• Phone: (+34) 933 936 596
  • info@bswandata.com

En este post diferenciamos entre Data Analyst (DA) y Data Scientist (DS), en función de ¿Qué es? ¿Cuáles son sus principales funciones? ¿Qué habilidades diferencian a uno? Así como algunos ejemplos de los sectores económicos que comúnmente pueden aplicar sus conocimientos.

Diferencia entre ambos conceptos

Un Data Scientist se diferencia de un Data Analyst en varias cosas. El primero de ellos es su función: un DS predice el futuro a partir de patrones del pasado. El DA, por el contrario, extrae información significativa a partir de los mismos. A partir de ese futuro que hay que predecir, el DS se hace preguntas. El DA, por el contrario, se encarga de responderlas. Además, el DS extrae la información a partir de varias fuentes, mientras que el DA sólo de una.

 

Data Analyst (DA)

Es un analista de datos que examina grandes cantidades de datos (Data Mining), posee conocimiento frecuentemente enfocado a un área o departamento específicos del negocio (entre las más recurridas: finanzas, ventas, producción, logística, marketing), es capaz de desarrollar un data story telling.

Su trabajo consiste en el análisis descriptivo de la información para identificar tendencias, anomalías; desarrollar gráficos o tablas y crear presentaciones visuales que ayuden a dirigir la toma de decisiones y estratégicas del negocio. El Data Analyst suele tener una comprensión completa de la industria en la que trabaja.

 

Las habilidades del DA

Un analista de datos debe tener la habilidad de tomar una pregunta específica o un tema específico y discutir cómo se ven los datos y representar esos datos a las partes interesadas de la empresa.

  1. Conocimiento de estadística y matemática
  2. Comprensión fluida de R y Python
  3. Disputa de datos
  4. Entender PIG/HIVE
  5. Fuerte conocimiento en visualización

Aplicaciones comunes de un Data Analyst

  • Identificar cualquier problema de calidad de datos en la adquisición de datos.
  • Resolver problemas de negocios.
  • Mapear y luego rastrear los datos.
  • Coordinar con ingeniería recopilaciones de nuevos datos.
  • Realizar un análisis estadístico de datos del negocio.
  • Documentar los tipos y la estructura de los datos comerciales.
  • Plantear estrategias de cambio hacia la empresa basadas en la predicción.

 

 Casos de uso del trabajo de un DA 

  • Up-selling y cross-selling
  • Vista 360º del cliente.
  • Análisis de la canasta de compra en un e-commerce.
  • Análisis de redes sociales (ej. aumento de seguidores, incremento de ventas).
  • Entrega personalizada de la experiencia del cliente.
  • Análisis y prevención de la rotación de clientes.

Data Scientist (DS)

Un científico de datos suele ser un perfil más técnico y matemático, con amplia experiencia en informática. Su trabajo consiste en diseñar y construir nuevos procesos para el modelado y producción de datos. Procesa los datos usando diferentes métodos estadísticos (algoritmos de regresión, redes neuronales, pruebas de hipótesis, etc). Su trabajo ayuda a la exploración de información para encontrar patrones ocultos con aplicaciones dirigidas. Posee la capacidad de emplear variedad de lenguajes y herramientas para unir sistemas y preparar datos que serán utilizados por los modelos y test que ha diseñado.

Las habilidades del DS

Un Data Scientist actúa más allá de los problemas de negocios y debe ser capaz de interactuar plenamente con los datos a nivel atómico, trata con datos estructurados y no estructurados, los transforma con un objetivo planteado previamente.

  1. Comprender múltiples funciones analíticas
  2. Conocimiento del aprendizaje automático
  3. Experiencia práctica en codificación de base de datos SQL
  4. Capacidad para trabajar con datos no estructurados de diversas fuentes como vídeos y redes sociales
  5. Conocimiento fuerte de Python, SAS, R, Scala

Aplicaciones comunes de un DS 

  • Limpiar y procesar datos.
  • Realizar predicciones de los problemas de negocio. Sus rol es dar resultados futuros de ese negocio.
  • Desarrollar modelos de aprendizaje automático y métodos analíticos.
  • Encontar nuevas preguntas comerciales que luego puedan agregar valor al negocio.
  • Data Mining utilizando métodos de última generación.
  • Presentar resultados de manera clara y hacer el análisis ad-hoc.

Casos de uso del trabajo de un DS

  • Análisis clickstream
  • Recomendaciones de búsqueda
  • Optimización de publicidad
  • Automatización de la gestión de riesgos.
  • Análisis sentimental
  • Detección de fraudes y riesgos.

Conclusiones

 La ciencia de datos y el crecimiento exponencial de estos ha hecho que se generen perfiles multidisciplinares, que sean capaces de afrontar los procesos actuales de consumo de datos ya sea por objetivos económicos o sociales.

Aunque en este artículo se ha tratado de definir el concepto y responsabilidades de un DS y un DA, la industria actual nos demuestra que las habilidades que cada uno desarrolla, pueden depender de 3 factores:

  • Antecedentes y experiencia del profesional.
  • Necesidad de la empresa y objetivos claves a resolver.
  • Disponibilidad de recursos SW& HW

El grado de conocimiento dentro de  las múltiples disciplinas que posee un profesional para realizar un proyecto dentro del amplio mundo del BIG DATA definirá la rapidez, garantía y presupuesto de un proyecto de este tipo.

 En un sitio web, el análisis del flujo de clics (clickstream análisis) es el proceso de recopilación, análisis e informe de datos agregados sobre qué páginas visita un sitio web, y en qué orden. La ruta que toma el visitante a través de un sitio web se denomina secuencia de clics.