# Ciencia de datos

> Usar estadística, código y conocimiento del negocio para responder preguntas con datos.

- Nivel: Básico
- Temas: Datos, IA
- URL: https://tidbit.legios.com.ar/es/data-science/
- En inglés: [Data science](https://tidbit.legios.com.ar/data-science/)

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.

## Una analogía

Como ser detective con planillas. La mayor parte del trabajo es juntar y chequear pruebas, la deducción espectacular lleva una tarde, y después igual tenés que convencer al jurado.

## Para quedarse

- Combina estadística, programación y conocimiento del área.
- Limpiar y preparar los datos lleva la mayor parte del tiempo.
- Termina en comunicar: una respuesta que nadie entiende no cambia nada.
- El machine learning es una herramienta central, pero no es todo el trabajo.

## Para seguir leyendo

- [¿Qué es la ciencia de datos? (AWS)](https://aws.amazon.com/es/what-is/data-science/)
- [Ciencia de datos en Wikipedia](https://es.wikipedia.org/wiki/Ciencia_de_datos)

## Términos relacionados

- [Python](https://tidbit.legios.com.ar/es/python/): Un lenguaje de programación muy usado, conocido por ser fácil de leer y de escribir.
- [SQL](https://tidbit.legios.com.ar/es/sql/): El lenguaje para hacerle preguntas a una base de datos.
- [Planilla vs base de datos](https://tidbit.legios.com.ar/es/spreadsheet-vs-database/): Por qué una empresa que vive en Excel termina necesitando una base de datos de verdad.
- [Base de datos](https://tidbit.legios.com.ar/es/database/): Un depósito ordenado de datos que los programas consultan y actualizan sin riesgo.
- [Machine learning](https://tidbit.legios.com.ar/es/machine-learning/): Enseñarle a una computadora con ejemplos en lugar de escribirle cada regla.
- [Business intelligence](https://tidbit.legios.com.ar/es/business-intelligence/): Convertir los datos de una empresa en reportes y dashboards que sirven para decidir.
- [Inteligencia artificial](https://tidbit.legios.com.ar/es/artificial-intelligence/): Lograr que las computadoras hagan cosas que hasta hace poco solo hacía la gente.