Archivo de la etiqueta: inferencias

Comunicando los resultados de Big Data eficientemente

(Art铆culo escrito por聽Izaskun Larrea, alumna de la promoci贸n de 2017 en el聽Programa en Big Data y Business Intelligence聽en Bilbao)

隆Hacer predicciones no es suficiente! Los cient铆ficos de datos eficaces saben explicar e interpretar sus resultados y comunicar los hallazgos con precisi贸n a las partes interesadas para tomar decisiones empresariales. La visualizaci贸n es el campo de investigaci贸n que estudia la comunicaci贸n efectiva de resultados cuantitativos vinculando percepci贸n, cognici贸n y algoritmos.聽 Es necesario aprender a reconocer, dise帽ar y utilizar visualizaciones efectivas.

Como Data Scientist debemos explorar las consideraciones 茅ticas sobre el Big Data y c贸mo estas consideraciones est谩n comenzando a influir en la pol铆tica y en la sociedad. Tenemos limitaciones en el uso de la tecnolog铆a para proteger la privacidad y los c贸digos de conducta que emergen para guiar el comportamiento de los cient铆ficos de los datos.

Las inferencias estad铆sticas del Big Data, heterog茅neos y ruidosos son in煤tiles si no puede comunicarlos a sus colegas, a sus clientes, a su administraci贸n y a todas las partes interesadas, parece ir parad贸jicamente empeorando. Pero la reproducibilidad no es s贸lo para los acad茅micos: los cient铆ficos de datos que no pueden compartir, explicar y defender sus m茅todos para que otros puedan construir son dif铆ciles de entender. La importancia de la investigaci贸n reproducible y c贸mo el cloud computing est谩 ofreciendo nuevos mecanismos para compartir c贸digo, datos, entornos e incluso costos que son cr铆ticos para la reproducibilidad pr谩ctica.

comunicaci贸n Big Data

脷ltimamente, he trabajado en una serie de proyectos que requieren la recapitulaci贸n del Big Data para desarrollar materiales de comunicaci贸n que transmiten mensajes clave con claridad y precisi贸n.

Si bien el tipo y la cantidad de datos, las 谩reas tem谩ticas y el p煤blico objetivo de cada pieza de comunicaciones var铆an, cada proyecto implica el uso de los siguientes pasos para producir piezas de comunicaciones efectivas en el Big Data:

  1. Evaluar la exactitud de tus datos. Ya sea porque est茅 explorado en Internet, interpretando un informe t茅cnico de 100 p谩ginas, analizando los datos de demostraci贸n reportados por el usuario o resumiendo los resultados de un trabajo, es importante hacer preguntas sobre tus datos. 驴Tus fuentes proporcionan informaci贸n conflictiva que es contraria a lo que esperabas? Si es as铆, haz un poco de investigaci贸n adicional para resolver estos problemas y excluir cualquier fuente no confiable.
  2. Analizar lo que dice la informaci贸n – Ahora que sabes que tus datos son m谩s precisos, es el momento de organizarlo en categor铆as l贸gicas. 驴Cu谩les son los principales bloques de informaci贸n con los que se trata? 驴Tienes informaci贸n cualitativa y cuantitativa? Una vez que tengas una mejor comprensi贸n de la profundidad y amplitud de tus datos, puedes resumir con mayor facilidad los puntos clave de cada agrupaci贸n de datos.
  3. Determinar lo que es m谩s importante para tu audiencia – Es f谩cil resumir todos los datos con los que est谩s trabajando, pero algunos datos son m谩s importantes para tu audiencia que otros. 驴Alguno de tus puntos clave fue sorprendente o nuevo? Trate de encontrar tus puntos clave, preguntarse qu茅 es significativo y por qu茅 cada punto importa. Si t煤 no puedes llegar a una respuesta, es probable que el punto clave no debe ser incluido.
  4. Identificar el formato m谩s significativo para la presentaci贸n de tus datos – Para aumentar la eficacia de tu an谩lisis, este paso debe estar realmente en tu mente durante todo el proceso del an谩lisis de datos. Es importante determinar qu茅 formato de comunicaciones ser谩 m谩s 煤til para tu audiencia, para que tu proyecto inspire acci贸n en lugar de simplemente una exposici贸n de informaci贸n masiva. 驴Es probable que tu p煤blico realice f铆sicamente un resumen ejecutivo o una hoja informativa? 驴Es probable que eliminen las p谩ginas o el cap铆tulo de un informe que m谩s se relaciona con tu investigaci贸n? El prop贸sito de la informaci贸n debe determinar el formato de tu informe. Y por supuesto, no olvides que vivimos en una edad muy visual. Debemos de usar se帽ales visuales para comunicar temas complejos.

Un an谩lisis de datos eficaz requiere hacer el trabajo desde abajo para que nadie m谩s en la organizaci贸n se atasque con el Big Data. Tu audiencia no tendr谩 tiempo para luchar para determinar qu茅 informaci贸n es m谩s importante. Es tu trabajo interpretar los datos para ellos.