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 sinnรบmero de pedazos contra la desgastada capa atmosfรฉrica. Esos pedazos, ya dentro de la tierra alcanzaron a tener vida propia, se dirigieron hasta las cumbres mรกs altas, sin que les importara el frรญo de los nevados y el calor abrumador de los volcanes activos.
Vinieron cubiertos de trajes especiales, muy parecidos a un cascarรณn. Iban en cuadrillas para resguardar al lรญder de cada una, este se distinguรญa por el color del traje distinto a los demรกs del grupo.
Desde el monitor central de uno de los nevados mรกs altos en los que me encontraba, alcancรฉ a contar 270 grupos, se distribuyeron en todas las regiones del Ecuador.
Salรญ del refugio. Me apresurรฉ a mirarlos. Cuando se despojaron del cascarรณn pude distinguir su forma. Medรญan alrededor de un metro. Ojos casi imperceptibles, diminutos, titilaban como luciรฉrnagas. Tenรญan algo parecido a la boca, aunque solo se divisaba una lรญnea recta o aserrada. Desde sus orejas triangulares se extendรญan unas extremidades parecidas a brazos y al final un solo dedo puntiagudo. Con el dedo izquierdo desaparecรญan los pajonales, el hielo, los riachuelos, las lagunas, los zorros, venados y las liebres. Con el dedo derecho lanzaban dinamita lรกser. En pocos instantes el nevado se volviรณ una tumba de piedras reventadas.
Cuando estos seres singulares se dieron cuenta de mi presencia, algunos se volvieron esporas blancas y los demรกs hilos de hollรญn.
Autor: Lilia Quituisaca-Samaniego Mayo 2024, Pichincha-Ecuador
โ...cuando las dulces violetas enferman, su fragancia se prolonga en los sentidos...โ
(Cuando las suaves voces mueren, Percy Bysshe Shelley)
Un aรฑo lleno de emociones positivas y otras que necesitaron un abrazo, remedio exclusivo que solo tiene su marca, justo la de mis padres. Gracias por enseรฑarme a disfrutar el trabajo en la tierra y amar la naturaleza. Gracias por incubar sueรฑos compartidos y encaminarlos hasta convertirlos en proyectos. Gracias por ser mis ojos cuando los mรญos envejecieron y perdieron la nociรณn del trayecto. Gracias por ser mi bastรณn cuando mis vรฉrtebras no soportaron el peso del engaรฑo. Gracias por acompaรฑar mis pasos y caminar sobre espinas hipรณcritas. Gracias por la confianza y libertad otorgada desde mis primeros dรญas. Gracias por ser mis lectores estrictos y dejar que mis frรกgiles garabatos sean responsables en el pensamiento mรญo.
Gracias a ustedes, mi familia, por sostener mi ira, porque lo hubiese lanzado como rรกfaga sobre la humanidad misma de esos oportunistas a los que renunciรฉ.
Y claro, a los que amenazan mi integridad, a los que fastidian mis dรญas, a los amnรฉsicos que olvidan sus deudas y hasta a los que me proponen que nos les haga quedar mal, les digo basta; pues los demรกs de sobra saben lo mediocre que son; ustedes desconocen la energรญa que uno tiene para renacer y ningรบn agravio empaรฑa 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 estรกn los que deben estar, ni mรกs ni menos…
Post data: Mi familia estรก compuesta por los seres que amo: mi abuelo, mis padres, mis hermanas, mis sobrinos, pocos tรญos, algunos primos y contados amigos.
Es importante disponer de datos y conocer su relaciรณn entre variables; sin embargo, su valor estรก en transformarlos en conocimiento.
Contexto general
โTransformar y traducir los datos en respuestasโ es parte de la innovaciรณn, y รฉsta debe ser aplicada con responsabilidad y creatividad [4].
