Publicación:

V International Workshop on Applied Statistic and Data Science

Resumen en español

El valor de los datos y de los profesionales con experiencia en datos esta creciendo exponencialmente. Los expertos prevén que el mercado mundial de big data crecerá hasta los 103.000 millones de dólares en 2027, duplicando con creces las estimaciones realizadas en 2018. Ese crecimiento expansivo seguirá aumentando la demanda de profesionales capacitados que puedan hacer un uso significativo de enormes volúmenes de datos. La ciencia de los datos y la estadística aplicada son esenciales para hacer que los grandes datos sean relevantes para una amplia gama de empresas, industrias, instituciones y academia. Aunque estas dos disciplinas operan en algunos de los mismos espacios, no son idénticas. Tanto la ciencia de los datos como la estadística aplicada tienen sus raíces en el campo de la estadística y están relacionadas con él. Gran parte de los conocimientos y la formación básicos necesarios para una carrera en estos campos se basan en una formación estadística similar. Sin embargo, la principal diferencia entre la ciencia de los datos y la estadística es su enfoque único para dar sentido a los datos y resolver problemas. Hay matices y excepciones en estos campos que se solapan, pero la ciencia de los datos suele utilizarse para hacer predicciones y optimizar las búsquedas en grandes campos de datos y bases de datos. Aplica técnicas como las herramientas de aprendizaje automático y la inteligencia artificial a problemas que normalmente requerirían inteligencia humana, pero que son demasiado amplios para resolverlos de forma eficiente por esas vías más tradicionales. La ciencia de los datos pretende hacer predicciones precisas de comportamientos y patrones futuros en un mercado o industria determinados. Sin embargo, la estadística aplicada sigue siendo crucial para resolver muchos problemas del mundo real y sacar conclusiones esenciales para las empresas y organizaciones. Los estadísticos descubren la mejor manera de recopilar datos, realizar mediciones y cuantificar la incertidumbre allí donde las soluciones de la ciencia de los datos basada en las máquinas podrían resultar difíciles de manejar. “El objetivo final del análisis estadístico suele ser sacar una conclusión sobre qué causa qué, basándose en la cuantificación de la incertidumbre. En cambio, el objetivo final del análisis de la ciencia de datos suele ser más bien una base de datos específica o un modelo predictivo”. (https://www.displayr.com/ statistics-vs-data-science-whats-the-difference/)