Play video to start
Duration: 11m57s
Tap 
to scroll to a caption.
Tap word for more information.
[Música]
Música
[Aplausos]
Aplausos
1 2 3
1
2
3
1 2 3
1
2
3
no se preocupen no voy a hacer ningún
no
se
preocupen
no
voy
a
hacer
ningún
truco de magia no va a caer confeti del
truco
de
magia
no
va
a
caer
confeti
del
techo Solo estoy generando por lo menos
techo
Solo
estoy
generando
por
lo
menos
mil puntos de información cada 3
mil
puntos
de
información
cada
3
segundos y todos los que estamos acá
segundos
y
todos
los
que
estamos
acá
conscientes o no estamos haciendo lo
conscientes
o
no
estamos
haciendo
lo
mismo Cómo bueno sus celulares son
mismo
Cómo
bueno
sus
celulares
son
capaces de capturar información a una
capaces
de
capturar
información
a
una
frecuencia de 60 veces cada segundo por
frecuencia
de
60
veces
cada
segundo
por
lo menos tienen sensores que son capaces
lo
menos
tienen
sensores
que
son
capaces
de captar información como la
de
captar
información
como
la
aceleración el ángulo el posicionamiento
aceleración
el
ángulo
el
posicionamiento
que tiene increíble no Esta es una de
que
tiene
increíble
no
Esta
es
una
de
las muchísimas razones por la cual
las
muchísimas
razones
por
la
cual
analizar interpretar información en la
analizar
interpretar
información
en
la
actualidad es sumamente importante jamás
actualidad
es
sumamente
importante
jamás
en la historia había sido tan fácil
en
la
historia
había
sido
tan
fácil
generar almacenar analizar y compartir
generar
almacenar
analizar
y
compartir
datos como lo es En este preciso momento
datos
como
lo
es
En
este
preciso
momento
esto obviamente ha dado paso a la
esto
obviamente
ha
dado
paso
a
la
creación de nuevas carreras nuevos roles
creación
de
nuevas
carreras
nuevos
roles
como el que según Harvard business
como
el
que
según
Harvard
business
review será el más sexy del siglo XXI el
review
será
el
más
sexy
del
siglo
XXI
el
del científico de datos yo iba julietti
del
científico
de
datos
yo
iba
julietti
soy científico de datos Y no es por
soy
científico
de
datos
Y
no
es
por
conveniencia pero le Quiero crear a
conveniencia
pero
le
Quiero
crear
a
Harvard cuando dice que va a ser sexy el
Harvard
cuando
dice
que
va
a
ser
sexy
el
rol
rol
hay muchas empresas entonces y
hay
muchas
empresas
entonces
y
organizaciones que están queriendo
organizaciones
que
están
queriendo
montarse en esta nueva tendencia de los
montarse
en
esta
nueva
tendencia
de
los
datos
datos
las universidades por ejemplo tienen
las
universidades
por
ejemplo
tienen
nuevas carreras nuevos cursos nuevas
nuevas
carreras
nuevos
cursos
nuevas
especializaciones
especializaciones
las empresas están contratando nuevos
las
empresas
están
contratando
nuevos
roles científicos analistas ingenieros
roles
científicos
analistas
ingenieros
de datos Y nosotros estamos tratando de
de
datos
Y
nosotros
estamos
tratando
de
mantenernos siempre a la vanguardia con
mantenernos
siempre
a
la
vanguardia
con
las nuevas tecnologías los nuevos Marcos
las
nuevas
tecnologías
los
nuevos
Marcos
de acción los nuevos lenguajes y las
de
acción
los
nuevos
lenguajes
y
las
nuevas técnicas parece que todo va
nuevas
técnicas
parece
que
todo
va
perfecto pero qué pasaría si yo les digo
perfecto
pero
qué
pasaría
si
yo
les
digo
que muchas veces el enfoque que estamos
que
muchas
veces
el
enfoque
que
estamos
teniendo está equivocado Por qué Porque
teniendo
está
equivocado
Por
qué
Porque
la ciencia de datos tiene que ver más
la
ciencia
de
datos
tiene
que
ver
más
con personas que con datos por tres
con
personas
que
con
datos
por
tres
motivos principales
motivos
principales
el primer motivo es porque muchas veces
el
primer
motivo
es
porque
muchas
veces
atrás de los datos Hay personas
atrás
de
los
datos
Hay
personas
ya vieron lo fácil que es generar
ya
vieron
lo
fácil
que
es
generar
cientos miles millones de puntos de
cientos
miles
millones
de
puntos
de
información
información
solo con quinientas personas habríamos
solo
con
quinientas
personas
