Blog

Temas

¿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

¿Qué es Cloud Computing?

La informática en la nube, mejor identificada por su nombre en inglés Cloud Computing,  engloba   aquellos    servicios informáticos (almacenamiento, redes, bases de datos, software, servidores, inteligencia, etc.) que requieren recursos tecnológicos para llevarse a cabo pero que pueden realizarse a través de plataformas en  internet.

SEGUIR LEYENDO

Neuromarketing: Detrás del comportamiento del consumidor

El  neuromarketing es una disciplina que reúne conocimientos propios de la neurociencia, psicología y mercadotecnia e intenta identificar y descifrar la manera en la que las personas reaccionan ante distintos estímulos e influyen sus decisiones de compra.

SEGUIR LEYENDO

¿En qué consiste el Experiential Marketing?

¿Experiencias que fortalecen la relación de los usuarios con sus marcas favoritas?

SEGUIR LEYENDO

Elementos del Marketing Experiencial

El Marketing Experiencial se dedica a crear momentos memorables a través de eventos o activaciones que involucran a las personas con las marcas. Se realizan en sitio (stands, sucursales, puntos de venta...) y poseen grandes capacidades debido a que estrechan la relación entre ambos.

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

Cómo implementar un sistema de Big Data en tu empresa

Entendemos por big data aquellos grandes volúmenes de información generados día con día por medio de distintas plataformas tecnológicas y digitales, y que son de una complejidad tal que requieren infraestructura especializada para su procesamiento.

SEGUIR LEYENDO

Mobile: la puerta principal al consumidor

El mercado de tecnología móvil se encuentra en una de sus mejores épocas, ya que se mantiene continuamente actualizado y siempre con el objetivo de mejorar la experiencia de los usuarios optimizando recursos y compitiendo con una amplia gama de modelos que poseen distintas características disruptivas, lo que la vuelve una de las industrias más prometedoras.

SEGUIR LEYENDO

La innovación en retail: factor clave de supervivencia

Durante los últimos años el retail ha experimentado fuertes cambios, consecuencia de los avances de la tecnología y el uso de la misma por parte del shopper. Hoy es mucho más común que los productos que el consumidor requiere para satisfacer sus necesidades cotidianas lleguen a casa sin tener que haber ido a un punto de venta, y  gracias a la inmediatez  perdemos de vista todo lo que debió haberse implementado para que sucediera.

SEGUIR LEYENDO

Data Science: Una manera de predecir nuestro futuro

Los conocimientos obtenidos de las disciplinas científicas y tecnológicas han permitido ampliar y profesionalizar las distintas industrias para lograr objetivos específicos. En el caso de la Ciencia de Datos, la información obtenida a lo largo de sus procesos permite a las empresas conocer a fondo el perfil de su público meta e implementar estrategias y metodologías más eficientes.

SEGUIR LEYENDO

¿Qué es la minería de datos?

Etapa de análisis del KDD (Knowledge Discovery in Databases), así como parte   del campo estadístico    y computacional,   la minería de datos (exploración de datos o   data mining) se refiere al conjunto de procesos de recopilación de información almacenada en grandes bases de datos cuyo análisis conlleva al descubrimiento de patrones variados para su futura implementación en algún sector profesional.

SEGUIR LEYENDO