¿Cuáles son las 5 P's de ciencia de datos?

Se necesitan varios factores para gestionar proyectos de ciencia de datos que se pueden dividir en lo que se llaman las 5 Ps o elementos clave: propósito, personas, procesos, plataformas y programabilidad.

En este artículo te explicaremos como puedes beneficarte de estos 5 factores de la ciencia de datos en tus proyectos.

P 1: Propósito

Al igual que en el enfoque clásico de la gestión de proyectos, siempre debe formularse un objetivo o propósito. Los posibles ejemplos pueden ser:

• Mejores perspectivas de negocio
• Prevención/detección de fraudes
• Predicción
• Problemas de maximización, etc.

Es esencial que un proyecto dentro del campo de Big Data o Ciencia de los Datos tenga un propósito u objetivo específico.

Nunca debes trabajar sin rumbo en un proyecto, sólo porque todo el mundo lo está haciendo, ya que no será útil para ti ni para tu empresa.

P 2: Personas

Varios tipos de personas con diferentes habilidades juegan un papel importante dentro de un proyecto de ciencia de datos. Para trabajar con éxito con los datos, los desarrolladores, probadores, científicos de datos y expertos en dominios son esenciales.

Además,interesados directos o patrocinadores de proyectos y el director del proyecto o gestor del producto participan en los proyectos de datos. En esta relación, el primer grupo de personas tiene que ser informado sobre el progreso del proyecto, mientras que este último tiene la tarea de mediar entre las partes interesadas y el equipo de desarrollo.

P 3: Procesos

Hay dos tipos principales de procesos dentro de los proyectos de ciencia de datos: procesos organizativos frente a procesos técnicos.

Algunos ejemplos pueden ser:

Procesos organizacionales:

• Informes de progreso del proyecto y marketing del proyecto (por ejemplo, cómo informo a mis partes interesadas)
• Procesos de cambio (Cómo involucro a las personas y las hago colaboradoras)

Procesos técnicos

• ¿Cuál es el proceso de negocio que estoy tratando de respaldar con ciencia de datos?
• Procesos de integración de datos y preguntas como qué usar (por ejemplo, ¿ETL vs ELT?)
• ¿Qué procesos de análisis de datos y ciencia de datos (por ejemplo, CRISP-DM)

P 4: Plataformas

Además de los factores mencionados anteriormente, las preguntas fundamentales y estratégicas que se refieren a qué plataformas utilizarás para tu análisis y productos también son fundamentales para gestionar con éxito un proyecto de ciencia de datos.

A continuación listamos algunos ejemplos de posibles preguntas:

• ¿Qué estrategias y Tecnologías de la Información (TI) usar?
• ¿Qué arquitectura anterior (TI) usar?
• ¿Una o dos velocidades de TI?

Y estas preguntas conducen a más preguntas como por ejemplo:

• ¿Cómo debe realizarse la integración de datos? (Manualmente, Java, herramientas como Talend, Dataflow, etc.)
• ¿Qué servicios en la nube utilizar? (AWS, Google cloud, Azure, público, privado, híbrido...)
• ¿Cuáles son mis requisitos técnicos y de seguridad?
• ¿Cuáles contrato de servicio técnico (SLA) es más más adecuado a mis necesidades? (contrato entre un proveedor de servicios y un cliente)

P 5: Programabilidad

Por último, ¿quieres pensar en qué herramientas y lenguajes de programación quieres utilizar? (Python, R, SQL, Java, C y C++ Scala...)

Por supuesto, este punto también está determinado e influenciado por la gestión y la estrategia de TI y las respuestas a las preguntas anteriores.

Para más información sobre la ciencia de datos y las 5 Ps, puedes hacer clic en los enlaces de abajo.

Artículos Relacionados:

• ¿Cuáles son los componentes de la ciencia de datos de las cinco P?
• ¿Cuáles son los diez componentes principales de la ciencia de los datos?
• ¿Cuáles son los 4 tipos de datos en ciencia de datos?
• ¿Cuáles son los 3 componentes de la ciencia de datos?
• ¿Qué es el científico de datos L5?

• sciendat.es@gmail.com