Visualización de datos

Dicen que vale más una imagen que 1000 palabras.
Aquí os dejo un mapa del Data Science Central "40 maps that explain the Internet" donde se puede ver el comportamiento de Internet en el mundo.
Sin palabras...

 

Anatomía de un Científico de Datos

Hoy he visto esta infografía en www.fico.com acerca de lo que és un Data Scientist  (Científico de Datos) que me ha parecido de lo más clarificadora.

Os adjunto la infografía y una pequeña traducción de los puntos más importantes.

Anatomía de un científico de datos.

Anatomía de un Científico de Datos

Graduado en Matemáticas o Estadística.

            No es nada malo que esté graduado en matemáticas o estadística y mejor si lo está por una buena universidad.

Habilidad para resolver problemas.

            Un buen resolvedor de problemas es capaz de aplicar soluciones creativas al mundo real.  Sabe definir los problemas con precisión, detectar patrones y conectar puntos.

Habilidades Matemáticas.

           

Visión de negocio.

            Sabe como llegar a ser un líder en los negocios.

Potencial para transmitir.

            Sabe hacer preguntas, aplicarlas para dar solución de problemas de empresa y sabe transmitir sus ideas a los demás.

Sabe utilizar herramientas de programación.

            Un científico de datos, necesita algo más que las matemáticas.  Nunca está mal conocer áreas como ingeniería, econometría, estadística.  Tienen habilidad para aprender a programar y representar conceptos en lenguaje máquina.

Es curioso y curioso.

            Tiene pensamiento crítico y una implacable curiosidad que se encuentran en dentro de una mentalidad analítica.

Es ágil y se adapta.

            Es lo suficientemente versátil para aplicar sus conocimientos a múltiples industrias desde venta al detalle a banca, desde seguros a administración, desde salud a compañías de vuelo.

Como reconocer uno: El verdadero científico de datos puede detectar el verdadero negocio en los datos.

Caso estadístico práctico “Victoria de Obama en 2012”

  O como el análisis estadístico venció al análisis político. 

Nate Silver, matemático y estadístico trabajó en el equipo de campaña de Obama en las pasadas elecciones de EEUU.

La fama de Nate Silver llegó tras concluir las elecciones y haber conseguido predecir con asombrosa exactitud los resultados en cada uno de los cincuenta estados del pais.  Y todo esto sin apenas conocer la política de su pais, aplicando estadística, análisis de datos y encuestas.

El sistema fue criticado durante toda la campaña por prensa y analistas políticos.  Mientras expertos vaticinaban una votación muy reñida, Silver hablaba de una probabilidad de salir reelegido del 91%, en base a sus cálculos.

 Para obtener estos resultados Silver aplicó un marco poblacional igual a toda la población de los Estados Unidos, al que dividió en subpoblaciones que representaban cada uno de los estados respectivamente.

Además el trabajo se dividió en dos grandes bloques.

Primero promedió una cantidad ingente de datos procedentes de encuestas a las que se había dado peso en base a 3 factores: Tamaño de la muestra, fecha de recogida y calidad de dato.  Cuanto más grande, más actual y más verídico, mayor importancia se le daba.

Después estudió cada uno de los estados a votar, dando importancia al número de delegados que aportaba cada estado, en vez de al número de votantes.

Además, se tuvieron en cuenta para los estados factores como participación histórica, ventaja del partido en el poder, factores demográficos.

 Todos estos datos, para formar un modelo estadístico predictivo que unido a la capacidad de proceso del software actual y un correcto análisis de los datos dio con unos resultados asombrosamente precisos.

He aquí un reciente caso práctico en el que Estadística, Minería de Datos y Big Data bien combinados son una excelente combinación para obtener conocimiento donde antes solo había datos.

Os dejo el vídeo del New York Times donde Nate Silver explica su método.

