Ciencia de datos

La ciencia de datos (data science) es la disciplina que convierte datos en respuestas útiles. Mezcla tres ingredientes: estadística y matemáticas, programación (Python, R, SQL) y conocimiento del área donde se aplica, sea salud, ventas o logística.

Su ciclo de trabajo suele ser: formular una pregunta concreta, conseguir y limpiar los datos (la parte que más tiempo consume), explorarlos con gráficas, construir un modelo —desde una regresión sencilla hasta aprendizaje automático—, evaluar si el resultado es confiable y comunicarlo de forma que alguien pueda decidir con él. Cuando el modelo se vuelve un servicio permanente, entra en juego MLOps para mantenerlo funcionando.

Se relaciona con varios términos cercanos. La minería de datos es una de sus técnicas; el big data es una de las situaciones que enfrenta; la inteligencia artificial es un campo más amplio, aunque buena parte de la IA actual se construye con métodos de ciencia de datos.

Un error frecuente es reducirla a «hacer modelos». Una buena científica de datos pasa mucho tiempo entendiendo de dónde vienen los datos, qué sesgos tienen y si la pregunta está bien planteada. Otro es confundir correlación con causalidad: que dos cosas suban juntas no prueba que una cause la otra.