Parte 1 de 4: El aporte de las matemáticas
Este mes serán dedicados los artículos de nuestro espacio a profundizar sobre algunos aspectos de los aportes técnicos de especializades al perfil del científico de datos que fueron brevemente mencionados en una entrega anterior (El científico de datos).
En esta primera parte iniciaremos profundizando en el aporte técnico de las matemáticas y durante las entregas se presenta los restantes 3 aportes técnicos de estadística, programación y conocimiento empresarial.
Aporte técnico de las matemáticas para el Científico de Datos
Cuando pensamos en matemáticas, muchas veces es asociada a problemas, asignatura poco atractiva, la principal piedra en secundaria por sus fórmulas complejas y cálculos interminables. Sin embargo, cuando hablamos de la Ciencia de Datos, las matemáticas se convierten en una herramienta práctica y poderosa que ayuda a resolver problemas reales de forma lógica, estructurada, planificada y ordenada. Su utilidad va mucho más allá del aula: se aplican en decisiones empresariales, análisis de tendencias y desarrollo de soluciones en diversos ámbitos.
Uno de los grandes retos de esta disciplina es encontrar soluciones, incluso cuando los primeros intentos fallan. En lugar de frustrarse, quienes trabajan en Ciencia de Datos aprenden a observar los errores, ajustar su enfoque y seguir adelante hasta obtener respuestas prácticas, entendibles y útiles para quienes las solicitan. Aquí es donde las matemáticas entran en juego: permiten construir algoritmos, es decir, secuencias de pasos que resuelven un problema, basándose en principios matemáticos y dependiendo del tipo de problema enfrentado, el nivel de especialidad se incrementa. Estos algoritmos ayudan a procesar datos, identificar patrones, hacer predicciones y tomar decisiones fundamentadas, algo contra lo que pocos pueden debatir si se presenta de forma adecuada y se transmite igualmente los resultados.
No se trata de ser un experto en matemáticas muy complejas, sino de tener la capacidad de razonar con lógica, entender los conceptos clave y lograr una correcta divulgación. Por ejemplo, conocer cómo calcular un promedio, entender la desviación estándar o interpretar una correlación puede marcar la diferencia al analizar información al compararse con personas que desconocen sobre ello. Esta comprensión permite que cualquier persona que así lo desee pueda iniciarse en la Ciencia de Datos y aprovechar sus aplicaciones prácticas, que por ciertos son altamente demandadas en los últimos años.
La Ciencia de Datos se basa en aplicaciones muy concretas, altamente aplicables y practicas: desde predecir la demanda de un producto hasta analizar el comportamiento de los clientes, optimizar procesos o identificar riesgos financieros, generar análisis financieros y estadísticos diversos. Todos estos escenarios requieren una base matemática, pero lo más importante es la actitud de quien los enfrenta: tener la disposición de buscar soluciones, aprender de los errores y usar herramientas matemáticas para avanzar, mejorando de forma constante en el camino.
Además, las matemáticas fortalecen el pensamiento crítico y la capacidad de analizar situaciones desde distintos ángulos, comprender posiciones inicialmente contrarias a la nuestra y lograr mejor entendimiento con los equipos interdisciplinarios como en los que deben trabajar los Científicos de datos. Esta forma de razonar es fundamental en un mundo donde la información abunda, pero solo quienes saben interpretarla con criterio pueden orientar y tomar decisiones acertadas.
Las matemáticas es un recurso valioso en la Ciencia de Datos, entender sus principios básicos y aplicarlos de manera práctica permite transformar datos en información de alto valor para toma de decisiones inteligentes. Y lo mejor es que no se necesita un doctorado para hacerlo, solo ganas de aprender, resolver problemas con lógica y atreverse a intentarlo una y otra vez, hasta conseguir las soluciones por las que se trabaja.
En la siguiente entrega conoceremos sobre el aporte técnicos de la estadística a este perfil.