EL DATA SCIENTIST MAS QUE UNA MODA

Tamaño: px

Comenzar la demostración a partir de la página:

Download "EL DATA SCIENTIST MAS QUE UNA MODA"

Celia Sosa Franco
hace 8 años
Vistas:

1 EL DATA SCIENTIST MAS QUE UNA MODA JULIO 2015

2 AGENDA Origen y Evolución Qué conocimientos y skills deben tener? Cómo son los actuales Data Scientist? Dónde están ubicados en las empresas? SAS Data Scientist

3 AGENDA Origen y Evolución Qué conocimientos y skills deben tener? Cómo son los actuales Data Scientist? Dónde están ubicados en las empresas? SAS Data Scientist

4 ORIGEN El Big Data El Business Intelligence/Analytics

5 TAMAÑO DE LOS DATOS La ERA del BIG DATA VOLUMEN VARIEDAD VELOCIDAD VALOR Datos Relevantes HOY FUTURO

estos surgen las primeras preguntas de los Directivos Dónde he vendido

6 BUSINESS INTELLIGENCE En los años 90 aparecen los primeros sistemas ERP que se convierten en los primeros grandes generadores de datos, y con estos surgen las primeras preguntas de los Directivos Dónde he vendido más? A quién vendo más? Qué producto es más rentable? BUSINESS INTELLIGENCE BI 0.0

7 BUSINESS INTELLIGENCE + ANALITICA Surgen nuevas preguntas, ya se QUÉ ha pasado pero necesito saber

8 BUSINESS INTELLIGENCE/ANALYTICS Analytics 1.0 Analítica Descriptiva Volúmenes pequeños de Datos Estructurados Internos de las Empresas Información con poca influencia en la toma de decisiones

9 BUSINESS INTELLIGENCE/ANALYTICS Los directivos son una fuente inagotable de preguntas; ya se PORQUÉ ha pasado pero ahora quiero saber Analytics 2.0 Analítica Predictiva Volúmenes medios de Datos Estructurados Internos de las Empresas Información para la toma de Decisiones Operativas

10 PROCESO DE LOS DESARROLLOS ANALÍTICOS Usuario de Negocio Analista de Negocio Analista de Datos Estadístico/Minero Formula el Problema Explora y Visualiza los Datos Prepara los Datos Análisis Exploratorio de los Datos Construye Modelos Evalúa Resultados y crea Informes

11 EL NUEVO ESCENARIO

12 CARACTERÍSTICAS DEL BIG DATA Volumen Velocidad Variedad Valor Incorpora cualquier origen de datos interno o externo a las Compañías. Es necesario solucionar tres problemáticas: Almacenamiento Proceso Acceso Los procesos tradicionales de ETL s en modo batch ya no sirven. Los datos fluyen y se necesitan en tiempo real. Datos NO Estructurados. Los formatos de los campos origen no pueden ser estructurados. Disponemos de información que era inimaginable hace cinco años. Esta información no siempre es obvia.

13 CARACTERÍSTICAS DEL BIG DATA ANALYTICS Datos Patrones Modelización Usa el Big Data Un número mayor de variables que muchas veces son desconocidas El análisis previo de los datos require de potentes herramientas de visualización Se cambia de un enfoque de hypothesis-driven a data-driven La complejidad de los datos hace necesaria la detección de patrones antes del proceso de modelización El número de modelos se incrementa para alcanzar una mayor granularidad Requiere de capacidades iterativas automáticas Requiere de nuevas técnicas de modelización como por ejemplo la Minería de Textos Analytics 3.0 Analítica Prescriptiva Volúmenes grandes de Datos Estructurados o no; y de origen Interno y Externo a las compañías Información para la toma decisiones operativas con un mayor grado de granularidad y para decisiones Estratégicas

14 PROCESO DE LOS DESARROLLOS ANALÍTICOS CON BIG DATA Formula el Problema Analiza diferentes fuentes de Datos Busca Patrones Prepara los Datos Construye ModeloS Evalúa y Presenta Resultados Data Scientist

15 AGENDA Origen y Evolución Qué conocimientos y skills deben tener? Cómo son los actuales Data Scientist? Dónde están ubicados en las empresas? SAS Data Scientist

16 CONOCIMIENTOS Y SKILLS DEL DATA SCIENTIST

17 CONOCIMIENTOS Y SKILLS CONOCIMIENTOS SKILLS Formula el Problema Curioso Proactivo Interés por el Negocio Analiza diferentes fuentes de Datos Lenguajes de programación Not only SQL SAS Base R Herramientas de Visualización Curioso Imaginativo Busca Patrones Análisis Estadístico Machine Learning Statistical Hypothesis Testing Creativo Habilidad para la solución de Problemas

18 CONOCIMIENTOS Y SKILLS Prepara los Datos CONOCIMIENTOS Hadoop Tratamiento de Datos no Estructurados SKILLS Colaboración Curioso Construye ModeloS Modelización Predictiva Análisis Estadístico Machine Learning R, Python Innovación Imaginativo Evalúa y Presenta Resultados Statistical Hypothesis Testing Herramientas de Reporting Buen Comunicador Habilidades de Presentación

19 AGENDA Origen y Evolución Qué conocimientos y skills deben tener? Cómo son los actuales Data Scientist? Dónde están ubicados en las empresas? SAS Data Scientist