habríamos
estado generando por lo menos medio
estado
generando
por
lo
menos
medio
millón de datos cada tres segundos ahora
millón
de
datos
cada
tres
segundos
ahora
imagínense toda la información que está
imagínense
toda
la
información
que
está
siendo generada En este preciso momento
siendo
generada
En
este
preciso
momento
a nivel mundial es muy fácil perdernos
a
nivel
mundial
es
muy
fácil
perdernos
solo ver filas y columnas y olvidarnos
solo
ver
filas
y
columnas
y
olvidarnos
que la mayoría de estos datos están
que
la
mayoría
de
estos
datos
están
siendo creados por personas
siendo
creados
por
personas
la segunda razón es con los objetivos
la
segunda
razón
es
con
los
objetivos
que tenemos
que
tenemos
la mayoría de análisis predictivo lo que
la
mayoría
de
análisis
predictivo
lo
que
está tratando de hacer actualmente es
está
tratando
de
hacer
actualmente
es
tratar de predecir o comprender el
tratar
de
predecir
o
comprender
el
comportamiento humano no máquinas
comportamiento
humano
no
máquinas
predecibles humanos
predecibles
humanos
y el último punto y para mí el más
y
el
último
punto
y
para
mí
el
más
importante es que los que siguen tomando
importante
es
que
los
que
siguen
tomando
decisiones en cualquier organización son
decisiones
en
cualquier
organización
son
humanos y lo seguirán siendo antes de
humanos
y
lo
seguirán
siendo
antes
de
entrar en materia demos dos pasos hacia
entrar
en
materia
demos
dos
pasos
hacia
atrás para comprender un poco más sobre
atrás
para
comprender
un
poco
más
sobre
lo que es ciencia de datos
lo
que
es
ciencia
de
datos
medio millón de datos en tres segundos
medio
millón
de
datos
en
tres
segundos
por quinientas personas en 2010 ya
por
quinientas
personas
en
2010
ya
generábamos muchísima información
generábamos
muchísima
información
teníamos redes sociales internet chats
teníamos
redes
sociales
internet
chats
sin embargo la corporación internacional
sin
embargo
la
corporación
internacional
de datos estima que para 2025 solamente
de
datos
estima
que
para
2025
solamente
dentro de tres años vamos a estar
dentro
de
tres
años
vamos
a
estar
generando casi nueve mil por ciento más
generando
casi
nueve
mil
por
ciento
más
volumen de datos anualmente en todo el
volumen
de
datos
anualmente
en
todo
el
mundo
mundo
nueve mil por ciento
nueve
mil
por
ciento
ya empiezan a ver porque hay tanto
ya
empiezan
a
ver
porque
hay
tanto
entusiasmo por la ciencia de datos
entusiasmo
por
la
ciencia
de
datos
estamos todos entusiasmados por tratar
estamos
todos
entusiasmados
por
tratar
de hacer que toda esta información que
de
hacer
que
toda
esta
información
que
antes no teníamos y que jamás habíamos
antes
no
teníamos
y
que
jamás
habíamos
tenido haga sentido todos los nuevos
tenido
haga
sentido
todos
los
nuevos
formatos las fuentes de datos las
formatos
las
fuentes
de
datos
las
estructuras
estructuras
tanto así que según IBM en 2013 estimaba
tanto
así
que
según
IBM
en
2013
estimaba
que de toda la Data que existía en el
que
de
toda
la
Data
que
existía
en
el
mundo el 90% había sido generada
mundo
el
90
había
sido
generada
almacenada y replicada solamente en los
almacenada
y
replicada
solamente
en
los
últimos dos años en 2013 es por eso que
últimos
dos
años
en
2013
es
por
eso
que
esto este tema es sumamente nuevo todos
esto
este
tema
es
sumamente
nuevo
todos
estamos demasiado entusiasmados y es
estamos
demasiado
entusiasmados
y
es
sumamente fácil perdernos en este
sumamente
fácil
perdernos
en
este
maremoto de datos ahogarnos y no ser
maremoto
de
datos
ahogarnos
y
no
ser
capaces de sacar la cabeza para ver que
capaces
de
sacar
la
cabeza
para
ver
que
atrás de la información siguen habiendo
atrás
de
la
información
siguen
habiendo
personas
personas
para 2025 la misma idc está prediciendo
para
2025
la
misma
idc
está
prediciendo
que el 80% de toda la información que
que
el
80
de
toda
la
información
que
vamos a estar generando serán no
vamos
a
estar
generando
serán
no
estructurada Qué es información no