 

Usos del Big Data en ecommerce

   La mayoría de los pequeños comerciantes piensan que el análisis del Big Data es para grandes empresas. De hecho, es importante para las pequeñas empresas, también, en su intento de competir con los más grandes. Esto se hace aún más importante ya que los comerciantes online interactúan con sus clientes en tiempo real. Tenga en cuenta, sin embargo, que la manipulación de grandes conjuntos de datos puede aumentar el tiempo de carga de un sitio. Un sitio lento perjudica a todos los aspectos del proceso de compra. 

 Aquí están los principales usos de Big Data para los comerciantes online. 

Personalización de consumidores.

No debemos tratar a los clientes fieles al igual que otros nuevos. La experiencia tiene que ser personalizada para recompensar a los clientes fieles. Y debe tener un aspecto atractivo para poder atraer a nuevos clientes. 

Fijación de precios dinámica.

 Necesita fijación dinámica de precios si sus productos compiten en precio con otros sitios. Para ello es necesario tomar datos de múltiples fuentes, tales como precios de la competencia, las ventas de productos y las acciones de los clientes para determinar el precio justo para cerrar la venta. Comerciantes grandes como Amazon ya soportan esta funcionalidad. La superación de este reto será dar a su negocio una ventaja competitiva enorme. 

El servicio al cliente.

 Mejorar el servicio al cliente es fundamental para el éxito de un sitio de comercio electrónico. Por ejemplo, si un cliente se ha quejado a través del formulario de contacto en su tienda online y también tuiteó sobre él, será bueno tener esta información cuando llame a atención al cliente. Esto le dará la sensación  de ser un cliente valioso, creando una resolución más rápida. 

Gestión de fraude.

Los grandes conjuntos de datos ayudan a aumentar la detección del fraude. Pero se requiere de la infraestructura, para detectar el fraude en tiempo real. Esto conducirá a un entorno más seguro para hacer funcionar su negocio y mejorar la rentabilidad. Si no lo hace en tiempo casi real, podría ser demasiado tarde para atrapar a los estafadores. 

Visibilidad de la cadena.

 Los clientes esperan conocer la disponibilidad exacta, estado y ubicación de sus pedidos. Esto puede ser complicado para los minoristas si hay varios terceros involucrados en la cadena de suministro. Sin embargo, es un reto que hay que superar para mantener a los clientes contentos. 

El análisis predictivo. El análisis es crucial para todo lo que se vende online, independientemente de su tamaño. Sin análisis, es difícil sostener su negocio. Big Data ha ayudado a las empresas a identificar los acontecimientos antes de que ocurran. Esto se conoce como "análisis predictivo". El análisis predictivo se está convirtiendo en una herramienta importante para muchas empresas.

Introducción al Big Data

   “Big Data” es un término aplicado a conjuntos de datos que superan las capacidades, del software hasta ahora habitual para ser procesados.

   Podemos escuchar también que Big Data está definido por 3 V´s… Volumen, Velocidad y Variedad.

   Los límites de almacenamiento y procesamiento están variando constantemente.  Hemos pasado en muy pocos años de hablar de Petabytes y Zettabytes de datos, a hablar de que en 2012 se creaban casi 2,5 quitillones de bytes nuevos diariamente.  

   La necesidad de manipular tales cantidades de datos surge en Análisis de negocio, Investigación médica, Lucha contra el crimen organizado, Meteorología, Motores de búsqueda en Internet,… 

Hoy comenzamos....

  Hoy comenzamos el proyecto de este blog con la idea de publicar información acerca de las aplicaciones de la Estadística a las tecnologías actuales.

  Intentaremos abarcar todas las áreas que sean de interés semanalmente.

  Así como cubrir noticias internacionales acerca del mundo Big Data, Analítica Web, Social Media, Inteligencia de Negocio, Minería de Datos...

  Además esperamos que siendo el 2013 año Internacional de la Estadística, sirva como referente.

 http://www.statistics2013.org/