A menudo me preguntan: «¿qué es lo que más te entusiasma del futuro de la ciencia de datos?»
Cuando se habla de los avances más emocionantes, solemos mirar a la frontera del campo. Se menciona el deep learning y cómo permite que los ordenadores ganen a los humanos en Go, cómo los avances en IA han hecho posibles los coches autónomos o cómo tecnologías como Spark y Hadoop permiten computar conjuntos de datos gigantescos.
Yo tengo otra respuesta. Lo detallo en nuestro reciente webinar de DataCamp, Democratizing Data Science within your Company, y aquí comparto algunas ideas.
Hacer posible lo imposible; hacer fácil lo posible
Imagina que vives en 1903 y alguien te pregunta cuál es el avance más emocionante en transporte. La respuesta es fácil: el 3 de diciembre de 1903 tuvo lugar el primer vuelo de un aparato más pesado que el aire, realizado por los hermanos Wright en Kitty Hawk. Si te hicieran la misma pregunta en 1969, quizá responderías «el alunizaje del Apolo 11». Ambas respuestas son totalmente válidas: se centran en hitos de la historia del transporte, hacer posible lo imposible.
Pero déjame ofrecer otra perspectiva. 1903 no fue solo el año del primer vuelo en un aparato más pesado que el aire; también fue el año en que se constituyó Ford Motor Company. Pocos años después Ford lanzaría el Model T, al que se atribuye haber convertido el coche de un lujo a un medio de transporte asequible. Y aunque 1969 vio al primer ser humano caminar sobre la Luna, también marcó el vuelo inaugural del Boeing 747, el primer «jumbo». El aumento de capacidad de pasajeros hizo que volar fuera más accesible para todos. A esto lo describiría como hacer fácil lo posible.
Creo que la pregunta «¿qué es emocionante en ciencia de datos?» tiene una respuesta similar. Los avances con más bombo —deep learning, coches autónomos o big data— están haciendo posible lo imposible: igual que el primer vuelo de los hermanos Wright o la llegada a la Luna, provocan esa reacción de «¡no me puedo creer que esto sea posible!»
Pero hay una segunda revolución: la expansión de las habilidades de ciencia de datos, tanto de programación como de análisis estadístico, a una comunidad mucho más amplia.
Cada vez más personas, con trayectorias distintas y en departamentos e industrias muy diversos, están aprovechando las herramientas y competencias de ciencia de datos para hacer su trabajo. Algunos de estos cambios incluyen:
- El crecimiento del número de personas que usan Python y R para analizar datos
- Interfaces de herramientas estadísticas cada vez más intuitivas
- Avances en la enseñanza de estadística y programación
La mayoría no implican métodos estadísticos novedosos ni enfoques de IA, igual que el Model T no fue el primer automóvil ni el Boeing 747 el primer avión. Lo emocionante es la cantidad de gente que puede sacarles partido.
¿Qué ha cambiado en ciencia de datos?
El auge de los lenguajes de programación para ciencia de datos. En los últimos años hemos visto un crecimiento explosivo en el uso de lenguajes de programación para ciencia de datos. Como muestran análisis del blog de Stack Overflow, Python puede presumir de ser el lenguaje de programación que más rápido crece en el mundo, y en gran parte gracias a sus herramientas para ciencia de datos. El lenguaje R muestra un crecimiento igual de impresionante, especialmente en sectores como la academia, la sanidad, la administración pública y la consultoría.
Source: Stack OverflowMejor usabilidad en lenguajes y herramientas. Gran parte de este crecimiento no viene de métodos novedosos en estadística, machine learning o IA, sino de mejoras que hacen que los métodos existentes sean más utilizables. Un ejemplo destacado es el paquete pandas en Python, que estructura los datos en un objeto llamado DataFrame y permite análisis potentes e intuitivos.
Source: Stack OverflowPandas se centra en que las transformaciones de datos existentes resulten más intuitivas. Como contaba su creador, Wes McKinney, en una entrevista en Quartz, «permite analizar y trabajar con datos a personas que no son expertas en ciencias de la computación. Sigues teniendo que escribir código, pero lo hace intuitivo y accesible. Ayuda a que la gente vaya más allá de usar solo Excel para analizar datos». Pandas es la columna vertebral del Data Scientist with Python track de DataCamp.
Dentro del lenguaje R, el tidyverse ofrece una revolución igual de emocionante en usabilidad. Es un conjunto de paquetes diseñados para facilitar la transformación, la visualización y el modelado de datos. En mi experiencia, el tidyverse resulta extraordinariamente intuitivo para introducir a principiantes en métodos de visualización de datos y, según confirman los análisis, es una de las partes de R que más rápido crecen.
Mejor formación. La expansión del uso de lenguajes de programación para ciencia de datos se debe a que se incorporan personas nuevas a la comunidad, ya vengan de otras áreas del desarrollo de software o de carreras completamente distintas. Eso significa que parte de la revolución en ciencia de datos no está solo en cómo se construyen las herramientas, sino en cómo se enseñan.
Nuestros cursos interactivos de ciencia de datos en DataCamp han enseñado a cientos de miles de personas a analizar y visualizar datos, incluidas muchas que nunca habían programado. Allanar la curva de aprendizaje es clave para democratizar la ciencia de datos.
¿Qué significa esto para tu empresa?
Cuando alguien te pregunte si estás aprovechando al máximo la ciencia de datos, no des por hecho que tienes que añadir chatbots a tu producto o contratar a un consultor que prometa usar deep learning. Mira, más bien, cómo la gente dentro de tu empresa está sacando partido del análisis y la visualización de datos.
Está genial que un laboratorio de Google use IA para construir un coche autónomo. Pero también es emocionante cuando una responsable de marketing usa R para visualizar la eficacia de sus anuncios, o cuando un equipo financiero utiliza Python para predecir ingresos futuros.
Si quieres entender mejor cómo esta revolución en ciencia de datos puede afectar a tu empresa, apúntate a nuestro webinar Democratizing Data Science Within Your Company.
