Entrevistas a "leading data scientists" a nivel internacional en el blog ODBMS.org de Roberto V. Zicari

Roberto V. Zicari (con quien he tenido el placer de colaborar en el Frankfurt Big Data Lab y preparar artículos conjuntamente) ha iniciado recientemente en su blog una serie de cuestionarios (“Q&A with data scientists”) a científicos de datos, todos ellos profesionales de dilatada carrera desempeñando puestos de responsabilidad en universidades de todo el mundo y en organizaciones como Google, Apple, IBM, GE, Thomson Reuters, SAS, PwC, etc. Semejante plantel de interlocutores hace de esta serie de entrevistas toda una mina de conocimiento de la que extraer muy valiosas aportaciones sobre la práctica de data science desde diversas perspectivas.

¿Qué puede hacer (y qué no) la analítica predictiva?

Como hemos comentado anteriormente en el blog, gran parte del interés actual por la aplicación de las tecnologías Big Data y la analítica de datos en los negocios viene por el mayor valor y retorno potenciales a obtener de la aplicación de la analítica predictiva. Esto a su vez implica una mayor complejidad en estos proyectos que muchas veces se pasa por alto o no se termina de comprender totalmente al plantearse iniciar un proyecto en este campo. En otras ocasiones se tiene una cierta “percepción distorsionada” de lo que este tipo de técnicas pueden lograr realmente, otorgándoles capacidades que están bastante lejos de lo que en realidad se puede esperar de ellas hoy en día. En esta línea, Andrew Ng (uno de los mayores expertos en el área del aprendizaje automático, y parte implicada en los proyectos más importantes en este campo a nivel global) publicó hace escasos días un interesante artículo bajo el título “What Artificial Intelligence can and can’t do right now”, cuyas claves principales quiero repasar en esta entrada.

Repaso de diferentes perspectivas para entender la “ciencia de datos” (data science)

En anteriores entradas del blog hemos revisado el desarrollo del concepto de “ciencia de datos” (data science) y cómo su origen se remonta a principios de milenio con la propuesta de William S. Cleveland de revisión de las áreas técnicas en torno a la Estadística para adecuarse mejor a las nuevas prácticas de análisis de datos y al desarrollo del data mining. Sin embargo, no es hasta bastantes años después, y en paralelo a la eclosión del Big Data, cuando el concepto de ciencia de datos adquiere mayor relevancia. El “Data Science Venn Diagram” elaborado en 2010 por Drew Conway y publicado en su blog en 2013 supone un hito a reseñar de cara a dar a conocer dicho concepto y las áreas que integra.

La relación entre valor y complejidad en los proyectos de análisis de datos

En diversas charlas y presentaciones sobre Big Data y análisis de datos durante los últimos años se viene empleando un diagrama (el que aparece a la izquierda de este párrafo) que, bajo el título “The next step in Business Intelligence”, sitúa la analítica predictiva dentro del contexto de diferentes enfoques en el análisis de datos y de los diferentes tipos de cuestiones que buscan responder, y con diferencias también en cuanto al marco temporal en el que se encuadra el análisis que se desarrolla dentro de cada enfoque.

Mi participación en la 3ª edición de “DataBeers Euskadi”

Esta tarde tendré el placer de hacer la apertura del programa de mini-charlas de la tercera edición de “DataBeers Euskadi” que se celebra en San Sebastián. Este evento, inspirado en los “DataBeers” inicialmente organizados en Madrid, giran en torno a un programa de breves charlas sobre la analítica de datos en un ambiente distendido, con tiempo para el networking y la conversación informal cerveza en mano.

