Fresh Content

We base our passion on EMOTIONS. Ours, yours, his, hers, theirs. Emotions can turn into attitudes, and we believe attitudes can change the world.

Del estadista al científico de datos

agosto 8, 2016 Data Science

A finales de 2014, varios teóricos discutían la aparente igualdad de atribuciones entre un estadista y un científico de datos. Este último término, aún en estado originario, complicaba la necesaria dicotomía entre ambas disciplinas. En este sentido, se percibía al científico de datos como un estadista con alguna especialidad adicional. Sin embargo, todavía se encontraba pendiente la legitimación y aceptación del científico de datos como mucho más que un estadista.

Para sentar algunas bases, se define al estadista como un experto en analizar gran cantidad de datos, tanto numéricos como cualitativos. El estadista, además, ofrece diferentes perspectivas desde su expertise. Es más que un matemático o un diagramador de resultados. Es más que un contador de datos y analista. Pero entonces, ¿qué es un científico de datos y por qué difiere en varios aspectos de las tareas de un estadista?

El científico de datos (Data Scientist) trabaja con el Big Data. Esta es una recolección de todos los datos, estadísticos, numéricos y cualitativos. Pero no se limita a interpretar y analizar estos. Adicional a este cúmulo de información, el científico de datos trabaja interdisciplinariamente para cumplir con objetivos puntuales. En este sentido, puede abocarse a diferentes teorías o metodologías, tales como la psicología humana, la antropología, la sociología, la economía y la administración de empresas, entre infinidad de opciones.

La labor del científico de datos no se limita a analizar e interpretar, sino, más bien, a utilizar todos los recursos de su expertise para prever escenarios, perfilar usuarios, determinar impactos y predecir comportamientos. Con el Big Data en sus manos, el científicos de datos hilará y construirá soluciones más allá de las meramente descriptivas. Es por ello que, a diferencia del estadista, su trabajo se origina desde aspectos intelectuales internos y se extiende a todas las ramas de una compañía.

Si deseas conocer más sobre el Big Data y el trabajo del científico de datos, te invitamos a que te inscribas en Radii University para tener acceso a los mejores White Papers relacionados con la era digitial. ¡No olvides compartir este blog!

You may also like:

UTM cover Códigos UTM ¿Qué son? ¿Por qué utilizarlos? 28/09/2018 Español, Technology - Un código UTM es simplemente un código que se agrega al final de una URL con el objetivo de tener trazabilidad, principalmente, sobre fuentes, medios y campañas. Si tenemos la disponibilidad de utilizar Google Analytics dentro de nuestro sitio web, con los códigos UTM se vuelve muy fácil saber de dónde viene el tráfico de mi sitio web así como también la campaña que los hizo llegar. Un código UTM está formado principalmente por tres componentes: Source (fuente): Es la referencia de donde viene el usuario. Algunos ejemplos son periódico, newsletter y Facebook. Medium (medio): La forma en que se transmitió el link. Algunos ejemplos son correo electrónico, valla y video. Campaign name (nombre de la campaña): Este es el nombre con el cual se identifica una campaña. Una misma campaña puede tener varios anuncios y estos se agruparan bajo este mismo nombre. Ejemplos de nombres de campaña son venta_fin_de_anio, awareness_cancer y cupones_bebidas. Existen otras dos propiedades secundarias que podemos agregar en un código UTM: Terms: Es muy útil para campañas que se pagan por keywords ya que aquí podemos agregar los keywords que se utilizaron para el ad, por ejemplo zapatos o camisas. Campaign content: Una forma de utilizar ...
Obtenido de https://diymusician.cdbaby.com/music-rights/indie-musicians-can-monetize-music-facebook/ Como Spearmint Love logró una campaña exitosa en Facebook 30/08/2018 Case Studies, Consulting, Español - No se logra obtener 220,889 fans en Facebook de la noche a la mañana. Especialmente no obtiene un 62.48% de sus fans hablando sobre su marca en Facebook. En promedio, el porcentaje de personas que han dado “me gusta” a una página y que interactúan con esta es un 1%. Esto es cuando se tiene un buen engagement rate o tasa de interacción. Todos los negocios en línea conocen muy bien la narrativa del engagement en Facebook. El algoritmo de Facebook sigue evolucionando a promover las marcas en el newsfeed de los usuarios cada vez menos. La búsqueda orgánica es imposible de conquistar. Facebook se ha convertido en una plataforma que le exige pagar para poder participar. Aún pagando no es del todo claro si esos likes y clics en algún momento se convierten en dinero para la marca. Para Spearmint Love no hay ninguna duda que su inversión en Facebook sí se convirtió en dinero real. Ellos lograron convertir a esta plataforma oscura en una historia de éxito. La co fundadora Shari Lott pasó tres año siendo una blogger mamá. Así construyó una base de fans fieles en Facebook y en Instagram, plataformas en donde las imágenes son oro. ...
Cover reportería y análisis Diferencia entre reportería y análisis web 06/07/2018 Consulting, Data Science, Español - Muchas veces nos hacen una pregunta muy sencilla, ¿Cuál es la diferencia entre reportería y análisis web? Nuestro instinto es hacer una observación fácil sobre el análisis “Lo reconocemos cuando lo vemos”. Sabemos que esa no es una respuesta muy útil. La respuesta real fue la siguiente: Si ve mucha data entonces puede saber que está viendo un reporte. Aun cuando tenga como título “Dashboard”. Si ve palabras en español mencionando acciones que debe tomar acompañado de data relevante, entonces estamos hablando de un análisis. Nos hemos dado cuenta que las imágenes en verdad hablan más que mil palabras. Por eso tenemos algunas que le pueden ser de utilidad. Esto es un reporte web: Apesar que este se ve mejor, también es un reporte web: Es muy probable que se sienta tentado a pensar que esto no es un reporte web. Tiene muchos colores y data, hasta algunos segmentos. Créanos, es un reporte web: ¿Ve las características en común de los tres ejemplos? El trabajo de los reportes web es menospreciado. Su trabajo es dar la responsabilidad de entender el contexto, interpretar data e identificar las acciones necesarias al pobre que recibe el reporte. Si su trabajo es el de ...
http://agahgroup.com/iran-islamic-financial-market/ Por qué Marketing Analytics no ha cumplido las expectativas 11/06/2018 Data Science, Digital Marketing News, Español - Nos encontramos en una paradoja con dos tendencias de analítica. En una encuesta realizada por La Escuela de Negocios de Duke, Fuqua, y patrocinada por Deloitte LPP y The American Marketing Association, se reporta que el presupuesto que las compañías planean dar para el análisis de datos incrementará en un 198% en los próximos 3 años. Este incremento se espera a pesar que la mayoría de mercadólogos indica que las expectativas de Marketing Analytics no se han cumplido. Esto debido a que el efecto que tiene el análisis de datos en el desempeño de la compañía es mínimo. Cuando se pide que califiquen el análisis de datos en una escala de 1 – 7, siendo 1 no efectivo y 7 altamente efectivo, este recibe una puntuación promedio de 4.1. Aún más importante es el hecho que el impacto en el desempeño de la compañía ha mostrado un incremento muy bajo en lo últimos 5 años, cuando antes tenía una puntuación de 3.8. ¿Cómo es posible que a pesar que las compañías no vean ninguna mejora estén dispuestos a incrementar el presupuesto de análisis de datos? Basados en un trabajo hecho en conjunto con compañías miembros de  The Marketing Science Institute, ...