{"id":1750,"date":"2018-12-07T09:06:12","date_gmt":"2018-12-07T15:06:12","guid":{"rendered":"http:\/\/naps.com.mx\/blog\/?p=1750"},"modified":"2018-12-16T22:37:41","modified_gmt":"2018-12-17T04:37:41","slug":"data-science-vs-big-data-diferencias","status":"publish","type":"post","link":"https:\/\/naps.com.mx\/blog\/data-science-vs-big-data-diferencias\/","title":{"rendered":"Data Science vs Big Data: similitudes y diferencias"},"content":{"rendered":"

Mostramos una comparativa entre Data Science vs Big Data, dos t\u00e9rminos con los que nos hemos topado muy frecuentemente en los \u00faltimos a\u00f1os. \u00bfEs lo mismo Big Data que Data Science?<\/strong><\/em><\/p>\n

<\/p>\n

No podemos negar la enorme cantidad de datos que cada uno de nosotros genera todos los d\u00edas. Y hablamos no solo de lo que producimos concientemente (fotos o im\u00e1genes, mensajes y comentarios en redes sociales, art\u00edculos y publicaciones en redes de contenido, etc), sino tambi\u00e9n todos esos datos que producimos inconscientemente: qu\u00e9 pel\u00edcula vimos en Netflix, qu\u00e9 canci\u00f3n nos gusta en Spotify, qu\u00e9 video nos interes\u00f3 en Youtube, etc, etc.<\/p>\n

Toda esa cantidad de datos tiene valor para muchas empresas y proyectos, inclu\u00eddos los nuestros. Para estudiar y analizar esos datos se han creado nuevas disciplinas como son el Big Data y el Data Science.\u00a0<\/span><\/p>\n

De seguro hemos observado que ambos t\u00e9rminos son utilizados casi como sin\u00f3nimos. Pero, \u00bfes lo mismo Big Data que Data Science?<\/p>\n

Data Science vs Big Data<\/h2>\n

\u00bfQu\u00e9 es Data Science?<\/h3>\n

Data Science es la combinaci\u00f3n de estad\u00edstica, matem\u00e1ticas, y programaci\u00f3n en la resoluci\u00f3n de problemas (Monnappa, 2018). Un data scientist<\/em> captura datos en forma creativa y tiene la habilidad de ver las cosas de forma distinta, de esa forma cumple su labor principal: limpiar, preparar y analizar los datos para crear modelos predictivos de forma que esos modelos tengan utilidad en el mundo real.<\/p>\n

Es posible emplear Data Science en m\u00e1quinas o sistemas de b\u00fasqueda, en algoritmos que determinen qu\u00e9 anuncio publicitario mostar, en sistemas de recomendaci\u00f3n (como lo hace Netflix, Spotify y Youtube), etc.<\/p>\n

\u00bfQu\u00e9 es Big Data?<\/h3>\n

Big Data es la aplicaci\u00f3n de Data Science a datos que son muy grandes y que no se pueden procesar en un ordenador o computadora com\u00fan.<\/p>\n

Las empresas usan Big Data para analizar historiales crediticios, para estudiar el comportamiento de compra de sus clientes, etc.<\/p>\n

Data Science es m\u00e1s gen\u00e9rico.<\/h3>\n

De modo que Data Science es m\u00e1s gen\u00e9rico. Una empresa peque\u00f1a tal vez no pueda hacer big data, pero eso no significa que no pueda hacer an\u00e1lisis predictivos usando los datos de los que dispone.<\/p>\n

\"Data<\/a>

Data Science vs Big Data<\/p><\/div>\n

\u00bfC\u00f3mo puedo ser un Data Scientist?<\/h2>\n

Josh Willis dice que un Data Scientist es alguien que sabe m\u00e1s estad\u00edstica que cualquier programador y, adem\u00e1s, sabe m\u00e1s programaci\u00f3n que cualquier estad\u00edstico.\u00a0<\/span><\/p>\n

La mayor\u00eda coincide en que para ser un Data Scientist se necesitan tres cosas:<\/p>\n