estructurada
Qué
es
información
no
estructurada bueno chats mensajes
estructurada
bueno
chats
mensajes
correos comentarios audios videos fotos
correos
comentarios
audios
videos
fotos
información generada por personas por lo
información
generada
por
personas
por
lo
tanto el contexto importa jamás vamos a
tanto
el
contexto
importa
jamás
vamos
a
poder ver solamente los datos y
poder
ver
solamente
los
datos
y
comprender el contexto y jamás vamos a
comprender
el
contexto
y
jamás
vamos
a
poder generar un impacto real si solo
poder
generar
un
impacto
real
si
solo
nos enfocamos en ellos eso me lleva al
nos
enfocamos
en
ellos
eso
me
lleva
al
segundo punto y es
segundo
punto
y
es
lo nuevo que estamos haciendo en la
lo
nuevo
que
estamos
haciendo
en
la
ciencia de datos es predecir el
ciencia
de
datos
es
predecir
el
comportamiento humano y cuando hablamos
comportamiento
humano
y
cuando
hablamos
de científicos de datos no estamos
de
científicos
de
datos
no
estamos
hablando de un laboratorio que es ajeno
hablando
de
un
laboratorio
que
es
ajeno
a todos nosotros cada uno de ustedes
a
todos
nosotros
cada
uno
de
ustedes
ve los resultados de la ciencia de datos
ve
los
resultados
de
la
ciencia
de
datos
todos los días en su celular cuando las
todos
los
días
en
su
celular
cuando
las
redes sociales nos recomiendan a esa
redes
sociales
nos
recomiendan
a
esa
persona que no hemos visto en diez años
persona
que
no
hemos
visto
en
diez
años
cuando saben qué personas están en
cuando
saben
qué
personas
están
en
nuestras imágenes antes de etiquetarlas
nuestras
imágenes
antes
de
etiquetarlas
cuando estamos comprando productos en
cuando
estamos
comprando
productos
en
línea y descubrimos una nueva
línea
y
descubrimos
una
nueva
recomendación de algo que ni nosotros
recomendación
de
algo
que
ni
nosotros
habíamos que necesitábamos y ahora no
habíamos
que
necesitábamos
y
ahora
no
podemos vivir sin él
podemos
vivir
sin
él
cuando hemos estado un mes viendo un
cuando
hemos
estado
un
mes
viendo
un
producto y no nos decidimos cuando no
producto
y
no
nos
decidimos
cuando
no
sabemos si comprarlo o no comprarlo y
sabemos
si
comprarlo
o
no
comprarlo
y
justamente luego de cierto tiempo vemos
justamente
luego
de
cierto
tiempo
vemos
que para nosotros hay una rebaja un
que
para
nosotros
hay
una
rebaja
un
cupón
cupón
algo que ocasiona Que obviamente para
algo
que
ocasiona
Que
obviamente
para
qué trabajo me voy a dar el gusto y lo
qué
trabajo
me
voy
a
dar
el
gusto
y
lo
voy a comprar
voy
a
comprar
el doctor Erick sigo sacó una muestra de
el
doctor
Erick
sigo
sacó
una
muestra
de
más de 180 usos prácticos que las
más
de
180
usos
prácticos
que
las
empresas les están dando los a los datos
empresas
les
están
dando
los
a
los
datos
y a la ciencia de datos los modelos
y
a
la
ciencia
de
datos
los
modelos
predictivos que están ocupando las
predictivos
que
están
ocupando
las
corporaciones mundiales
corporaciones
mundiales
más del 70 % de estos modelos buscaba
más
del
70
de
estos
modelos
buscaba
predecir predecir lo que los humanos
predecir
predecir
lo
que
los
humanos
seres irracionales emocionales muchas
seres
irracionales
emocionales
muchas
veces impredecibles y vamos a hacer qué
veces
impredecibles
y
vamos
a
hacer
qué
nos motivaba que nos enojaba Cómo
nos
motivaba
que
nos
enojaba
Cómo
reaccionábamos que nos hace hacer o no
reaccionábamos
que
nos
hace
hacer
o
no
hacer una acción por lo tanto no podemos
hacer
una
acción
por
lo
tanto
no
podemos
ignorar a las personas en este tema
ignorar
a
las
personas
en
este
tema
y eso me lleva al último punto y que en
y
eso
me
lleva
al
último
punto
y
que
en
mi experiencia trabajando con distintas
mi
experiencia
trabajando
con
distintas
corporaciones ha sido el más importante
corporaciones
ha
sido
el
más
importante
como les dije antes todos están
como
les
dije
antes
todos
están
contratando nuevos roles están creando
contratando
nuevos
roles
están
creando
nuevos grupos tienen equipos enteros
nuevos
grupos
tienen
equipos
enteros
