Pasos para un Proyecto de Ciencia de datos Genjis A. Ossa

Comprensión del Negocio.

Definición del problema.

Identificación de objetivos.

Identificación de restricciones y recursos.

Entorno del negocio.

Comprensión de los Datos.

Recolección de datos.

Análisis exploratorio de datos.

Evaluación de calidad de los datos.

Preparación de los Datos.

Limpieza de datos.

Transformación de datos.

Selección de variables.

Integración de datos.

Modelado.

Selección de algoritmos.

División de datos (si aplica)

Entrenamiento del modelo (si aplica)

Optimización de hiperparámetros.

Evaluación.

Evaluación de desempeño del modelo.

Comparación con objetivos del negocio.

Validación con stakeholders.

Despliegue del modelo.

CRISP-DM

Proyectos generales de minería de datos.

ASUM-DM

Proyectos complejos en grandes empresas.

KDD

Proyectos enfocados en análisis de grandes bases de datos.

SEMMA

Proyectos de análisis de datos altamente técnicos.

TDSP

Proyectos de ciencia de datos en equipos grandes.

Agile Data Science

Proyectos que requieren rapidez y adaptabilidad.

DSDM

Proyectos con plazos ajustados.

Lenguajes de Programación

Plataformas y Entornos de Desarrollo

Herramientas de Análisis y Minería de Datos

Herramientas de Big Data y Procesamiento Distribuido

Herramientas de Visualización de Datos

Herramientas de Almacenamiento de Datos y Bases de Datos

Comprensión del Negocio

Falta de claridad en los objetivos del negocio.

Comprensión de los Datos

Datos de mala calidad.

Dificultad para acceder a los datos.

Preparación de los Datos.

Selección incorrecta de variables.

Incompatibilidad de datos.

Modelado.

Selección inadecuada de algoritmos.

Alto costo computacional.

Evaluación y Despliegue.

Mala generalización del modelo.

Incompatibilidad con la infraestructura.

Desalineación con los objetivos de negocio.

Impactos Técnicos

Optimización del rendimiento.

Innovación tecnológica.

Aumento en la precisión de los modelos.

Impactos Económicos

Reducción de costos.

Mejora en la rentabilidad.

Optimización de recursos.

Impactos Organizacionales

Mejora en la toma de decisiones estratégicas.

Desarrollo de capacidades internas.

Impactos sociales

Mejora en la calidad del servicio.

Transparencia y responsabilidad.

Sector Financiero

Evaluación de riesgos.

Prevención de fraudes.

Sector Salud

Predicción de enfermedades.

Sector Retail

Análisis de comportamiento del cliente.

Optimización de la cadena de suministro.

Sector de Transporte y Logística

Optimización de rutas.

Mantenimiento predictivo.

Sector de Gobierno y Servicios Públicos.

Gestión de recursos públicos.

Análisis de políticas públicas.