Etiqueta: data science
-
¿Qué metodología es mejor en un proyecto de análisis de datos: Waterfall, Agile o Six Sigma?
¿Cuál es la mejor metodología en gestión de proyectos cuando se trata de análisis y ciencia de datos? Pues… tendrás que leer el artículo para saberlo.
-
La realidad de los conflictos interpersonales en los proyectos de ciencia y análisis de datos
No todos los conflictos en los equipos de proyectos de análisis de datos (o cualquier otro tipo) se resuelven hablando. A veces hay que tomar decisiones unilaterales y expulsar a alguien. O todo se verá afectado. Un líder es capaz de hacerlo.
-
La importancia del margen de error en tus análisis estadísticos de datos
Descubre qué es el margen de error, cómo calcularlo y su impacto en decisiones clave para pymes, encuestas, pruebas A/B y más.
-
Contexto, objetivo, lógica y herramienta: el mejor framework profesional en las TICs
Un framework simple y práctico para el desarrollo profesional: contexto, objetivo, lógica y herramienta.
-
Seguridad en la nube para analistas y científicos de datos confiados
El analista de datos es como el chef de una cocina. Debe saber un poco de todo para alcanzar un único objetivo, extraer conocimiento de los datos. Y entre esos poco-de-todo está la ciberseguridad aplicada a la nube.
-
Cuánto cuesta hacer una sola hamburguesa
Cada vez que piensas que algo es caro, ¿te has pensado en valorar lo que te costaría hacerlo todo tú solo o sola? ¿En serio, eso que recibes, es «tan» caro? ¿O es que solo eres un egoísta que cree que se merece todo regalado?
-
6 problemas típicos que resuelve el análisis de datos: entre predicciones y patrones
Los 6 problemas habituales que se pueden resolver con el análisis de datos… y que no sabías.
-
Análisis de la adjudicación de contratos públicos en Canarias (2020-2024)
Analizando los datos de adjudicaciones de contratos públicos del Gobierno Autónomo de Canarias entre 2020 y 2024, según datos públicos publicados en abierto en datos.canarias.es: proceso y conclusiones
-
Tipología práctica de los datos: lo que debes entender antes de modelar
Antes de analizar datos debes entender cómo existen, cuál es su modelo original. Y, además, tener en cuenta qué es lo que te dan para desarrollar tu análisis.
-
Cuando los datos cuentan cualquier cosa menos un hecho
Son tantos los errores, problemas y confusiones que pueden generar los datos como beneficios que pueden aportar a la organización. ¿Quieres saber qué debes cuidar en un proceso ETL?