La ciencia de datos es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas, ya sea estructurados o no estructurados, lo cual es una continuación de algunos campos de análisis de datos como la estadística, la minería de datos, el aprendizaje automático, y la analítica predictiva.
Cuando una empresa emplea un enfoque “data-driven” (impulsado por datos), significa que toma decisiones estratégicas basadas en análisis de datos e interpretación. Un enfoque data-driven permite que las empresas examinen y organicen sus datos con el fin de atender mejor a sus clientes y consumidores. Al usar datos para impulsar sus acciones, una organización puede contextualizar y personalizar sus mensajes a sus clientes y posibles clientes para un enfoque más customer-centric (centrado en el cliente).
La inteligencia artificial (IA) es, en informática, la inteligencia expresada por máquinas, sus procesadores y sus softwares, que serían los análogos al cuerpo, el cerebro y la mente, respectivamente, a diferencia de la inteligencia natural demostrada por humanos y ciertos animales con cerebros complejos. En ciencias de la computación, una máquina «inteligente» ideal es un agente flexible que percibe su entorno y lleva a cabo acciones que maximicen sus posibilidades de éxito en algún objetivo o tarea
Machine Learning es una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente. Aprender en este contexto quiere decir identificar patrones complejos en millones de datos. La máquina que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente, también en este contexto, implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana.
Aprendizaje profundo (en inglés, deep learning) es un conjunto de algoritmos de aprendizaje automático (en inglés, machine learning) que intenta modelar abstracciones de alto nivel en datos usando arquitecturas computacionales que admiten transformaciones no lineales múltiples e iterativas de datos expresados en forma matricial o tensorial.
Sus labores fundamentales son: seleccionar, limpiar, consolidar y preparar los datos para posteriormente: analizar, predecir, describir comportamientos o conocimientos nuevos para la toma de decisiones.
Data Science es la ciencia centrada en el estudio de los datos. Se encarga de extraer información de grandes cantidades de datos. Data Science combina la estadística, las matemáticas y la informática para interpretar datos. El objetivo es tomar decisiones.
El analista de BI se ocupa de la identificación de los cambios en las ventas, gastos e ingresos de una compañía. Además, es el responsable de asesorar a la dirección de una empresa en la toma de decisiones.
Domina la parte técnica pero también tiene visión de negocio, conoce en profundidad la compañía y el sector en el que se mueve. Es una combinación entre el Data Scientist y procesamiento de datos del negocio. Traduce los problemas de negocio en proyectos de ciencia de datos, y lidera la cuantificación de los diversos tipos de riesgos.