Page 8 - PROYECTO TEXTO

para descubrir conocimientos procesables ocultos en independientemente de las tecnologías, los volúmenes
los datos de una organización. Estos conocimientos de datos o los enfoques involucrados.
pueden utilizarse para orientar la toma de decisiones y
la planificación estratégica. A continuación, se mencionarán las principales etapas
de la ciencia de datos que permiten abordar
1.2 Evolución de la Ciencia de Datos (Data eficazmente los desafíos del análisis, garantizando un
Science) enfoque estructurado para extraer valor de los datos y
tomar decisiones informadas.
Según [2], la ciencia de datos ha experimentado una
transformación progresiva desde sus inicios, donde o Comprensión del marco de actuación:
predominaban los métodos estadísticos manuales, Entender el contexto y los objetivos del
hasta la actualidad, en la que se emplean tecnologías negocio para abordar adecuadamente el
avanzadas para analizar grandes volúmenes de problema.
información. Esta evolución se ha visto impulsada por
la creciente necesidad de comprender, procesar y o Enfoque analítico: Definir los métodos
utilizar datos de forma eficaz en distintos sectores, estadísticos y analíticos que guiarán la
especialmente en el contexto organizacional y solución.
documental.
o Requisitos de datos: Determinar qué datos
Inicialmente, el análisis de datos estaba enfocado en la se necesitan y cómo se deben recolectar.
estadística tradicional, centrada en describir, inferir y
proyectar información basada en muestras limitadas. o Recopilación de datos: Obtener los datos
Con la aparición de los computadores, se abrieron relevantes desde bases y archivos.
nuevas posibilidades para manejar mayores cantidades
de datos de forma más rápida y precisa. Esto dio paso o Comprensión de datos: Analizar y
a la integración de disciplinas como la informática, la visualizar los datos para detectar patrones y
minería de datos, el aprendizaje automático y la carencias.
inteligencia artificial, consolidando lo que hoy se
conoce como ciencia de datos. o Preparación de datos: Limpiar y
transformar los datos para su análisis
En esta evolución, el concepto de Big Data ha jugado posterior.
un papel fundamental, al enfocarse en el tratamiento
de datos caracterizados por su volumen, velocidad, o Modelado: Crear modelos predictivos
variedad, veracidad y valor. El manejo de este tipo de utilizando los datos y algoritmos de
datos requiere de infraestructuras tecnológicas aprendizaje automático.
robustas, así como de metodologías específicas para su
recolección, almacenamiento, procesamiento y o Evaluación: Validar la precisión y
análisis. efectividad del modelo creado.

La ciencia de datos, como disciplina actual, combina o Implementación: Desplegar el modelo en el
habilidades matemáticas, estadísticas y entorno real.
computacionales para transformar datos en
información útil. Este enfoque ha revolucionado la o Retroalimentación: Ajustar el modelo según
forma en que las organizaciones gestionan su los resultados y necesidades del negocio.
información, permitiendo no solo la optimización de
procesos, sino también una toma de decisiones más
ágil y basada en evidencia.

Así, la ciencia de datos ha dejado de ser una
herramienta exclusiva de científicos y analistas para
convertirse en una necesidad transversal a múltiples
sectores, siendo clave en la transformación digital y en
la búsqueda de mayor productividad, eficiencia y
competitividad.

1.3 Etapas fundamentales para la ciencia Figura 1: Metodología Fundamental para la Ciencia de Datos
de datos
La Fig. 1 muestra las diferentes etapas de la
A medida que las capacidades de análisis de datos se metodología de ciencia de datos, destacando el flujo
vuelven más accesibles y prevalentes, los científicos de trabajo que conecta cada fase del proceso.
de datos necesitan una metodología fundamental que
proporcione una estrategia de guía,
4