Reflexiones sobre la ciencia de datos:
Recientemente inicié un proceso de aprendizaje en ciencia de datos, por lo que decidí compartir algunas reflexiones sobre mi primera interacción formal con esta área del conocimiento y consideraciones al integrar esta información en discusiones del pensamiento de sistemas complejos.
Construir una definición que integre un pilar ético
La ciencia de datos busca hacer uso y darle sentido a la gran cantidad de datos que se generan diariamente en plataformas, negocios e interacciones de todo tipo. Datos que sin duda deben como mínimo la posibilidad de un registro. Desde luego, debemos cuestionarnos el enfoque ético en la recolección responsable de esos datos y para qué van a ser usados.
Incluir la posibilidad de integrar investigaciones mixtas
En este proceso de registro, las bases de datos y las plataformas que nos permiten crearlas y editarlas juegan un rol fundamental. Aunque este proceso no debe pensarse de manera natural desde lo digital, ya que la fuente de dicho datos no siempre será automática ni informática; es decir, que cualquiera de esas bases de datos pueden surgir de conversaciones, experiencias e investigaciones como fuentes de datos primarios y análogos.
Superar las crisis o puntos ciegos del paradigma técnico ingenieril
Entrando un poco en los procesos involucrados en la ciencia de datos, podemos intuir que la calidad y confiabilidad de los mismos es crucial para poder llegar a conclusiones sobre cualquier fenómeno. Aquí, los enfoques cuantitativos de la ciencia, así como el paradigma técnico ingenieril, se presenta como el marco evidente para cualquier metología, método y técnica en la ciencia de datos.
Definir objetivos multinivel
En todo proyecto, el objetivo técnico puede ser encontrar patrones en los datos, teniendo reglas estadísticas y matemáticas como marcos conceptuales, pero siempre habrá que plantear objetivos más profundos en cuanto a la definición de patrones vinculados con KPIs, con la optimización de procesos y con la toma de decisiones desde la mirada económica.
Y cuando menos, debe integrar con la misma seriedad algún objetivo que reconozca la complejidad del problema no solo industrial sino también tecnológica, económica y social en la que se inserta una epistemología para la ciencia de datos. Buscando evitar con ello el reduccionismo que tanto se ha referido ya de cualuquier ciencia que ignora las dimensiones contextuales de cualquier problema de investigación, regresando siempre al máximo cuestionamiento de la reflexividad.
Promover procesos de integración de información y construcción de conocimientos
Por último, bajo el supuesto de tener toda una maquinaria metodológica y técnica resuelta, será indispensable que el alcance a nivel de información sea útil, en términos de comunicación, entendimiento e intensión. Sólo de esta manera podrán integrarse datos que en contexto se vuelva una herramienta no sólo en el plazo de las decisiones sino en el proceso de nuevas formas de aprender y aplicar conocimientos en espiral.