Introducción: la técnica correcta depende del problema, no de la herramienta Elegir una técnica de análisis es una de las decisiones que más influyen en la utilidad de un proyecto de Ciencia de Datos. Un conjunto de datos puede estudiarse Leer más …
Recursos
Cómo evitar errores frecuentes en proyectos de Ciencia de Datos
Introducción: un resultado técnicamente correcto también puede ser un fracaso Objetivos, datos, método, validación y decisiones son cinco elementos que deben encajar para que un proyecto de Ciencia de Datos resulte útil. Si uno falla, un análisis impecable o un Leer más …
Cómo presentar resultados de Ciencia de Datos a directivos
Introducción: del análisis técnico a una decisión comprensible Un proyecto de Ciencia de Datos puede estar bien diseñado, utilizar información fiable y obtener resultados estadísticamente interesantes, pero fracasar en su propósito si quienes dirigen la organización no comprenden qué significan Leer más …
Cómo documentar completamente un proyecto de Ciencia de Datos
Introducción: un análisis útil también debe poder explicarse y reproducirse Para que un proyecto de Ciencia de Datos sea fiable, no basta con obtener una gráfica convincente o un modelo con buenas métricas. Desde el comienzo conviene dejar constancia de Leer más …
Cómo diseñar proyectos de Ciencia de Datos preparados para crecer
Introducción Escalabilidad, modularidad, trazabilidad, reproducibilidad y control son cinco cualidades que conviene incorporar a un proyecto de Ciencia de Datos antes de que aumente su importancia. No se trata de construir una plataforma enorme desde el primer día, sino de Leer más …
Cómo integrar Ciencia de Datos con procesos de automatización
Introducción: del análisis de datos a la acción operativa Los datos, las predicciones, las decisiones, las acciones y el control forman una cadena que muchas organizaciones todavía gestionan por separado. Un equipo analiza ventas, incidencias o tiempos de atención; obtiene Leer más …
Cómo integrar Ciencia de Datos con bases de datos empresariales
Introducción La integración de Ciencia de Datos con bases de datos empresariales permite transformar registros de operaciones cotidianas en información útil para analizar tendencias, detectar problemas y fundamentar decisiones. Para lograrlo conviene combinar SQL, Python, trazabilidad y seguridad, sin convertir Leer más …
Cómo preparar un proyecto de Ciencia de Datos para incorporar Inteligencia Artificial
Introducción Preparar un proyecto de Ciencia de Datos para incorporar Inteligencia Artificial exige algo más que disponer de información y probar un algoritmo. Antes de entrenar un modelo conviene comprobar cinco condiciones: objetivo, datos, contexto, validación y control. Si alguna Leer más …
Buenas prácticas para mantener proyectos de Ciencia de Datos durante años
Introducción Un proyecto de Ciencia de Datos puede funcionar perfectamente el día de su entrega y resultar difícil de utilizar seis meses después. Los datos cambian, los modelos envejecen, las versiones dejan de coincidir, la calidad de las entradas se Leer más …
Qué es una API corporativa y cuándo merece la pena utilizarla
Introducción Aplicaciones, datos, procesos, permisos y costes: estas cinco piezas determinan si conectar los sistemas de una empresa aporta valor o simplemente añade otra dependencia tecnológica. Una API corporativa puede hacer posible que dos aplicaciones intercambien información de forma controlada, Leer más …