Introducción

Objetivos

• Aprender a extraer información de los datos usando técnicas computacionales y estadísticas

• Enfoque práctico: usar la información para crear valor (analítica de negocios)

La vida diaria se “datifica”

• Y esos datos tienen mucho Volumen (escala), llegan con Velocidad (en tiempo real), con gran Variedad (números, texto, mapas, imágenes) y Veracidad dudosa (errores, sesgos)

• La V que importa: Valor. Y NO está en los datos: está en saber analizarlos

Importancia de los datos

• Clive Humby (2006), el original de la frase famosa:

  “Data is the new oil. It’s valuable, but if unrefined it cannot really be used.”

• Ahora el “refinado” importa más que nunca: la IA existe porque se analizaron cantidades masivas de datos

• Si caben en tu ordenador, NO es “Big Data”. Las técnicas y la forma de pensar de lo que haremos son las mismas

Tipos de análisis de datos

• Este es el mapa del curso: descriptivo y diagnóstico (datos, exploración, KPIs, el mundo del “Business Intelligence”), predictivo (modelos de aprendizaje) y prescriptivo (de la predicción a la DECISIÓN)

Aprender a analizar datos

• Es una inversión de futuro en el trabajo: El País, 08/2023

• Pero NO es magia, y requiere saber lo que se hace

• Dan Ariely (2013): “Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it.”

Proceso de Análisis de Datos

• Cada caja es parte del curso: importar y limpiar datos, explorarlos y visualizarlos, modelizar y COMUNICAR resultados

Cómo funciona el curso

• Leed en la web de la asignatura:

  • Evaluación: cómo funcionan las clases (venir con el material trabajado) y cómo se evalúa

  • Puesta a punto: qué instalar LO ANTES POSIBLE (R y Positron)

  • Contenidos: el material de cada semana, siempre actualizado