Blog

5 contratiempos comunes durante el proceso de resolución de problemas

La resolución de problemas es un proceso que debe afrontarse con determinación y carácter, pensando en que es vital reconocer las mejores opciones de solución y aceptando que el camino estará lleno de obstáculos.

SEGUIR LEYENDO

¿Cómo funciona el Big Data en los Recursos Humanos?

El análisis de grandes cantidades de datos  (big data) es una de las  muchas    posibilidades técnicas y tecnológicas de las que se pueden valer las empresas hoy en día, ya que proporcionan detalles ta n completos, que pueden ser aprovechados  por las mismas según sus necesidades particulares.   

SEGUIR LEYENDO

5 puntos para resolver conflictos profesionales

Los conflictos  profesionales engloban una serie de situaciones dentro de los espacios laborales, o    de colaboración, que pueden tornarse complejas y comprometer el ánimo y responsabilidad de distintos miembros del equipo.

SEGUIR LEYENDO

Business Mapping, el inicio de tu negocio

En el contexto empresarial existen documentos esenciales que hacen posible el progreso de las diferentes propuestas de negocio. Entre estos se encuentran los planes   de negocios, los cuales son   estructuras que   funcionan como guías estratégicas para encaminar los esfuerzos  de los emprendedores y profesionales, por lo tanto, su realización es una tarea muy importante.  

SEGUIR LEYENDO

¿Cómo crear tu mapa de mensaje?

Los mapas de mensajes (message mappings) son estructuras diseñadas para crear mensajes atractivos y relevantes  enfocados   en los intereses y necesidades de audiencias clave, así como en los objetivos y características de las compañías o emisores: son herramientas de planeación con la capacidad de representación visual a través de un formato conciso.

SEGUIR LEYENDO

¿Qué es el control interno y cuáles son sus componentes?

También denominado sistema de gestión, el control interno empresarial determina el conjunto de esfuerzos y áreas dentro de una empresa que velan por resguardar sus recursos, verificar la información financiera y administrativa que toma lugar en sus operaciones, así como por promover la eficiencia de los procesos y adhesión del personal a las políticas de la gerencia.

SEGUIR LEYENDO

¿Cómo se evalúan los riesgos operativos?

 Los riesgos operativos u operacionales se refieren a las actividades, sistemas o procedimientos que pueden generar pérdidas a las organizaciones debido a distintos causales: internos como el error humano, los procesos no supervisados, fallas en el sistema; o externos como la inflación o los desastres naturales. 

SEGUIR LEYENDO

Diferencias entre control interno administrativo y financiero

Parte importante de la administración de riesgos    en   las corporaciones atañe a las medidas y características del control interno, el cual se identifica como la responsabilidad de las autoridades   empresariales     para resguardar los recursos, verificar la información financiera y administrativa, promover la eficiencia de las operaciones y promover la adhesión del personal a las políticas de la gerencia

SEGUIR LEYENDO

Clausura 2018 del diplomado en Administración y Enajenación de Bienes

El pasado miércoles  21 de noviembre  tuvimos la fortuna de ver a una nueva generación graduada en el Diplomado de Administración y Enajenación de Bienes que estaba dirigido al  personal del Servicio de Administración y Enajenación de Bienes.

SEGUIR LEYENDO

La industria del Data Science

"La ciencia de datos es un campo interdisciplinario que combina el machine learning con estadística, análisis avanzado y programación. Es una nueva forma de arte que extrae percepciones antes desconocidas y pone a trabajar los datos en servicio de la era cognitiva." - IBM

Tomando en cuenta esta definición, a nadie extraña el auge que la ciencia de datos ha experimentado a lo largo del tiempo, durante su consolidación y sobre todo, en los últimos años, a través de los cuales ha sido posible atestiguar el potencial de sus capacidades en ramos tan variados como el mundo de las pequeñas y medianas empresas.

