La ciencia de datos es el trabajo de responder preguntas con datos: juntarlos, limpiarlos, explorarlos, a veces armar un modelo que prevé algo, y contar el resultado para que alguien decida. Mezcla estadística, programación (por ejemplo, Python y SQL) y entender el negocio. El machine learning es una de sus herramientas, no todo el trabajo.
Una pregunta de la app. Elige una respuesta.
Gerencia pregunta por qué cayeron las ventas en marzo y lo quiere en un gráfico. ¿Quién?
Deja los datos listos para consultar. Explicar qué pasó en marzo y contarlo con gráficos es otro trabajo.
Trabaja con modelos que corren en producción. Para explicar una caída alcanza con consultar y comparar datos, sin entrenar nada.
Consulta los datos (muchas veces con SQL), compara meses y lo cuenta con gráficos que gerencia entienda. Responde preguntas del negocio.
Una tienda quiere saber qué clientes están por dejar de comprar. Primero se aclara la pregunta: ¿qué cuenta como «dejar de comprar»? Después se juntan los datos de ventas, se limpian (fechas mal cargadas, clientes repetidos) y se exploran con gráficos. Recién ahí, si conviene, se prueba un modelo de machine learning que marque a los clientes en riesgo. Y al final se explica qué se encontró y qué tan seguro es.
Limpiar y entender los datos suele llevar más tiempo que el modelo. Los errores en los datos pueden pasar al modelo. Y si rinde bien con los ejemplos de entrenamiento pero mal con casos nuevos parecidos, hay sobreajuste.
Se cruzan, pero no son lo mismo. La IA busca que una máquina haga tareas que parecen inteligentes. El machine learning es una forma de lograrlo aprendiendo de ejemplos. La ciencia de datos usa el machine learning cuando sirve, pero muchas preguntas se responden con una buena consulta, un promedio bien hecho y un gráfico claro.
Los puestos de ciencia de datos aparecen con títulos en inglés, y se superponen: Data Analyst suele enfocarse en análisis e informes; Data Scientist, en experimentos y modelos; Data Engineer, en preparar y mover los datos. Qué hace cada uno está en roles de IA y datos. Para entrar suelen pedir SQL, Python, algo de estadística y saber contar un resultado a alguien que no es técnico.