El término de Ciencia de Datos se remonta a la década del 70´ vinculado al desarrollo de análisis de datos y la estadística. Desde entonces el avance de la tecnología informática, su aplicación y la articulación con la estadística fueron delineando el escenario para las concepciones actuales.
Ciertamente, la Ciencia de Datos es concebida como un campo interdisciplinario que comprende procesos y sistemas con el fin de generar conocimiento a partir de grandes volúmenes de datos.
Para conseguir su propósito, implementa el modelo de metodología que se aplica en los diferentes campos de la ciencia y que funciona como encuadre que orienta la forma en que se desenvolverán los procesos y se presentarán los argumentos a fin de obtener los resultados buscados.
La Ciencia de Datos presenta varias características que la singularizan y destacan su potencial:
Aunque pareciera que su popularidad se debe a su capacidad de aplicación de tecnología a los problemas de contextos prácticos como, por ejemplo, el empresarial, la Ciencia de Datos tiene el propósito de toda investigación científica, es decir, la producción de conocimiento. Se podría decir, que resuelve problemas de conocimiento de cualquier contexto práctico o científico que opte por implementarla.
La Ciencia de Datos utiliza y aplica tecnología de inteligencia artificial (IA), principalmente el aprendizaje automático. Al igual que la primera, la IA también ha contado con diferentes definiciones a lo largo del tiempo. Una definición actual es la adoptada por la Comisión Europea en 2018, según la cual la IA es un término que hace referencia a los sistemas que manifiestan un comportamiento inteligente, ya que son capaces de analizar su entorno y pasar a la acción, con cierto grado de autonomía, con el fin de alcanzar objetivos específicos. i
El aprendizaje automático es un subgrupo de técnicas de IA que utilizan el método estadístico para identificar patrones complejos en grandes volúmenes de datos, generar modelos y mejorarlos con la experiencia, es decir, tienen la capacidad de encontrar reglas para lograr un comportamiento óptimo y adaptarse a los cambios del entorno.
Estos grandes volúmenes de datos que procesa y analiza pueden ser estructurados o no estructurados. Los datos estructurados son los que se encuentran ordenados y organizados mediante una serie de filas y columnas como, por ejemplo, las hojas de cálculo o cualquier tipo de bases de datos. A diferencia de los anteriores, los datos no estructurados no pueden ser ajustados a las bases de datos tradicionales, aunque cuentan con una estructura interna como, por ejemplo, archivos de texto, archivos de imágenes, datos de redes sociales, archivos de audio entre otros.
Es síntesis, todas estas características permiten materializar los objetivos principales de las Ciencia de Datos que son los de generar información a partir de los datos, hallar regularidades y patrones, y poder predecir resultados.
Por último, y con espíritu de democratizar su aplicación y facilitar su uso en contextos prácticos la industria informática ha logrado desarrollar plataformas de Ciencia de Datos que conforman centros de software por medio de los que es posible implementarla en escenarios diversos como, por ejemplo, un negocio, una fábrica o un laboratorio experimental.
Todas estas peculiaridades hacen de la Ciencia de Datos un campo sin igual que en que se entretejen la innovación tecnológica, la ciencia y la cosa cotidiana.
Lic. Vanina Agustinho