Uno de los siete pasos en la visualizaciรณn de datos es la extracciรณn y transformaciรณn, ya que permite โaplicar mรฉtodos de anรกlisis para distinguir patronesโ; es aquรญ donde recobra aรบn mรกs importancia el contexto matemรกtico [3].
Algunos mรฉtodos nos permitirรกn evaluar su complejidad mediante Inteligencia Arti๏ฌcial (IA), minerรญaa de datos o especรญficamente la aplicaciรณn de tรฉcnicas de aprendizaje automรกtico (machine learning).
Luego se realiza comparaciones y obtenciรณn de conclusiones previas con la extensiรณn de los datos estadรญsticos mediante โรญndicesโ representativos.
Conceptos relacionados
Open data
El objetivo del open data (datos abiertos) es devolver a la sociedad sus datos pรบblicos y fomentar la transparencia y la reutilizaciรณn.
Caracterรญsticas:
Formatos digitales, estandarizados y abiertos.
Estructura clara que permita la comprensiรณn.
Fรกcil acceso y permanencia en repositorios.
Principales beneficios:
Empoderar al ciudadano de la informaciรณn para que pueda ser interpretada o reinterpretada.
Fomentar un mayor grado de transparencia y reutilizaciรณn.
Retos รฉticos
Si los datos son generados en un espacio pรบblico ยฟpor quรฉ estos datos deben mantenerse en privado?
ยฟA quiรฉn/es le pertenece los datos generados: a las administraciones, al ciudadano, al mundo?
ยฟQuรฉ pasa con la evoluciรณn de la privacidad?
ยฟDรณnde estรกn los lรญmites de la informaciรณn sobre nosotros, que nosotros no generamos?
ยฟQuรฉ 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 gestiรณn de datos y analรญtica asociada por el negocio (responsable de los diferentes equipos especialidades en datos).
Data Scientists (Cientรญfico de Datos), extraen conocimiento e informaciรณn valiosa de los datos.
Citizen Data Scientist (Ciudadano Cientรญfico de Datos), no estรก formado especรญficamente para ser Data Scientist, pero puede extraer valor, a travรฉs 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 grรกficos, infografรญas y otras herramientas visuales.
Visualizaciรณn de datos [1]
Debemos saber que:
La informaciรณn reside en las relaciones, no en los datos.
La visualizaciรณn es representar grรกficamente esas relaciones aprovechando nuestra enorme capacidad de analรญtica visual.
La visualizaciรณn de datos no es hacer visible la informaciรณn ante nuestros ojos, sino ante nuestro entendimiento.
Extraer y transformar
Variables derivadas
Agregaciรณn de registros
Agregaciรณn de registros + Cรกlculos de mรฉtricas
Cuarteto de Anscombe [5]
Representar
Conclusiones
La clave del รฉxito del Big Data no son los datos en sรญ, sino los modelos de interpretaciรณn (extracciรณn del conocimiento).
โTodas las opciones por defecto de Excel son errรณneas: los ejes, el hecho de que todo se represente mediante efectos 3D, los colores por defecto, las etiquetas, los estilos grรกficos por defectoโฆโ (Noah Iliinsky)
โLos modelos mentales a menudo estรกn construidos sobre evidencias incompletas, sobre un escaso conocimiento acerca de lo que estรก ocurriendo, y con un tipo de psicologรญa ingenua que postula causas, mecanismos y relaciones, incluso cuando no existen.โ (Don Norman
Referencias
[1] A. Cairo, El arte funcional, Fareso S.A., 2011.
[2] L. Quituisaca-Samaniego, Big data: visiรณn general, Numรฉrica Resumiendo, (2017).
[3] L. Quituisaca-Samaniego, Visualizaciรณn de datos: siete pasos, Numรฉrica Resumiendo, (2017).
[4] The Software Alliance, Por quรฉ son tan importantes los datos?, 2015.
[5] E. Tufte, The Visual Display of Quantitative Information, Cheshire, CT: Graphics Press, 2001.
Lilia Quituisaca-Samaniego 