DIGITALIZACIÓN T5

[Audio] "En este primer slide del TEMA 5 - EVALUACIÓN DE DATOS, hablaremos sobre la importancia de los datos y cómo pueden ser una herramienta valiosa en la toma de decisiones empresariales. El ecosistema de datos es un conjunto de elementos que interactúan entre sí para producir, analizar y compartir datos. Estos datos son gestionados por hardware, software y analistas. Los datos se dividen en tres tipos: simples, semicompuestos y compuestos. Los datos simples son aquellos que son propios e invisibles, como por ejemplo el año de nacimiento. Los datos semicompuestos se representan a través de una estructura parcial o variable y pueden ser modificados, como una página web. Por último, los datos compuestos son la unión de dos o más datos simples o compuestos con una estructura fija, como una radiografía. Además, los datos se clasifican en diferentes niveles de acceso, que van desde datos restringidos hasta datos públicos. Los datos restringidos son los que tienen un mayor control de seguridad, como por ejemplo datos gubernamentales. Los datos privados tienen una categoría media de control de seguridad, como el nombre de los empleados. Y por último, los datos públicos tienen una nula o muy pequeña categoría de control de seguridad en cuanto a su divulgación, modificación o borrado, como las publicaciones en redes sociales. Los datos también pueden ser cualitativos o cuantitativos. Los datos cuantitativos o numéricos se pueden medir y contar, como por ejemplo los grados. Mientras que los datos cualitativos incluyen la información no numérica, como los tipos de música o las calificaciones. Es importante distinguir entre datos e información. Los datos son una colección de hechos, mientras que la información se obtiene a partir de los datos a través del análisis y la interpretación. En la próxima sección, profundizaremos en las diferencias entre datos e información y cómo pueden ser utilizados de manera eficaz en las empresas..

[Audio] A la hora de producir, analizar y compartir datos, es esencial tener una buena gestión de los mismos. Estos datos, que son manejados por hardware, software y analistas, pueden ser clasificados en datos simples, semicompuestos y compuestos, con diferentes niveles de acceso y tipos de información cuantitativos o cualitativos. Una vez que los datos son analizados e interpretados, se convierten en información significativa. Esta información, además, está organizada y se presenta generalmente a través de palabras, lenguaje, pensamientos e ideas. En cuanto al ciclo de vida de los datos, el DLM (Data Lifecycle Management) es el encargado de gestionar su vida, desde su creación y desarrollo hasta su evolución. Este ciclo consta de 6 etapas: planificación, captura, utilización, análisis, archivado y borrado. Es importante destacar que el manejo del ciclo de vida de los datos es crucial debido a la gran cantidad de datos que se generan y la necesidad de revisarlos para optimizar su utilidad y reducir errores. Al final de su vida útil, es necesario eliminar o almacenar los datos para garantizar que no utilicen más recursos de los necesarios. En la actualidad, uno de los términos más utilizados en el mundo de los datos es el "big data". Este se refiere al enorme conjunto de datos que son difíciles de procesar utilizando bases de datos tradicionales y que se obtienen de sensores, actuadores e internet. Las características del big data son volumen, velocidad, variedad, veracidad y valor. Para poder aprovechar al máximo estos datos, es necesario utilizar herramientas de gestión de big data que optimicen estas características. Estas herramientas sólidas de gestión de big data proporcionan a las empresas grandes almacenes de datos, su limpieza y un rápido procesamiento en tiempo real. Además, existe una estrecha relación entre el big data, el análisis de datos, el aprendizaje automático (machine/deep learning) y la inteligencia artificial. La ciencia de los datos hace útiles los datos y se apoya en disciplinas como la estadística, el aprendizaje automático y la inteligencia artificial para tomar decisiones importantes y automatizar tareas..

[Audio] Hablaremos sobre los tipos de análisis de datos y el almacenamiento en la nube. Comencemos con los tipos de análisis de datos. El análisis descriptivo se utiliza para conocer el estado actual de una compañía, analizando el histórico de datos para justificar decisiones. Por otro lado, el análisis predictivo se basa en el histórico y los datos presentes para predecir el futuro, con el fin de determinar si un producto tendrá éxito. Por último, el análisis prescriptivo sugiere decisiones o acciones específicas para alcanzar un resultado, utilizando análisis anteriores y técnicas avanzadas para hacer recomendaciones. En cuanto al almacenamiento en la nube, esta es una ubicación virtual que permite acceder y mantener los datos en línea. La importancia de la computación en la nube radica en su capacidad para ofrecer acceso a una red de recursos informáticos de manera cómoda y bajo demanda, sin necesidad de mucha administración o interacción con el proveedor de servicios. Las características de la nube incluyen el autoservicio bajo demanda, amplio acceso a la red, agrupación de recursos, rápida elasticidad y servicio personalizado. Es una solución conveniente y eficiente para el almacenamiento y acceso a grandes cantidades de datos. Ahora, pasaremos a hablar sobre las etapas de la ingeniería de datos, que se desarrollan para encontrar la respuesta a una pregunta de negocio. Esta pregunta surge a partir de la identificación de un problema, un incidente o una posible mejora en el proceso empresarial. Las etapas son preguntar, preparar, procesar, analizar, compartir y actuar. Por último, mencionaremos algunos escenarios en los que se puede utilizar la minería de datos. En la industria financiera, por ejemplo, permite la detección de fraude en tarjetas de crédito. En las fábricas, puede detectar mal funcionamiento y la necesidad de mantenimiento de forma oportuna. Esperamos que esta información sea útil para su trabajo..

[Audio] En esta última parte de la presentación, vamos a centrarnos en las herramientas disponibles para analizar los datos que hemos recolectado. Estas herramientas nos ayudarán a comprender mejor las necesidades de nuestros clientes y sus comportamientos, preferencias y motivaciones. Empecemos con las hojas de cálculo, como Microsoft Excel y Google Sheets. Estas herramientas nos permiten realizar operaciones matemáticas, aplicar fórmulas simples o complejas y funciones a nuestros datos. Otra opción son los lenguajes de consulta, que nos permiten hacer preguntas específicas a una base de datos compuesta por tablas con atributos. Estas tablas están relacionadas entre sí para que podamos realizar consultas precisas y útiles. Por último, pero no menos importante, contamos con herramientas de visualización que nos ayudan a representar la información de forma clara y visual. Algunas opciones populares incluyen Tableau y Looker Studio. Con estas herramientas a nuestra disposición, podremos analizar nuestros datos de manera más eficiente y tomar decisiones basadas en información precisa y verídica. Agradecemos a todos por seguir esta presentación y esperamos que les sea útil en su trabajo diario. ¡Hasta la próxima!.