Visual Analytics & Big Data. Data Scientist. Open Data. Open Access. Data Mining. R. Weka. Scientific divulgation. Researcher. Also, I'write poetry: "Art perfects the senses"
Colisionaron un sinnúmero de pedazos contra la desgastada capa atmosférica. Esos pedazos, ya dentro de la tierra alcanzaron a tener vida propia, se dirigieron hasta las cumbres más altas, sin que les importara el frío de los nevados y el calor abrumador de los volcanes activos.
Vinieron cubiertos de trajes especiales, muy parecidos a un cascarón. Iban en cuadrillas para resguardar al líder de cada una, este se distinguía por el color del traje distinto a los demás del grupo.
Desde el monitor central de uno de los nevados más altos en los que me encontraba, alcancé a contar 270 grupos, se distribuyeron en todas las regiones del Ecuador.
Salí del refugio. Me apresuré a mirarlos. Cuando se despojaron del cascarón pude distinguir su forma. Medían alrededor de un metro. Ojos casi imperceptibles, diminutos, titilaban como luciérnagas. Tenían algo parecido a la boca, aunque solo se divisaba una línea recta o aserrada. Desde sus orejas triangulares se extendían unas extremidades parecidas a brazos y al final un solo dedo puntiagudo. Con el dedo izquierdo desaparecían los pajonales, el hielo, los riachuelos, las lagunas, los zorros, venados y las liebres. Con el dedo derecho lanzaban dinamita láser. En pocos instantes el nevado se volvió una tumba de piedras reventadas.
Cuando estos seres singulares se dieron cuenta de mi presencia, algunos se volvieron esporas blancas y los demás hilos de hollín.
Autor: Lilia Quituisaca-Samaniego Mayo 2024, Pichincha-Ecuador
“...cuando las dulces violetas enferman, su fragancia se prolonga en los sentidos...”
(Cuando las suaves voces mueren, Percy Bysshe Shelley)
Un año lleno de emociones positivas y otras que necesitaron un abrazo, remedio exclusivo que solo tiene su marca, justo la de mis padres. Gracias por enseñarme a disfrutar el trabajo en la tierra y amar la naturaleza. Gracias por incubar sueños compartidos y encaminarlos hasta convertirlos en proyectos. Gracias por ser mis ojos cuando los míos envejecieron y perdieron la noción del trayecto. Gracias por ser mi bastón cuando mis vértebras no soportaron el peso del engaño. Gracias por acompañar mis pasos y caminar sobre espinas hipócritas. Gracias por la confianza y libertad otorgada desde mis primeros días. Gracias por ser mis lectores estrictos y dejar que mis frágiles garabatos sean responsables en el pensamiento mío.
Gracias a ustedes, mi familia, por sostener mi ira, porque lo hubiese lanzado como ráfaga sobre la humanidad misma de esos oportunistas a los que renuncié.
Y claro, a los que amenazan mi integridad, a los que fastidian mis días, a los amnésicos que olvidan sus deudas y hasta a los que me proponen que nos les haga quedar mal, les digo basta; pues los demás de sobra saben lo mediocre que son; ustedes desconocen la energía que uno tiene para renacer y ningún agravio empaña la credibilidad que tiene un nombre bien puesto.
Finalmente, soy yo, Lilia, la que me impongo retos y me esfuerzo por cumplirlos, la exigente conmigo mismo y en mi vida están los que deben estar, ni más ni menos…
Post data: Mi familia está compuesta por los seres que amo: mi abuelo, mis padres, mis hermanas, mis sobrinos, pocos tíos, algunos primos y contados amigos.
Es importante disponer de datos y conocer su relación entre variables; sin embargo, su valor está en transformarlos en conocimiento.
Contexto general
“Transformar y traducir los datos en respuestas” es parte de la innovación, y ésta debe ser aplicada con responsabilidad y creatividad [4].
Uno de los siete pasos en la visualización de datos es la extracción y transformación, ya que permite “aplicar métodos de análisis para distinguir patrones”; es aquí donde recobra aún más importancia el contexto matemático [3].