[Visita guiada] Desmontando mitos del Big Data

En esta breve visita guiada por las entradas del blog propongo un recorrido centrado en desmontar algunos de los mitos principales que rodean la vorágine que se ha creado en los últimos años en torno al Big Data:

1. Para comenzar, revisa las diferencias entre los diferentes enfoques para la analítica de datos [ver entrada], junto con la definición de los términos clave en torno al análisis de datos [ver entrada] y la evolución histórica de su relevancia [ver entrada]
2. Sitúa el Big Data dentro del campo de la Ciencia de Datos y la analítica para extraer conocimiento de los datos [ver entrada 1] [ver entrada 2], para así encuadrarlo en el contexto anterior
   

El carácter exploratorio y de "descubrimiento" de los proyectos de análisis predictivo de datos

Al hablar de los diferentes enfoques en los que podemos clasificar la analítica de datos (descriptiva, predictiva o prescriptiva), hemos destacado el principal interés que despiertan los proyectos de analítica predictiva debido al valor adicional que ofrece la detección temprana de las situaciones de negocio que se precisen controlar. Sin embargo, en muchos (demasiados) discursos de “venta del Big Data” se presta exclusiva atención a este valor adicional, sin hacer hincapié en su carácter de potencial y simplificando en exceso la complejidad inherente a estos proyectos.

Iniciativas internacionales en torno al uso del análisis de datos para fines sociales

Como comentaba en la entrada relativa a mi colaboración con el Frankfurt Big Data Lab, el uso de la analítica de datos para proyectos con fines sociales (“social good” o “common good” suelen ser los términos más habituales en la literatura en inglés sobre el tema) ha tenido un notable crecimiento en los últimos años, con diferentes iniciativas lanzadas en torno a problemas tales como la gestión de crisis humanitarias o de amenazas globales en torno al cuidado de la salud o del medioambiente. En esta entrada recopilo algunas iniciativas relevantes en marcha y referencias a nivel internacional dentro de esta área.

Mi participación en la jornada “Big Data para Pymes locales” organizada por Fomento de San Sebastián

El pasado día 20 de abril tuve el placer de abrir la jornada divulgativa organizada por Fomento de San Sebastián (a quienes quiero agradecer su propuesta de participar en el evento) para acercar el Big Data a las pymes (podéis acceder a las diapositivas de mi presentación en este enlace). Cuando me proponen impartir la ponencia de apertura en este tipo de eventos, siempre suelo procurar que el enfoque de la charla (al menos la primera parte) sea el de poner en común con la audiencia unas mínimas bases (sin entrar en temas muy técnicos ni profundizar en herramientas o tecnologías concretas) para comprender realmente qué es y (cada vez más importante) qué no es esto del Big Data, en qué consiste realmente y cuáles son los aspectos fundamentales que entiendo que deben analizar y evaluar quienes estén pensando en alguna idea de proyecto en este campo.

My paper "Understanding Big Data: antecedents, origin and later development"

[Open access link to the paper at the end]

After the lecture I gave last June to open the conference held in San Sebastián on Big Data applications for businesses, the editors of the journal "DYNA New Technologies" contacted me to ask for a collaboration paper, where I could gather the key ideas presented during my lecture. After organizing my notes using a temporal guiding thread, and after the usual reviewing milestones, my paper "Understanding Big Data: antecedents, origin and later development" was published.

Chronology of antecedents, origin and development of Big Data

[Accede aquí a la versión en español]

One of the contents that I use in my lectures on Big Data (and that I have often seen included and referenced in other works and speeches) is a set of chronological charts with different milestones related to the antecedents of Big Data (the first applications of data analysis in business contexts), its origin and later development. As I had this temporal thread fragmented in different slides, I thought of publishing one chronological chart grouping the main milestones I use to present.

Historical evolution of key terms related to data analysis

[Accede aquí a la versión en español]

From the definition of key terms around data analysis that are related today to the concept of Big Data, how could we have a clearer idea of their origin, when the relevance of each concept dates back to and how that relevance has evolved along the years? Modern web search tools allow us to visualize historical information that has been extracted automatically from different sources and present it in this interesting example of analysis on those terms related to data analysis itself and Big Data.

Definition of key terms related to data analysis

[Accede aquí a la versión en español]

Frequently, when talking about Big Data, some of the terms and concepts related to data exploration and analysis in business contexts appear mixed together, which leads to a misunderstanding of how to interpret them. In this post I will present the main differences among them, to clarify the kind of data analysis they are focused on and when it would be correct to use one or the other.

