto del trabajo con los datos de una manera amena y sencilla sobre todo en este nuevo campo llamado ciencia de datos.
Finalmente, si volvemos al inicio de este escrito. Veremos el papel relevante del análisis y la interpretación de los datos.