Algunos métodos nos permitirán evaluar su complejidad mediante Inteligencia Artificial (IA), mineríaa de datos o específicamente la aplicación de técnicas de aprendizaje automático (machine learning).
Luego se realiza comparaciones y obtención de conclusiones previas con la extensión de los datos estadísticos mediante “índices” representativos.
Conceptos relacionados
Open data
El objetivo del open data (datos abiertos) es devolver a la sociedad sus datos públicos y fomentar la transparencia y la reutilización.
Características:
Formatos digitales, estandarizados y abiertos.
Estructura clara que permita la comprensión.
Fácil acceso y permanencia en repositorios.
Principales beneficios:
Empoderar al ciudadano de la información para que pueda ser interpretada o reinterpretada.
Fomentar un mayor grado de transparencia y reutilización.
Retos éticos
Si los datos son generados en un espacio público ¿por qué estos datos deben mantenerse en privado?
¿A quién/es le pertenece los datos generados: a las administraciones, al ciudadano, al mundo?
¿Qué pasa con la evolución de la privacidad?
¿Dónde están los límites de la información sobre nosotros, que nosotros no generamos?
¿Qué competencias se deben desarrollar?
Perfiles profesionales
En base a la tendencia actual tenemos algunos perfiles [2]:
Chief Data Officer (Oficial Jefe de Datos), lidera la gestión de datos y analítica asociada por el negocio (responsable de los diferentes equipos especialidades en datos).
Data Scientists (Científico de Datos), extraen conocimiento e información valiosa de los datos.
Citizen Data Scientist (Ciudadano Científico de Datos), no está formado específicamente para ser Data Scientist, pero puede extraer valor, a través de su experiencia, explorando los datos, desde las unidades de negocio.
Data Engineer (Ingeniero de datos), proporciona datos de una manera accesible y apropiada a los usuarios y Data Scientists.
Data Steward (Administrador de datos), mantiene la calidad, disponibilidad y seguridad de los datos.
Business Data Analyst (Analista de datos comerciales), recoge las necesidades de los usuarios de negocio para los Data Scientist y presenta resultados obtenidos.
Data Artist (Profesional Creativo), expertos en Business Analytics, crean gráficos, infografías y otras herramientas visuales.
Visualización de datos [1]
Debemos saber que:
La información reside en las relaciones, no en los datos.
La visualización es representar gráficamente esas relaciones aprovechando nuestra enorme capacidad de analítica visual.
La visualización de datos no es hacer visible la información ante nuestros ojos, sino ante nuestro entendimiento.
Extraer y transformar
Variables derivadas
Agregación de registros
Agregación de registros + Cálculos de métricas
Cuarteto de Anscombe [5]
Representar
Conclusiones
La clave del éxito del Big Data no son los datos en sí, sino los modelos de interpretación (extracción del conocimiento).
“Todas las opciones por defecto de Excel son erróneas: los ejes, el hecho de que todo se represente mediante efectos 3D, los colores por defecto, las etiquetas, los estilos gráficos por defecto…” (Noah Iliinsky)
“Los modelos mentales a menudo están construidos sobre evidencias incompletas, sobre un escaso conocimiento acerca de lo que está ocurriendo, y con un tipo de psicología ingenua que postula causas, mecanismos y relaciones, incluso cuando no existen.” (Don Norman
Referencias
[1] A. Cairo, El arte funcional, Fareso S.A., 2011.
[2] L. Quituisaca-Samaniego, Big data: visión general, Numérica Resumiendo, (2017).
[3] L. Quituisaca-Samaniego, Visualización de datos: siete pasos, Numérica Resumiendo, (2017).
[4] The Software Alliance, Por qué son tan importantes los datos?, 2015.
[5] E. Tufte, The Visual Display of Quantitative Information, Cheshire, CT: Graphics Press, 2001.
Lilia Quituisaca-Samaniego 