Sin embargo, es por eso mismo que resulta complicado limitarla a una simple definición a la que podrían adicionarse cambios y mejoras constantes derivadas de su imparable evolución y expansión profesional, pero funciona como un marco de referencia bastante pertinente para adentrarnos al entendimientos de sus generalidades, las cuales la vuelven un campo tan integral y escalable.

La industria del Data Science

Podríamos incluir aquí no solo las características que dan forma a la disciplina, sino a los sectores que se benefician de ella, que bien pueden ser todos y cada uno de los que conocemos considerando lo descrito con anterioridad.

"Existe una creciente conciencización en todos los sectores profesionales sobre lo esencial que se han vuelto las habilidades derivadas de la ciencia de datos en lo referente a competencia y mejora en el mercado contemporáneo." - Michael Galvin (en entrevista con The Muse)

Ante tal panorama, es crucial identificar y discernir los diferentes campos de especialización que integran la materia, tal como los describe la plataforma de preparación en ciencia de datos, DataCamp:

  • Business Analyst (Analista de negocios). Optimizan los procesos del negocio al fungir como intermediarios entre el área corporativa y de desarrollo. Trabajan con SQL. Interesan a empresas como UBER, DELL y ORACLE. Su salario promedio es de 65, 000 dólares. 

  • Data Analyst (Analista de datos). Se encargan de recolectar, procesar y ejecutar análisis estadísticos de datos. Pueden programar en R, Python, HTML, Javascript, C/C++ o SQL. Los suelen contratar empresas como IBM, HP y DHL. Pueden gozar de un promedio salarial cercano a los 62,000 dólares.

  • Data Architect (Arquitecto de datos). Crean planos para sistemas de gestión de datos en busca de la integración, centralización, protección y mantenimiento de fuentes de datos. Pueden programar en SQL, XML, Hive, Pig o Spark. Los contratan compañías como VISA, Logitech y Coca-ColaSu rango salarial promedio en una industria bien posicionada alcanza los 100,000 dólares. 

  • Data Engineer (Ingeniero de datos). Se dedican a desarrollar, construir, poner a prueba y mantener arquitecturas como lo son bases de datos y sistemas de procesamiento a gran escala. Programan en SQL, Hive, Pig, R, Matlab, SAS, SPSS, Python, Java, Ruby, C++ o Perl. Compañías como Amazon, Facebook y Spotify se interesan en sus perfiles. Salario promedio: 95,000 dólares.

  • Data Scientist (Científico de datos). De los profesionales menos comunes en el campo, se encargan de depurar, tratar y organizar datos. Pueden programar en R, SAS, Python, Matlab, SQL, Hive, Pig o Spark. Suelen ser contratados por Google, Microsoft y Adobe. Salario promedio en la industria: 118, 000 dólares.

  • Statistician (Estadista). Encargados de recolectar, analizar e interpretar información cuantitativa y cualitativa con teorías y métodos estadísticos. Trabajan con lenguajes como R, SAS, SPSS, Matlab, Stata, Python, Perl, Hive, Pig, Spark y SQL. Sus perfiles son buscados por compañías como PEPSICO, LinkedIn o Johnson & Johnson. Rango salarial promedio: 75,000 dólares.

  • Database Administrator (Administrador de bases de datos). Trabajan con SQL, Java, Ruby on Rails, XML, C# y Python. Como labor principal se aseguran de que las bases de datos estén disponibles para los usuarios, de manera que funcionen apropiadamente y estén protegidas. Son objetivos de contratación para compañías como Twitter, Reddit o TableauSu rango salarial promedio puede alcanzar los 67, 000 dólares.

  • Data and Analytics Manager (Gerente de datos y análisis). Es la persona encargada de gestionar los equipos de analistas y científicos de datos. Trabajan con lenguajes como SQL, R, SAS, Python, Matlab o Java. Empresas como Coursera, Slack y Motorola Solutions se interesan en sus capacidades. Su rango salarial promedio en una industria bien posicionada alcanza los 116, 000 dólares. 

