¿Qué es data science y para qué sirve?

Durante los últimos años hemos vivido la explosión definitiva del concepto de ciencia de datos (data science) y otros términos que orbitan a su alrededor como big data, machine learning o business analytics, presentes sin duda en el día a día de las organizaciones.

 

Sin embargo, data science no es un concepto de reciente creación. Su historia se remonta a 50 años atrás, cuando el estadístico estadounidense John Wilder Tukey acuñó el término por primera vez en su artículo «The future of data analysis». En él definió la ciencia de datos como el proceso de análisis de datos, que está dividido en tres grandes pilares: recopilación de datos, selección de las técnicas de análisis e interpretación de los resultados.

 

Actualmente, entendemos por data science el proceso de generación de información explotable a partir de datos en bruto con un enfoque multidisciplinar que incluye programación, análisis predictivo, estadística, informática o inteligencia artificial.

 

¿Por qué es tan importante?

 

Existen dos causas principales para el auge de la disciplina:

 

1. En primer lugar, cada vez generamos más datos; a finales del año 2020, el volumen de datos generados ascendió a 44 zettabytes frente a los 4 zettabytes de 2013. A ello han contribuido de forma decisiva la adopción de los smartphones, el uso del vídeo, las redes sociales, los motores de búsqueda e incluso el aumento de los dispositivos conectados (wearables, Internet of things, etc.) a falta del coche autónomo…

 

2. Por otro lado y desde un punto de vista empresarial, vivimos en un entorno altamente cambiante e incierto. Para las empresas cada vez es más relevante acertar en sus decisiones, por lo que queda menos margen para el ensayo o la intuición. La ciencia de datos proporciona a los directivos de las diferentes áreas un conjunto de herramientas para reducir la incertidumbre y el riesgo, ayudándoles a tomar decisiones más informadas. 

 

¿Para qué sirve la data science?

 

La ciencia de datos es una disciplina transversal a todas las áreas de la organización y sus usos son muy variados, pero tienen un eje común: ayudar a tomar decisiones en las empresas. Existen casos de uso ampliamente reconocidos como los sistemas de recomendación de Amazon, Netflix y Spotify o la explotación de los datos de salud para mejorar los diagnósticos médicos. Sin embargo, la pregunta que se impone para la mayor parte de los directivos es cómo se pueden aplicar estas herramientas para mejorar la gestión.

 

Uno de sus usos principales se da en las áreas de marketing y comercial, ya que permite incrementar el conocimiento del cliente y ayudar a las organizaciones a gestionar su ciclo de vida. Aquí las principales herramientas y casos de uso son el desarrollo de modelos predictivos sobre el potencial abandono, la proyección de ventas en el tiempo, la mejora de la vinculación (up-selling/cross-selling) o el cálculo de las probabilidades de recomendación de un servicio o incluso de impago. En el ámbito del marketing destacan las segmentaciones más eficientes basadas en comportamientos o la predicción de cómo cambiarán nuestros clientes su comportamiento en función de modificaciones en el precio, promociones o acciones de la competencia.

 

Además del conocimiento del cliente, la ciencia de datos ayuda a resolver problemas en otras áreas, tales como la logística, donde permite seleccionar la ubicación de tiendas (cerca de clientes potenciales) y almacenes o centros de reparto, optimizando rutas y gestionando de forma eficiente la famosa última milla.

 

En el ámbito financiero permite simular casos prácticos y cuentas de resultados con millones de situaciones o fijar precios para maximizar la rentabilidad en una cartera de clientes. En la organización creamos modelos para prevenir el abandono de colaboradores o detectar aquellos que tienen el talento demandado para puestos estratégicos. Por último, al nivel de un director general o un responsable de estrategia, permite anticipar cambios en las condiciones del entorno o el mercado y desarrollar modelos para predecir retrasos en la implantación de sus proyectos estratégicos.

 

Beneficios de las empresas que usan data science

 

Las compañías con alta orientación al dato, conocidas como data driven o data centric companies, se caracterizan por utilizar datos, tecnologías y herramientas para tomar decisiones empresariales en lugar de usar la intuición, la experiencia o el análisis del entorno.

 

Las características comunes a estas empresas son tres: han desarrollado una cultura basada en la formulación de preguntas de negocio y su resolución mediante datos; disponen de las herramientas y el conocimiento técnico necesario para hallar esas respuestas y, lo más importante, cuentan con personas adecuadas que aúnan conocimiento científico (resolución) y empresarial (formulación e interpretación de resultados).

 

Los casos de uso son amplios con independencia del tipo de organización y sector. ¿Cómo puede ayudarte a ti la data science a tomar mejores decisiones?

 

Os recomendamos que no dejéis de actualizaros en las últimas tendencias y adquiráis los conocimientos adecuados sobre qué es data science y para qué sirve. Os invito a que miréis detenidamente el Grado universitario en Data Science.