Dato

Dato: Característica o atributo sin procesamiento. Ejemplo: nombre, apellido, DNI, fecha de nacimiento, título.

Información

Información: Unión de datos procesados. La información es la unión de varios datos, permite complementar datos que no tienen sentido por sí solos, para brindar contexto completo a una situación. Ejemplo: Emanuel Bombina, Argentino, Ingeniero en Informática.

Data Analytics (Análisis de datos)

Conjunto de métodos y técnicas de medición, que permiten gestionar la información en tres grandes etapas, recolección, transformación y visualización.

El Data Analytics no es un software, sino que se trata de un grupo de tareas para identificar la necesidad del negocio a fin de trabajar en su solución. Para eso, las personas que tienen habilidades para el análisis de datos utilizan herramientas y tienen criterio para determinar las métricas que deben ser tenidas en cuenta ya que no todas son válidas.  

La tendencia a trabajar en base al análisis de datos está en aumento ya que las organizaciones que trabajan de esta manera pueden tomar mejores decisiones operativas y gestionar los riesgos. 

Analista de datos

El Analista de Datos es una persona que busca como se pueden usar los datos para responder preguntas y resolver problemas.

El Analista de Datos obtiene conclusiones, estudian lo que está sucediendo para identificar tendencias y hacer predicciones sobre el futuro.

El Analista ayuda a otras personas dentro de la compañía a entender solicitudes específicas por medio de gráficas y resúmenes numéricos.

• Skills: Estadística, Comunicación y Entendimiento del negocio.

• Software comúnmente usado: Excel, Tableau, SQL, Power BI

Base de Datos

Base de Datos: Conjunto de datos almacenados en un contexto.

SGBD o DBMS

Sistema de Gestión de Bases de Datos: Ejemplos: Oracle, PostgreSQL, MySQL, SQL Server, Access.

Características:

• Recuperación

• Integridad

• Concurrencia

• Seguridad

Datawarehouse

Datawarehouse

DER (Diagrama de Entidad Relación

DER (Diagrama de Entidad Relación): Es la arquitectura de la Base de Datos (modelo), hay varios tipos de modelado de datos para trabajar, el "Relacional" es el más común en el Data Analytics.

Programas para hacer DER:

• https://www.diagrams.net/

• https://miro.com/es/ 

Data Science (Ciencia de Datos)

Data Science: campo interdisciplinario que utiliza métodos científicos, procesos, algoritmos y sistemas con el fin de extraer conocimientos e insights de datos estructurados, no estructurados y semiestructurados

Data Scientist (Científico de Datos)

Data Scientist: persona que es capaz de tomar proyectos de Data Science desde el inicio al fin. Pueden almacenar grandes cantidades de información, crear modelos predictivos y presentar resultados.

• Skills: Matemáticas, Programación y Comunicación

• Software comúnmente usado: SQL, Python, R

Data Engineers

Data Engineers: personas versátiles capaces de usar la ciencia de computación para procesar grandes cantidades de datos. Se enfocan en procesos de codigo, limpieza de datos e implementar solicitudes de los data Scientists

• Skills: Matemáticas, Programación y Big Data.

• Software comúnmente usado: Hadoop, NoSQL, Python, AWS, Azure.

 KPI`S

• Los KPI`s son métricas que se utilizan para hacer seguimiento a los resultados de las acciones de nuestra estrategia.

  • Medir determinadas variables y resultados.

  • Permiten obtener información valiosa y útil.

  • Nos permite monitorear las estrategias.

OKR`S

• Los OKR`s son los objetivos y resultados esperados que sirven como base de los resultados medibles, para ser más claro es lo que nos permite que los objetivos y resultados estén alineados.

• Los OKR`S son tus objetivos generales y los KPI`S son específicos, ambos dos van de la mano. Definir los OKR y KPI, te ayuda a analizar con precisión el desempeño de tu emprendimiento.

Frases

• Lo que no se puede medir, no se puede controlar. Lo que no se puede controlar, no se puede mejorar

• “Lo que no se puede medir no se puede controlar; lo que no se puede controlar no se puede gestionar; lo que no se puede gestionar no se puede mejorar.” Esta frase se le es atribuida a Peter Drucker quien fue un consultor y profesor de negocios. Sin embargo, realmente la frase corresponde a William Thomson Kelvin (Lord Kelvin). Físico y matemático británico, que indicaba: “Lo que no se define no se puede medir. Lo que no se mide, no se puede mejorar. Lo que no se mejora, se degrada siempre.”