Ciencia de datos

La ciencia de datos (data science) es el trabajo de sacar respuestas útiles de los datos. Mezcla tres habilidades: estadística, para saber qué dicen de verdad los números y qué tan seguro podés estar; programación, casi siempre en Python, R y SQL, para manejar datos demasiado grandes para una planilla; y conocimiento del dominio, para hacer preguntas que importen a una empresa, un hospital o un laboratorio.

Un proyecto típico arranca con una pregunta, como "¿qué clientes están por darse de baja?". El científico de datos junta datos de bases de datos y archivos y después los limpia: corrige errores de tipeo, completa o saca huecos, une fuentes que no coinciden. Ese paso tiene fama de llevarse la mayor parte del tiempo. Después viene explorar con gráficos, armar un modelo que encuentre patrones o haga predicciones y, al final, explicarle el resultado a la gente que va a actuar, muchas veces en un notebook, un dashboard o una presentación corta.

Se superpone con sus vecinos. El machine learning es una de sus herramientas principales, cuando el objetivo es predecir; el business intelligence se enfoca más en reportar lo que ya pasó; la ingeniería de datos arma los pipelines que traen los datos. El rol creció en los años 2010, cuando las empresas juntaban más datos de los que sabían usar, y sigue siendo central ahora que los modelos de IA se entrenan y evalúan con los mismos métodos.