Evolución histórica de la relevancia de los diferentes términos que rodean al Big Data

[Click here for the English version]

Partiendo de la definición de los términos clave en torno al análisis de datos que se relacionan hoy en día con el concepto de Big Data, ¿cómo podríamos tener un reflejo más claro de su origen, desde cuándo data la relevancia de cada concepto y cómo ha sido la evolución histórica de dicha relevancia? Las herramientas web de las que disponemos hoy en día nos permiten visualizar información histórica recopilada automáticamente de diferentes fuentes y presentarla en este curioso ejemplo de análisis sobre los propios términos en torno al análisis de datos y el Big Data.

Mi artículo “Entendiendo el Big Data: antecedentes, origen y desarrollo posterior”

[El enlace para acceder al artículo se encuentra al final de esta entrada]

Tras la ponencia que impartí el pasado mes de junio en la jornada organizada en San Sebastián sobre Big Data para los negocios, los responsables de la revista técnico-científica “DYNA New Technologies” se pusieron en contacto conmigo para solicitarme una colaboración en forma de artículo, donde recogiese las ideas principales de lo expuesto en dicha ponencia. De la organización de mis notas y su desarrollo en un hilo conductor histórico, y tras pasar los convenientes ciclos de revisión durante los últimos meses, nace el artículo “Entendiendo el Big Data: antecedentes, origen y desarrollo posterior” cuya reciente publicación anuncio y comparto en esta entrada de blog.

[Visita guiada] Big Data: origen y tecnologías principales

En esta visita guiada por el blog agrupo las entradas que repasan el origen del Big Data y varias de las principales tecnologías desarrolladas desde entonces:

1. Para comenzar, ten a mano el siguiente cronograma de antecedentes, origen y desarrollo del Big Data [ver entrada], que te será de utilidad a modo de mapa de la visita guiada
2. Revisa la definición de los principales términos clave en torno al análisis de datos [ver entrada], conceptos que iremos desarrollando a lo largo de la visita guiada. Repasa también la evolución histórica de la relevancia que han tenido dichos términos [ver entrada]

Cronología de antecedentes, origen y desarrollo del Big Data

[Click here for the English version]

Uno de los contenidos que utilizo en mis charlas divulgativas sobre Big Data que posteriormente he visto más utilizado y referenciado en otros trabajos y exposiciones son los cuadros cronológicos con los diferentes hitos referidos a los antecedentes del Big Data (los primeros contextos de aplicación del análisis de datos de negocio), su origen y posterior desarrollo. Como hasta ahora tenía este hilo temporal segmentado en diferentes diapositivas, he pensado en publicar un único cuadro cronológico que agrupe los principales hitos a los que suelo hacer referencia.

Comparando el papel de la analítica de datos en “Industrie 4.0” y en “Industrial Internet”

Hemos revisado en entradas anteriores las reflexiones que motivan la aparición de diferentes modelos estratégicos, tanto públicos como privados, para el desarrollo de la competitividad de la industria manufacturera mediante una progresiva adopción de tecnología, sobre todo ligada a la automatización de la recolección, compartición y análisis de datos. En esta entrada quiero comparar algunas de las ideas básicas dentro de dos de estos modelos, el Industrie 4.0 alemán y el Industrial Internet de General Electric, deteniéndome en el papel que la analítica de datos juega en ambos casos.

Entendiendo el origen y motivación de la “Data Science”

La lectura del artículo “Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics”, publicado por William S. Cleveland en los Laboratorios Bell en 2001, nos aporta una serie de claves fundamentales para entender cuál es la motivación tras el origen del concepto de “Data Science” y su desarrollo y popularización durante la última década, estrechamente ligado a la repercusión del Big Data en particular y el Data Mining en general en el mundo de los negocios.

Hitos principales en el desarrollo de la “Data Science”, recopilados por Gil Press

En el artículo "A Very Short History of Data Science", escrito en mayo de 2013 escrito por Gil Press para Forbes, se presenta una recopilación muy completa de los hitos principales que, durante las últimas décadas, han marcado el origen y motivación del concepto de “Data Science”, así como su posterior desarrollo hasta nuestros días en los que dicha idea ha cobrado una gran relevancia al mismo tiempo que se han ido popularizando las tecnologías Big Data.