La capacidad de comprender y comunicarse sobre los datos es una habilidad cada vez más importante. Esto es cierto por algunas razones, primero la ciencia de datos y la IA están afectando a muchas industrias a nivel mundial, en segundo lugar, gran parte de las noticias se informan a través de los lentes de datos y modelos predictivos. Y tercero, gran parte de nuestros datos personales se utilizan para definir cómo interactuamos con el mundo.
Cuando tantos datos informan decisiones en tantas industrias, debe tener una comprensión básica del ecosistema de datos para ser parte de la conversación.
De qué hablamos cuando hablamos de datos
Los conceptos relacionados con los datos que las personas no técnicas necesitan comprender se dividen en cinco categorías:
- generación, recopilación y almacenamiento de datos,
- cómo se ven y se sienten los datos para los científicos y analistas de datos,
- intuición estadística y estadística común trampas,
- construcción de modelos, aprendizaje automático e inteligencia artificial, y
- la ética de los datos, grandes y pequeños.
La recopilación de datos no se relega sólo al mundo de las interacciones entre laptops, teléfonos inteligentes y tabletas, sino al Internet de las cosas (IoT), un alcance mucho más amplio para objetos como radios y luces, que pueden ser inteligentes conectándolos a Internet, junto con cualquier otro dispositivo de recolección de datos, como rastreadores de ejercicios, asistentes y autos sin conductor.
Tipos de datos
Los científicos de datos generalmente encuentran datos en una de tres formas:
- datos tabulares (es decir, datos en una tabla, como una hoja de cálculo).
- datos de imagen (su uso más común es el diagnóstico de enfermedades).
- datos no estructurados, como texto en lenguaje natural o código html , que constituye la mayoría de los datos del mundo
Esto son puntos de partida para la alfabetización de datos. Cuando se trata de datos, lo mejor es entender cómo se recopilaron y qué tipo de datos son. Eso ayudará a comprender el significado, y el trabajo necesario que deberá hacerse para convertirlo en información útil.
HBR |Your Data Literacy Depends on Understanding the Types of Data and How They’re Captured |Hugo Bowne-Anderson