Datos, Información y Ciencia de Datos: Clasificación, Ciclo de Vida, Big Data y Seguridad

Francés4,87 KB

1. Datos e información

Datos: hechos brutos que, por sí solos, no tienen sentido. Suelen ser números, símbolos o estadísticas.

Información: resultado de procesar esos datos y ponerlos en contexto para que tengan sentido. Gracias a la información se toman decisiones.

2. Clasificación y ecosistema de los datos

Los datos forman un ecosistema donde interactúan hardware, software y personas que los analizan y comparten. Se clasifican de tres maneras:

Por estructura

  • Simples, compuestos (estructura fija) o semicompuestos (estructura variable).
  • También se dividen en estructurados (tablas con relaciones) y no estructurados (lo más usado en análisis).

Por nivel de acceso (seguridad)

  • Públicos: bajo control.
  • Privados: control medio, con nombre de empleados.
  • Restringidos: control máximo; perderlos daña mucho a la empresa.

Por tipo de información

  • Cuantitativos: numéricos y medibles.
  • Cualitativos: nominales (sin orden) u ordinales (con orden lógico, como las calificaciones).

3. Ciclo de vida de los datos

Los datos evolucionan en seis fases:

  1. Planificación: se define qué datos son valiosos y qué arquitectura se usará.
  2. Captura: los datos se recogen de diferentes fuentes y se guardan en bases de datos.
  3. Utilización: se eligen herramientas para protegerlos y mantenerlos seguros.
  4. Análisis: se transforman en conocimiento para resolver problemas y tomar decisiones.
  5. Archivado: se guardan por seguridad cuando ya no se necesitan de forma inmediata.
  6. Borrado: se eliminan de forma segura mediante software especializado para liberar espacio.

4. Big Data y ciencia de datos

Big Data son conjuntos de datos tan grandes que las bases tradicionales no pueden procesar. Se caracteriza por las 5V:

  • Volumen: cantidad gigante.
  • Velocidad: se caducan rápidamente.
  • Variedad: distintos tipos.
  • Veracidad: fiabilidad y limpieza.
  • Valor: utilidad para el negocio.

Disciplinas de la ciencia de datos

Para manejar las 5V, la ciencia de datos utiliza tres disciplinas:

  • Estadística: para que los humanos tomen pocas decisiones, pero muy importantes, cuando hay riesgo de equivocarse.
  • Machine Learning e IA: para automatizar decisiones.
  • Deep Learning: para el aprendizaje profundo con datos no estructurados.

Tipos de análisis según el objetivo

  • Descriptivo: ¿qué pasa ahora? Usando KPI.
  • Predictivo: ¿qué pasará? Basándose en probabilidades.
  • Prescriptivo: ¿qué acciones tomar para lograr un resultado?

5. Etapas de la ingeniería de datos

Cuando surge un problema de negocio, se siguen seis etapas:

  1. Preguntar: definir el problema y el éxito del proyecto.
  2. Preparar: recopilar datos y establecer quién tiene acceso.
  3. Procesar: limpiar, proteger y gestionar los datos éticamente.
  4. Analizar: encontrar soluciones y documentar los hallazgos.
  5. Compartir: comunicar los resultados a los interesados.
  6. Actuar: poner medidas basadas en los datos.

6. Seguridad y ética

Para que los datos sean fiables, hay que garantizar la tríada CID:

  • Confidencialidad: solo personas autorizadas tienen acceso a la información.
  • Integridad: los datos no han sido alterados ni por error ni por ataques.
  • Disponibilidad: los datos son accesibles cuando se necesitan (evitando ransomware).

Es vital cumplir con el RGPD para proteger los datos personales y el know-how industrial, ya que su pérdida equivale a una brecha. Estrategias de protección: firewall, copias de seguridad y concienciación humana contra el phishing.

7. Transformación digital y ERP

La digitalización no es solo tecnológica, también es un cambio cultural que busca optimizar recursos y dar valor añadido al cliente. Las empresas usan sistemas ERP para centralizar departamentos, por ejemplo SAP y Salesforce.

Descargar

PDF Word HTML