Herramientas claves para un Data Scientist

blur-1853262_1280

Es probable que no sea la primera vez que leas que los Data Scientists  lideran el paquete de mejores empleos y en 2017 no son la excepción. Pero para dejarlo claro a los curiosos, un “Data Scientist” normalmente se refiere a una mezcla de habilidades, parte de estadística, programador y ahora también con una visión de negocio.

Por ejemplo, los científicos de datos a menudo tienen que emplear código de computadora (como el lenguaje de programación de Python) para procesar datos que no pueden estar en un formato bien empaquetado, mientras que un “estadístico” es convencionalmente muy concentrado en sofisticadas técnicas de análisis de datos (aunque las opiniones varían).

Juego de funciones

Estadístico

Para ser un científico de datos, necesita pensar como un investigador. Pero en lugar de trabajar con ratones de laboratorio, está creando experimentos con los datos de su empresa, pensando en interpretaciones e implementando una solución que crea el mayor valor para su negocio.

Eso significa probar hipótesis, establecer intervalos de confianza, controlar sus variables y evaluar los resultados – necesitará tener los fundamentos de las estadísticas descriptivas y de inferencias.

Por ejemplo, es posible que tenga que entender por qué las ventas aumentaron en un 10% en un mes determinado. Usando la estadística, uno puede entender las fuentes potenciales de un aumento en ventas – en una promoción dada, por citar un caso.

Programador

Como Data Scientist, su principal producto son los datos – números de ventas, cifras de usuarios, participación – que se genera a partir de un producto tecnológico, por lo que tendrá que desarrollar programas capaces de procesar grandes volúmenes de datos lo más rápido posible y traducir los datos en conocimientos prácticos.

Experto en Negocios

El poder real de la ciencia de datos está afectando al negocio de maneras cuantificables, usualmente identificando y mejorando los indicadores de desempeño clave (KPIs). A partir de ahí, puede responder a las preguntas de sus responsables de la toma de decisiones de negocio enmarcadas utilizando estos KPI. La línea de preguntas suele ir:

- Preguntas descriptivas. Busca entender lo que ha sucedido.

- Preguntas predictivas. ¿Dónde podemos usar la ciencia de los datos para predecir lo que sucederá?

- Preguntas prescriptivas. ¿Qué haremos después?

Por último, como científico de datos, siempre debe “cerrar el círculo” con sus partes interesadas y revisar si cumple con las expectativas y los objetivos de ROI.

Data Scientist Conento

Nuestros Científicos de Datos, además de realizar las funciones que hemos indicado arriba, se dedican también a automatizar/optimizar y agilizar los análisis más comunes para facilitar la información que se proporciona a los clientes.

Si quieres estar dentro de nuestro Team de Data Scientists pincha este enlace

 

Fuente

http://data-informed.com

http://www.cronista.com

 

This entry was posted in Blog and tagged , , . Bookmark the permalink.