¡Datoos! Arrghgg … ¿cómo saco información? Las malas prácticas al transformar tus datos en resultados y cómo evitarlas. Ejemplo parte 2/3

¿Quieres ya transformar tus datos en resultados?

¿Quieres entender en qué enfocarte para impulsar tu carrera profesional a través de los datos?

Ya sé que tienes poco tiempo y quieres avanzar rápido.

Por ello este segundo post de la serie.

Durante este artículo vas a aprender a sacar resultados lo antes posible evitando las malas prácticas más comunes.

¡Vamos a ello!

¿Cuál es la mala práctica número 1 y cómo combatirla con los escalones de aprendizaje que vas a superar?

Si quieres realmente avanzar en tu carrera profesional y lanzarte a la ciencia de datos lo más importante es no caer en la impaciencia.

La impaciencia de tener resultados listos para ser presentados. La impaciencia de estar listo para ser un científico de datos. La impaciencia de aprovechar todo el potencial de los datos, ¡ya!

Todo ello hará que no sigas adelante y te bloquees sin que consigas impulsar tu carrera, optar a nuevos retos o estar motivado y lleno de energía con tus proyectos.

Lo más importante es el camino del aprendizaje. Disfrutar de él y avanzar paso a paso.

Toda habilidad, requiere de práctica. O mejor dicho, de práctica inteligente.

La práctica inteligente se base en unos pasos y lo más común es pasar de largo un paso fundamental en la aplicación y el aprendizaje: la exploración de los datos

Para ayudarte te he definido los escalones del aprendizaje:

  • EL INNOVADOR – Tiene ideas de mejora y de investigación pero no sabes cómo hacerlo a través de los datos
  • EL ANALISTA DE DATOS – Conoce técnicas de limpieza y descripción de los datos para responder a las preguntas. Pero no es capaz de dar respuestas estadísticamente ni encontrar patrones escondidos de tus datos.
  • EL INVESTIGADOR – capaz de responder a preguntas con modelos estadísticos y dar respuestas estadísticamente. Le falta ir un paso más allá y crear herramientas que puedan predecir, identificar patrones etc..
  • EL CIENTÍFICO DE DATOS – es capaz de resolver problemas con técnicas de descripción, modelos y algoritmos. Puede crear herramientas predictivas para crear herramientas y dar solución a los problemas

Estos son los cuatro estadios que definen la habilidad de trabajar tus datos.

¿En cuál te identificas más?

¿Hasta dónde quieres llegar?

Sea la respuesta que sea, no se trata de formarte por que si. Si no de seguir unas directrices y unos pasos para avanzar con el foco puesto en la práctica y la consecución de resultados.

A continuación seguimos con el ejemplo que vimos en este artículo para ilustrarte cómo ir paso a paso desgranando tu proyecto.

Ejemplo Parte 2/3 – Las malas prácticas y cómo evitarlas para sacar resultados de forma eficaz y rápida

En este vídeo te quiero explicar cómo puedes sacar resultados de forma rápida sin estar centrado en técnicas matemáticas y complejas sin desesperar porque quieres resultados ya.

Ya verás que está muy relacionado con los escalones del aprendizaje que has visto en el punto anterior.

Además es la continuación del primer vídeo. Si no lo has visto aún te recomiendo que lo veas. Lo puedes ver aquí.

Vamos a trabajar un ejemplo dónde puedes descargar los datos:

DESCARGA LOS DATOS AQUÍ

La impaciencia es mala consejera 🙂 y la exploración es tu solución.

¡Nos vemos en el vídeo!

Si has visto el vídeo lo más importante es poder trabajar tu materia prima primero para poder sacar buenos gráficos.

Los gráficos son muy importantes para poder aplicar buenos análisis después.

¡A por ello!

Resumen de lista de malas prácticas cuando queremos avanzar en la ciencia de datos

Aquí algunas de las malas prácticas que nos impiden seguir avanzando los escalones del aprendizaje y convertirnos en científico de datos:

Enfocar tus esfuerzos en formarte sin pasar a la acción –  una de las malas prácticas cuando empiezas es formarte sin implementar lo que vas aprendiendo. Si no implementas llegará un momento que te hartarás. Es importante vaciar la mente y la claridad está en la acción.

Querer ser un maestro Yoda en los softwares –  me estoy dando cuenta que muchos se enfocan en ser unos cracks en R, Python o la herramienta que sea sin practicar lo más importante: la resolución de problemas reales a través de los datos. Yo entiendo que llama mucho la atención saber mucho de programar y crear gráficos espectaculares pero… te dará mucho valor como profesional si sabes resolver problemas de principio a fin :). Y no hace falta ser el Yoda de los softwares. Te lo aseguro.

Miedo paralizante al enfrentarte a proyectos reales – cuando te enfrentas a los proyectos reales es cuando todo lo que has aprendido se aplica de verdad. Es cuando se clarifica todo si entiendes un método de trabajo que te voy a compartir en el siguiente post de la serie 🙂 Te recomiendo que te lances y te involucres en proyectos reales.

Ordenar tus datos en distintas tablas de datos – es muy importante definir correctamente las variables y definirlas en una sola tabla de datos para tratar de simplificar tu materia prima, que son los datos 🙂

Utilizar todos los datos de golpe sin resumir – si tenemos muchos datos, es importante seguir el lema: resume y vencerás. Si conseguimos resumir los datos a una tabla más pequeña lograremos visualizarlos de forma más sencilla. Con ello conseguirás que muchos proyectos avancen a la velocidad de la luz.

Espero que te haya gustado la lección y el vídeo con el ejemplo.

En el siguiente post de la serie te mostraré la manera ideal de Analizas los Datos y llevar un cabo un proyecto de ciencia de datos.

Dime en los comentarios qué te ha parecido el vídeo y en qué te enfocarás a partir de ahora para sacar resultados de forma rápida 🙂

Sobre el autor

Scroll al inicio