¿Qué hace a un buen científico de datos? ¿Cómo superan los principales científicos de datos a otros generalistas (es decir, actuarios de P&C, analistas de negocios) en análisis predictivo?

Para empezar, los científicos de datos no superan a otros generalistas (actuarios, analistas de negocios, …) en análisis predictivo.

En cambio, usan (de alguna manera) diferentes métodos para obtener buenos resultados. Estos resultados pueden superar a los proporcionados por “otros generalistas” (como los llama) en estos casos:

• Tener acceso a muchos datos que no caben en una sola computadora . En este caso, un científico de datos (bueno) utilizará un clúster informático y podrá ejecutar el modelo. Un actuario, por ejemplo, podría carecer de los conocimientos necesarios para hacer que tal modelo funcione.
• Pruebe muchos enfoques más ya que carece de especialización. Una vez más, un actuario podría probar modelos actuariales (series de tiempo, modelos de riesgo, etc.), pero un científico de datos probará tantos enfoques como sea posible, los ejecutará en paralelo y elegirá el que ofrezca el mejor resultado.

En otros casos, un científico de datos complementará el trabajo de otros trabajadores especializados. Algunos científicos de datos provienen de diferentes entornos, algunos de ellos son actuarios reentrenados o analistas de negocios.

Finalmente, en algunos casos, el actuario obtendrá un modelo mucho mejor si la muestra de datos es pequeña y el modelo requiere una amplia ingeniería de características (estas son habilidades difíciles de obtener).

Buena suerte.

Un buen científico de datos aprovecha los datos para descubrir ideas que pueden ayudar a una empresa. Usar los métodos correctos basados ​​en los supuestos del algoritmo es clave, y esto viene de conocer las matemáticas detrás de los algoritmos, así como el conocimiento práctico de la computación. A partir de ahí, uno debe interpretar correctamente los resultados y presentar los hallazgos clave a las partes interesadas.