No hay problema / solución per se en un entorno empresarial, al menos. No se trata de una serie de problemas -> soluciones, más bien es un “proceso” que se ejecuta a tiempo junto con este negocio. Por lo tanto, este proceso continuará mientras el negocio lo haga. La mayor parte del trabajo girará en torno a objetivos comerciales, métricas, restricciones, etc.
Existen reglas o conocidas como lógica de negocios que se aplican en todos los pasos del proceso. Algunos de ellos pueden ser:
1. Propósito: toda la ciencia de datos que realiza la empresa tiene el propósito de generar ingresos directa o indirectamente (excepto organizaciones sin fines de lucro). En otras palabras, el problema es el propósito de la empresa. Entonces, para un comerciante de comercio electrónico, el problema podría ser “¿Cómo vender más productos?”
2. Requisitos / especificaciones: el negocio a menudo definirá el alcance de toda la actividad de ciencia de datos. Puede ser cualquier cosa, desde restricciones presupuestarias hasta rangos de precisión / exactitud para entregables. Los entregables pueden ser desde un modelo hasta una idea.
- ¿Qué sistema operativo es mejor para Python, R y data science, Mac o Windows?
- Cómo pivotar mi carrera en ciencia de datos a los 38 años
- ¿Es un doctorado la única forma de entrar en una carrera de ciencia de datos o se puede ir completamente con el autoestudio?
- ¿Qué partes del trabajo de un científico de datos tienen menos probabilidades de ser automatizadas en el futuro?
- ¿Qué clases debo tomar como principiante en ciencias de datos?
El tipo de análisis puede ser uno de:
- Análisis predictivo: gira en torno a hacer predicciones de acción probabilística / consecuencia.
- Análisis prescriptivo: es una rama del análisis predictivo donde prescribe una acción. Como disminuir la tasa de rebote para aumentar las conversiones.
- Análisis descriptivo: implica proporcionar información / información / análisis sobre una población / tema en particular. Ejemplo: “75% de los usuarios son hombres”
Si se le da un conjunto de datos, diga “datos meteorológicos”, ¿qué problema resolvería?
Hay un número infinito de problemas y un número infinito de soluciones. Tal vez dices que el problema es el calentamiento global. Entonces, en ese caso , está enfocando su conjunto de preguntas / problemas al calentamiento global.
Plot Twist : no obtienes un conjunto de datos sino un problema / pregunta.
En resumen , los científicos de datos no resuelven problemas (aunque pueden resolver ecuaciones) sino que responden preguntas. Extraen conocimiento e información de los datos y lo comunican de manera efectiva. Por lo tanto, en un entorno empresarial, un científico de datos trabaja de acuerdo con las reglas comerciales y ayuda a la empresa a ganar dinero.
tl: dr
En lo que respecta a un negocio, solo hay un problema. “¿Cómo obtener ganancias indefinidamente?” No existe una solución real, aunque existen soluciones imaginarias.
