La ciencia de la decisión es una disciplina antigua que tiene muchos nombres: la investigación de operaciones y la ciencia de la administración son otros ejemplos. Ha evolucionado en gran medida hacia la ciencia de datos, que es el siguiente paso lógico, aunque la ciencia de decisión tradicional todavía se enseña como plan de estudios estándar en ingeniería industrial.
Mientras que la ciencia de datos se centra en, bueno, los datos, la ciencia de decisión se enfoca mucho más en modelos. La programación lineal y las simulaciones son componentes centrales de la ciencia de la decisión. Estas son técnicas que no requieren datos. Los modelos se pueden construir en base al conocimiento del sistema. La minería de datos (aprendizaje automático) siempre fue parte de la ciencia de la decisión, pero lejos de ser tan importante como lo es hoy en día en la ciencia de datos.
No hace mucho tiempo, la mayoría de las organizaciones recolectaban muy pocos datos. En los últimos años, la cantidad de datos generados ha explotado, y la mayor parte del enfoque está en encontrar patrones en los datos en lugar de tratar de comprender y modelar sistemas. Creo que los científicos de datos de hoy tienen una o dos cosas que aprender de la decisión de los científicos de antaño. A menudo existe esta suposición casi ingenua de que toda la respuesta se encuentra en los datos, esperando ser encontrados. Un buen modelo de simulación no debe subestimarse.
- ¿Es necesario tener una experiencia laboral previa antes de solicitar una maestría en ciencias de datos en las universidades de EE. UU.?
- ¿Qué es Data Science y cuáles son los roles de Data Scientist?
- ¿Qué le pasó a la Academia Zipfian?
- Cómo comparar el pasante científico de datos en Airbnb versus el pasante científico de datos de infraestructura en Facebook
- ¿Es la ciencia de datos una moda? ¿Cuánto tiempo seguirá creciendo como campo?