Equipos orientados a datos

• DBA (Dabta Base Administrator) Mantener y administrar el motor de base de datos
• Data Warehouse (Almacén de datos). Guardar datos pensando a futuro para poder trabajarse
• ETL/ Data Pipelines Llevar datos de un lado a otro
• BI (Business Intelligence) Precursores del DataScience, empezar a extraer datos y entender los datos y sus repercusiones, encontrar patrones
• Data Science Entender a la organización e impactarla de forma positiva
• ML (Machine Learning) Técnica para clasificar información o realizar predicciones con datos historicos

Aca re posteo una imagen que ayuda a entender en que se encarga cada equipo

1. DBA
2. Data Warehouse: toma los datos del día a día y los guarda a futuro.
3. ETL
4. BI: precursor del Data Science: Sacarle provecho a la información.
5. ML (machine learning): técnica para clasificar y predecir
6. Data Sciencie: entiende la organización.

Databricks está tomando mucha fuerza e incorpora nuevos conceptos, Antes: Data Warehouse se da con Datos Estructurados y BI, Data Lake es para datos no estructurados por ejemplo y Data Bricks introduce el concepto de Lake House que como su nombre lo dice es la combinación de ambos.

solo falto data analytics

Hablemos sobre equipos orientados a datos. En el ámbito de la ciencia de datos, contar con un equipo sólido es crucial para el éxito de los proyectos. Aquí hay algunas ideas clave sobre equipos orientados a datos:

Diversidad de habilidades:

• Un equipo efectivo incluye individuos con habilidades diversas, desde la programación y la estadística hasta el conocimiento del dominio específico. Esta diversidad garantiza que se aborden todos los aspectos del problema.

Comunicación fluida:

• La comunicación eficaz es esencial. Asegúrate de que todos en el equipo comprendan los objetivos del proyecto y los métodos utilizados. Esto facilita la toma de decisiones informada.

Colaboración interdisciplinaria:

• Fomentar la colaboración entre los científicos de datos, ingenieros y expertos en el dominio optimiza el rendimiento del equipo. Todos aportan perspectivas únicas.

Énfasis en la ética:

• Dada la naturaleza sensible de los datos, es crucial establecer prácticas éticas en el manejo y análisis de la información. Esto construye confianza y evita problemas éticos.

Capacitación continua:

• La ciencia de datos es un campo en constante evolución. Invertir en la capacitación continua del equipo garantiza que estén al tanto de las últimas tendencias, herramientas y metodologías.

Descripción del Puesto de Data Scientist:

Resumen del Puesto:
Un Data Scientist es un profesional altamente capacitado que utiliza técnicas avanzadas en estadísticas, matemáticas y programación para analizar grandes volúmenes de datos y extraer información significativa. El Data Scientist transforma datos en conocimientos, identifica patrones, realiza predicciones y ayuda a la organización a tomar decisiones basadas en datos.
 
Responsabilidades Típicas:

• Recopilación y Limpieza de Datos: Recolectar datos de diversas fuentes, limpiar y preparar los datos para el análisis.

• Análisis Exploratorio de Datos (EDA): Realizar análisis exploratorios para entender la estructura y características de los datos.

• Desarrollo de Modelos Predictivos: Utilizar técnicas de machine learning y estadísticas para desarrollar modelos predictivos y algoritmos.

• Validación y Evaluación: Validar y evaluar la precisión de los modelos utilizando métricas apropiadas.

• Visualización de Datos: Crear visualizaciones efectivas para comunicar resultados a las partes interesadas.

• Optimización de Modelos: Optimizar y ajustar modelos para mejorar su rendimiento y precisión.

• Colaboración Interdisciplinaria: Colaborar con equipos interdisciplinarios, incluyendo científicos de datos, ingenieros de datos y analistas de negocio.

• Resolución de Problemas: Abordar problemas complejos utilizando enfoques analíticos y encontrar soluciones innovadoras.

• Comunicación: Comunicar hallazgos y resultados de manera clara y comprensible a audiencias no técnicas.
   

Habilidades y Requisitos:

• Fuertes habilidades en matemáticas, estadísticas y programación (por ejemplo, Python, R, SQL).
  Experiencia en el uso de herramientas y frameworks de machine learning.
• Conocimiento en bases de datos y tecnologías de almacenamiento de datos.
• Capacidad para trabajar con grandes conjuntos de datos y entender complejidades específicas del dominio.
• Excelentes habilidades de comunicación y capacidad para contar historias con datos.
• Habilidades para el trabajo en equipo y la colaboración interdisciplinaria.
  Capacidad para pensar analíticamente y resolver problemas complejos.

 
Educación y Experiencia:

Un título de grado en campos relacionados como Ciencias de la Computación, Estadísticas, Matemáticas o Ingeniería es comúnmente requerido. Muchos Data Scientists también tienen títulos avanzados (maestrías o doctorados) y tienen experiencia previa en análisis de datos o campos relacionados.

Los Data Scientists son profesionales altamente demandados en la era moderna de la información, ya que su experiencia es esencial para las organizaciones que buscan aprovechar al máximo los datos para tomar decisiones estratégicas informadas.
(Según GPT3)

9. Equipos orientados a datos

• DBA (Data Base Administrator) primer rol creado con las bases de datos.
• Data Warehouse (Almacén de datos) tomar los datos y tratar de guardarlos de una forma extraíble.
• ETL / Data Pipelines (Extract Transform Load / Tuberías de datos)
• BI (Business Intelligence - Inteligencia del negocio)
• ML (Machine Learning) clasificación y predicción
• Data Science (Ciencia de Datos) entender a la organización e impactarla de forma positiva.

que complegirigillo que es ser data scientist

Alguien mas ha notado que esta mal escrito el nombre del profe en los videos? jeje

Muy buena clase para entender la responsabilidad de cada rama. No me quedó muy clara la diferencia entre un Business Intelligence vs un Data Scientist? Gracias.

Todo esto debe de esta dirigido por una persona de alto nivel dentro de la organización que trasmita la visión y propósito empresarial, para alinear la estrategia de datos, o de lo contrario pasara lo que esta pasado, están analizando datos por analizar sin preguntar, sin establecer un objetivo claro, y por eso hay empresas con proyectos de datos fracasados

No sé porque nunca aclaran explícitamente que para ser esto se necesita grado universitario

Data Science: Entender a la organización e impactarla de forma positiva utilizando los datos.

Interesante la clase. Creo que los roles más interesantes son los tres finales. Veremos cómo se va dando la carrera en sí.

Entendido

Acá les dejo un poco mas del Rol de data Science

Importante los conceptos que estamos mirando