Estadística y ciencia de datos

El término “ciencia de datos” surgió recientemente, y hay discusión acerca de qué tan apropiado es el término, si es correcto llamarla “ciencia”, y en general, en cómo definirla exactamente. En este curso tomamos el punto de vista de que:

• La ciencia de datos antes se llamaba análisis de datos. Esto quiere decir que no ocurre en un espacio teórico o matemático, sino en aplicaciones específicas donde buscamos tomar decisiones informadas. A su vez, algunas personas consideran el análisis de datos como “estadística aplicada”.
• La ciencia de datos, a diferencia del análisis de datos más tradicional, reconoce y adopta ideas de desarrollo de software e ingeniería que son relevantes para producir análisis y productos con buena calidad y desempeño.

Desde este punto de vista, el estándar de validez más importante en la ciencia de datos (Tukey (1962)) es su funcionamiento en la práctica, y no la adherencia a argumentos teóricos, matemáticos o estadísticos.

Igualmente puede ser difícil definir qué es la estadística (algunos la ven como una parte o rama de las matemáticas, en un extremo, y otros la consideran algo más cercano al análisis de datos). En cualquier caso:

• La estadística puede considerarse como parte de la ciencia de datos. Sus resultados teóricos son guías y nos dan bases para juzgar y pensar en procedimientos para contestar preguntas con datos (Tukey (1962)).

Tukey, John W. 1962. «The Future of Data Analysis». Ann. Math. Statist. 33 (1): 1-67. https://doi.org/10.1214/aoms/1177704711.