De lo anterior que su implementación sea tan diversa y llame cada vez más profesionales relacionados; por ejemplo, existe una muestra considerable y en aumento de académicos que descubriendo las posibilidades de esta ciencia más allá de la institución educativa, han incursionado en el sector tecnológico, científico y empresarial, por mencionar algunos casos.

  • El Doctor en Astrofísica, Matt George, se especializó en ciencia de datos, y tras acumular cierta experiencia profesional en el campo, culminó como Ingeniero Senior de Machine Learning para la empresa de imagen satelital, Planet

  • David Robinson es un Doctor en Biología Computacional, y después de haber laborado como Científico de datos en Stack Overflow, se volvió Jefe del área para la compañía DataCamp.

  • La Doctora en Astronomía, Julia Silge, ejerció varios años en la industria educativa y no lucrativa antes de dedicarse de lleno al campo del data science y emplearse en el sector privado. Es co-autora, junto con Robinson, de Text Mining with R.

Aspectos prometedores de la ciencia de datos

  • Optimiza la gestión de la información y empodera la toma de decisiones facilitando el diseño de nuevos objetivos y estrategias puntuales en el espacio profesional. Ejemplo de ello es el ejercicio que hace Amazon de esta disciplina, con cuyos resultados evalúa el comportamiento de sus compradores potenciales y recomienda adquisiciones pertinentes para impulsar las ventas y engagement por parte de la audiencia. 

  • Permite identificar tendencias por medio del reconocimiento de patrones que pueden implementarse en estrategias comerciales o en modelos de investigación. Marcas como Netflix, Spotify, AirBnB y UBER hacen uso de los procesos del data science para conocer a sus usuarios y sugerirles contenido relacionado. 

  • Sensibiliza a los equipos por medio de los resultados obtenidos a través del análisis de datos, pues las personas entienden mejor el comportamiento propio y ajeno: a través de la alianza entre la Universidad de Chicago y el Instituto del Fondo Nacional de la Vivienda (INFONAVIT), se realizó un análisis profuso de datos para compenden las diversas causas del abandono de hogares en nuestro país y así destinar fondos para hacer frente a la problemática. 

  • Facilita la identificación de oportunidades de mejora a distintos niveles y según requiera cada caso, esto por medio del análisis e interpretación de información. Por ejemplo, Apple evalúa el comportamiento de sus clientes para descifrar los productos de mayor éxito y las experiencias que podrían optimizarse. 

La ciencia de datos seguirá evolucionando e influenciado el mundo que ahora conocemos, no solo en las industrias comerciales, sino en el ámbito social, político y cultural; no por nada ha nacido un interés inagotable por parte de organizaciones educativas de alto nivel por hacerla parte del valor curricular común del nivel superior. 

 

 

Referencias
(2018). Data Science, una manera de predecir el futuro. Noviembre 12, 2018, de HIPODEC. 
Walker, S. Data Science Touches Everything We Do—Here’s How to Break Into the Industry. Noviembre 12, 2018, de The Muse
Short, E. (2017). Who does what in the data science industry? Noviembre 12, 2018, de Silicon Republic.
Gemma, M. (2018). 5 Data Scientists on Making the Leap from Academia to Industry. Noviembre 12, 2018, de Mode.

SEGUIR LEYENDO

Big data para pequeñas empresas

Las herramientas derivadas de los grandes avances tecnológicos y científicos acercan a las personas y empresas a un panorama de innovación diverso y especializado que promueve la profesionalización a distintos niveles.

SEGUIR LEYENDO

¿Qué es una franquicia?

Afortunadamente para los empresarios interesados, así como para las audiencias de consumo potenciales, existen en el mundo de los negocios diferentes modelos comerciales para emprender nuevos proyectos e impulsar grandes ideas.

SEGUIR LEYENDO
1 2 3