En la actualidad las estructuras productivas pueden definirse de muchas formas, una de ellas es la imagen de la empresa o la organización como cúmulo de información. En múltiples casos, esa información se presenta inconexa, incompleta y espectacularmente caótica. La ciencia de datos aplica distintas metodologías para extraer de ese océano de datos información que se convierte en significativa desde diversas ópticas.

Es importante, de hecho, fundamental, aclarar que la ciencia de datos pertenece a una época donde los campos del saber más importantes tienen el rasgo de la integralidad y lo multidisciplinar. Este es el caso de la ciencia de datos, dado que combina herramientas y modelos de trabajo arribados desde la estadística, las matemáticas, la inteligencia artificial o distintos elementos extraídos de ingenierías de la computación.

Los problemas centrales de la ciencia de datos son los mismos de cualquier otro campo científico, es decir, el planteamiento de hipótesis, la indagación, la demostración y la generación de modelos predictivos, entre otros. En otras palabras, la acción de los científicos de datos permite responder y obtener una imagen de un X fenómeno ocurrido, cuáles fueron sus causas, cómo será su evolución futura y, lo más importante, presentar una serie de ideas sobre qué hacer o cómo utilizar los hallazgos.

LA CIENCIA DE DATOS SE CONVIRTIÓ EN ESTRATEGIA

Hoy en día, hablar de factores estratégicos no resulta tan sencillo como parece, nuestra forma de trabajar, consumir y vivir ha adquirido una mayúscula complejidad. Resultan innumerables los factores que pueden influir en la marcha de la economía, la cultura o la sociedad en su conjunto. Aunque también es verdad que las pautas centrales sobre el capitalismo o el consumo, por ejemplo, ya fueron planteadas hace siglos por los pensadores clásicos.

Sin embargo, si hemos de destacar un escenario totalmente nuevo, es la conciencia económica y administrativa acerca del valor de la acumulación de datos. Siempre se ha sabido que tener buena información marca la diferencia y las posibilidades de éxito, pero lo que no teníamos en décadas pasadas es la posibilidad de practicar análisis inteligentes de la profundidad que permite, por ejemplo, el Big Data y el Data Science.

En el análisis de datos se cumple una de las tesis básicas de la economía política clásica: el problema de extraer valor (un tipo de valor) de una mercancía en bruto. La cuestión aquí adquiere un matiz imposible sin tecnología y sin el propio auge de la digitalización.

En efecto, la ciencia de datos logró profundizar sus herramientas debido a la aparición y extensión de esa especie de realidad súper estructural que podemos identificar en los acelerados procesos de digitalización. Incluso, podemos afirmar que fue la llegada de una nueva época en la utilización de los datos lo que permitió esa sustantividad intangible recreada en los universos digitales.

Sencillamente, sin ciencia de datos la información que incesantemente acumula cualquier proceso productivo no tendría ninguna utilidad, al menos, no tendría el estatus estratégico que hoy se le otorga en las ciencias y en todos los ámbitos de la vida social.

Naturalmente, lo anterior se apoya en que vivimos totalmente rodeados de dispositivos que recolectan datos y almacenan distinto tipo de información de manera automática. Todas las facetas de nuestra cotidianidad se transforman en datos: los consumos, las finanzas, los desplazamientos, los gustos culturales, las ideas políticas, etc. Y con datos nos referimos a todo: imagen, vídeo, audio, texto o registros.

Al hilo de lo anterior, debemos destacar que, aunque la ciencia de datos se alimenta de la información que producimos continuamente, su área de impacto llega mucho más lejos que los propios ecosistemas humano-tecnológicos. Es así como los científicos y científicas de datos están encontrando y aportando valiosísimos conocimientos en aparatos científicos como la Física, la Astronomía, el estudio del clima o la conservación de la naturaleza.

La razón por la que la ciencia de datos tiende a comportarse como un conjunto de criterios universalmente aplicados a toda la realidad observable es, sencillamente, que la misma se comporta como una suerte de Estadística 3.0. Y todo en el universo observable podría ser interpretable bajo cierta lectura estadística.

Al hilo de lo anterior, cabe destacar que en los ya lejanos años 60 aparece el término ciencia de datos para, al parecer, referirse a la profundización que las ciencias de la computación estaba permitiendo en la estadística. Ya en la última década del siglo XX, la conceptualización se presenta claramente, asociada a rasgos como recopilación, volumen y visualización. En este momento, la ciencia de datos es definida como uno de los grandes paradigmas y símbolos que definen a la sociedad actual.

Es clave destacar que en definiciones como Big Data y Data Science 100% enfocados al análisis de datos el futuro no es algo por alcanzar, sino que siempre está sucediendo. Es el caso de las aplicaciones y nuevas ideas que cada día surgen de la mano de la inteligencia artificial o el machine learning. Diversas formulaciones que, al crecer en rapidez y eficiencia, empujan nuevos horizontes.

Naturalmente, nos encontramos con que toda esta sofisticación, de cierta forma, regresa sobre las competencias y habilidades centradas en el factor humano, desgranado en demanda laboral y oferta académica, donde destacan los sistemas formativos con visión práctica multienfoque y multidisciplinar, como el Máster en Big Data y Data Science de la Universidad Nacional de Educación a Distancia - UNED.

Experto, Especialista y Máster en Big Data y Data Science de la UNED (séptima edición):

CONVOCATORIA 2024 - MATRÍCULA ABIERTA