20 TIPOLOGÍAS DE LOS ACTUALES DATA SCIENTIST

21 LOS FRIKIS (GEEKS) Que aportan Profundos conocimientos técnicos Mente Analítica Curiosos Creativos Resolución de Problemas De que carecen Interés por el Negocio, esto hace que su Proactividad e Innovación sean cuestionables Habilidades de Comunicación y Presentación Colaboración

22 LOS GURÚS Que aportan Profundos conocimientos técnicos Innovación Curiosidad Habilidades de Presentación y Comunicación De que carecen Interés por el Negocio, esto hace que su Proactividad no sea eficiente Colaboración Resolución de Problemas Creatividad

23 LOS JEFES DE PROYECTO (DRIVERS) Que aportan Habilidades de Comunicación y Presentación Resolución de Problemas Proactividad Interés en el Negocio Colaboración De que carecen Profundos Conocimientos Técnicos Creatividad Curiosidad Innovación

24 LOS EXPERTOS (CRUCHER) Que aportan Profundos Conocimientos Técnicos Resolución de Problemas Colaboración De que carecen Creatividad Habilidades de Comunicación y Presentación Curiosidad Proactividad Innovación Interés por el Negocio

25 LO QUE LAS EMPRESAS BUSCAN En los inicios del Big Data las empresas buscaban solo Conocimientos Técnicos: Los resultados no fueron buenos, la solución formarlos en las Habilidades (Soft Skills) Siguió sin funcionar había problemas por la personalidad de los primeros Data Scientist e intervino RR HH

26 LO QUE RECURSOS HUMANOS BUSCA Mente Abierta (Open) No partir de premisas para fomentar la Innovación Abiertos a cualquier nueva idea = Curiosidad Imprescindible para el desarrollo de la Creatividad Extrovertido (Extraverted) Necesario para ser un buen Comunicador Tienen mejores habilidades de Presentación Los extrovertidos trabajan mejor en Colaboración Meticuloso (Conscienious) Sin Organización no se puede trabajar con la ingente cantidad de variables del Big Data Imposible trabajar con cientos de modelos si no se es meticuloso

27 LO QUE RECURSOS HUMANOS BUSCA Estable (Stable) El estrés está peleado con la Ciencia de los Datos. Para ser Creativos hay que sentirse felices Afabilidad (Agreeable) Mejora la Colaboración en el trabajo Mejora la percepción en la Comunicación

28 AGENDA Origen y Evolución Qué conocimientos y skills deben tener? Cómo son los actuales Data Scientist? Dónde están ubicados en las empresas? SAS Data Scientist

29 SU ORIGEN EN LAS EMPRESAS Origen de la necesidad La Modelización Predictiva tradicional empezaba a mostrar signos de agotamiento No era capaz de generar oportunidades creativas No aportaba ideas brillantes para las Decisiones Estratégicas La irrupción del Big Data con fuentes de datos externos se vio como una posibilidad de mejorar la Analítica de las empresas Sponsors de la idea Las Áreas de Marketing son las principales promotoras del uso del Big Data Analytics Posibilidad de tener un mayor grado de granularidad que permitiría ofrecer una oferta aun más personalizada Posibilidad de detectar nuevos productos, servicios, canales, vías de comunicación Las Áreas de Riesgos, para mejorar los modelos y la posibilidad de hacer cálculos más rápidos

30 DÓNDE? Dónde los ubicamos Se presentaban tres opciones: Del Área de Analytics Del Área de IT Del Área de Marketing Lo más habitual es el Área de Analytics y luego de Marketing De donde los sacamos Se presentaban también diferentes opciones: Recursos Internos Estadísticos/Mineros Programadores expertos en tratamiento de datos Analistas de Negocio Contratar Data Scientist

31 QUÉ HACEN EN LAS EMPRESAS? Medición efectiva y comprensión del impacto de las acciones de Marketing Análisis de las causas de la fuga de clientes Obtención de información a partir de las transacciones interbancarias Mejora de los modelos de cross selling y up selling con la inclusión de datos externos para lograr un mayor nivel de granularidad Obtención de información de la visión de los productos y la compañía por medio del análisis de las redes sociales Descubrir nuevos productos para incluir en el offering de las Empresa Mejora de la detección del fraude con la inclusión de datos externos Evaluación del Riesgo en clientes potenciales

32 AGENDA Origen y Evolución Qué conocimientos y skills deben tener? Cómo son los actuales Data Scientist? Dónde están ubicados en las empresas? SAS Data Scientist

33 TECNOLOGÍAS PARA EL BIG DATA

34 SAS DATA SCIENTIST

35 SAS DATA SCIENTIST

36 DATA SCIENTIST PRESENTE O FUTURO Buscando en Google por ofertas de empleo sas data scientist se obtienen resultados

37 DATA SCIENTIST PRESENTE O FUTURO

38 GRACIAS Juan Lorenzo Prieto

Documentos relacionados

SAS Data Scientist. Plan de Formación

SAS Data Scientist. Plan de Formación SAS Data Scientist Plan de Formación www.sas.com/spain/formacion Juan Lorenzo, Director del Plan de Formación juan.lorenzo@sas.com formacion@sas.com Tel: +34 91 200 73 00 BIG DATA EL NUEVO RETO EN LAS