¿Por qué aprender bases de datos hoy?

Esa es la gran pregunta. Hace siglos, allá cuando yo estudiaba, cuando vi en mis materias mi primera materia de Bases de Datos, no pude menos que demostrar que me parecía una materia innecesaria y aburrida (para este momento lo único que sabía de bases de datos era Access así que no me juzgues tan rápido).

Afortunadamente el profesor que conducía la materia era un apasionado del tema que poseía una facilidad inigualable para comunicar la fascinación inherente a las ciencias de datos. Después de entender los retos y el nivel de sensibilidad que se requería para entender y explotar los datos de manera que hagan un impacto positivo acabé siendo un gran fan de estas disciplinas y uno de mis propósitos en aquel momento era convertirme en un DBA (Data Base Administrator).

Poco después la industria comienza a tener una serie de revoluciones y movimientos de diferentes naturalezas que comenzaron a relegar los datos a un papel meramente de almacenamiento de estado en aplicaciones modernas y con ello parecía que las disciplinas basadas en datos eran cosa del pasado. Sin embargo poco a poco en el fondo, nuevas disciplinas comenzaron a emerger como consecuencia del crecimiento de la red.

La gente que creyó que la profesionalización de datos había terminado no podía estar más errada.

La nueva web y el nacimiento de aplicaciones móviles, dispararon la necesidad de procesamiento de enormes cantidades de datos que anteriormente se pensaba inalcanzables a este fenómeno se le llama Big Data. Y a partir de ese momento las disciplinas y ciencias de datos no han hecho más que crecer y hacerse más específicas.

¿Cuáles son algunas de estas nuevas disciplinas?. Bueno, por ejemplo:

• Big Data. Qué se ocupa del manejo instantáneo y a largo plazo de grandes cantidades de datos generalmente resultado del escalamiento en popularidad y uso de aplicaciones y plataformas.
• Data Warehouse. Es la disciplina que ayuda al correcto almacenamiento de grandes cantidades de datos históricas de manera que permitan la futura explotación de manera que ofrezcan valor.
• Data Mining. Se encarga de extraer datos que se encuentren en diferentes fuentes y en diversos formatos y convertirlos en información coherente y explotable y se vale de diversas técnicas como:
• ETL (Extract Transform Load). O Extraer Transformar y Cargar es la técnica o mejor dicho serie de técnicas que se encargan de tomar un origen de datos, hacerlo atravesar por un proceso y entregar la información en un formato diferente. Puede ejecutarse en datos fríos como archivo muerto para data mining pero también se utiliza en tiempo semi-real para hacer data pipelines.
• Business Intelligence. Se enfoca en tomar información y agregarla en formatos que tengan sentido para las personas que trabajan en una organización, especialmente aquellas encargadas de tomar decisiones, de manera que tengan la información que necesitan en la mejor forma posible y de manera oportuna.
• Machine Learning. Suena muy complicado pero la realidad es que las herramientas que existen hoy en día quien tiene unos fuertes cimientos en disciplinas de datos pueden hacer modelos que puedan ayudar a encontrar patrones efectivos. Existen dos casos de uso muy claros, uno es clasificación de datos y el otro es predicción de comportamientos basado en entrenamiento de datos históricos.
• Data Science. Los data scientists o científicos de datos son las personas que analizan las necesidades y retos de una organización relacionadas con datos y desarrollan una estrategia juntando una o varias de las demás disciplinas y aplicarlas efectivamente de manera que ayuden a resolverlas.

En conclusión, el mundo de hoy en día corre en los rieles de los datos y de esta manera estamos cambiando la forma del mundo y cómo se comunica y es hoy más importante que nunca (para el mercado laboral y la sociedad en general) que existan profesionales con excelentes cimientos en la manera en que los datos y su almacenamiento y procesamiento funcionan.