destinados a tratar de hacer que los
destinados
a
tratar
de
hacer
que
los
datos les digan algo
datos
les
digan
algo
están automatizando todas la ciencia de
están
automatizando
todas
la
ciencia
de
datos se trata de automatizar muchas
datos
se
trata
de
automatizar
muchas
cosas en parte eso fue lo que a mí me
cosas
en
parte
eso
fue
lo
que
a
mí
me
encantó porque yo detesto hacer cosas
encantó
porque
yo
detesto
hacer
cosas
repetitivas de verdad yo digo que me
repetitivas
de
verdad
yo
digo
que
me
quita segundos de vida por lo tanto yo
quita
segundos
de
vida
por
lo
tanto
yo
dije Esto me interesa y lo voy a hacer
dije
Esto
me
interesa
y
lo
voy
a
hacer
sí todas las empresas están ahorrando
sí
todas
las
empresas
están
ahorrando
ese tiempo
ese
tiempo
están ahorrando horas pero también algo
están
ahorrando
horas
pero
también
algo
muy común es que esa tierra prometida
muy
común
es
que
esa
tierra
prometida
que le dijeron de los datos todavía no
que
le
dijeron
de
los
datos
todavía
no
les ha llegado no están viendo ese
les
ha
llegado
no
están
viendo
ese
potencial o esa trascendencia que la
potencial
o
esa
trascendencia
que
la
analítica les iba a dar y que se les
analítica
les
iba
a
dar
y
que
se
les
había prometido y un punto en común en
había
prometido
y
un
punto
en
común
en
todas las empresas es que nos enfocamos
todas
las
empresas
es
que
nos
enfocamos
demasiado en las habilidades técnicas
demasiado
en
las
habilidades
técnicas
nos enfocamos demasiado en tener al
nos
enfocamos
demasiado
en
tener
al
mejor matemático Al mejor estadístico al
mejor
matemático
Al
mejor
estadístico
al
mejor economista a la persona que mejor
mejor
economista
a
la
persona
que
mejor
sepa usar una herramienta y no nos
sepa
usar
una
herramienta
y
no
nos
enfocamos en que cualquier hallazgo que
enfocamos
en
que
cualquier
hallazgo
que
se haga en estos equipos finalmente
se
haga
en
estos
equipos
finalmente
tiene que ser comunicado
tiene
que
ser
comunicado
para esto con el equipo descargamos más
para
esto
con
el
equipo
descargamos
más
de cinco mil puestos de trabajo de Reino
de
cinco
mil
puestos
de
trabajo
de
Reino
Unido que tenían que ver con datos de
Unido
que
tenían
que
ver
con
datos
de
científicos analistas
científicos
analistas
ingenieros de datos para analizar qué es
ingenieros
de
datos
para
analizar
qué
es
lo que las empresas estaban solicitando
lo
que
las
empresas
estaban
solicitando
con sus habilidades
con
sus
habilidades
analizamos las descripciones
analizamos
las
descripciones
solo el uno por ciento de todos los
solo
el
uno
por
ciento
de
todos
los
puestos de trabajo mencionaba algo de
puestos
de
trabajo
mencionaba
algo
de
habilidades blandas
habilidades
blandas
veinticinco por ciento mencionaba algo
veinticinco
por
ciento
mencionaba
algo
de habilidades de comunicación pero el
de
habilidades
de
comunicación
pero
el
75 %
75
quería que las personas supieran generar
quería
que
las
personas
supieran
generar
reportes y que fueran capaces de
reportes
y
que
fueran
capaces
de
reportar
reportar
cuál es el problema
cuál
es
el
problema
reportar no es lo mismo que comunicar un
reportar
no
es
lo
mismo
que
comunicar
un
reporte yo lo puedo automatizar todos
reporte
yo
lo
puedo
automatizar
todos
los días a las ocho de la mañana me va a
los
días
a
las
ocho
de
la
mañana
me
va
a
caer un reporte con los datos que yo
caer
un
reporte
con
los
datos
que
yo
quiero pero no me garantiza que el
quiero
pero
no
me
garantiza
que
el
mensaje que quiero transmitir lo reciba
mensaje
que
quiero
transmitir
lo
reciba
la persona que está interesada
la
persona
que
está
interesada
se nos olvida que para tener una
se
nos
olvida
que
para
tener
una
trascendencia con los datos para que las
trascendencia
con
los
datos
para
que
las
empresas sepan tomar decisiones se
empresas
sepan
tomar
decisiones
se
requieren habilidades que no pueden ser
requieren
habilidades
que
no
pueden
ser
automatizadas las habilidades técnicas
automatizadas
las
habilidades
técnicas
son importantísimas
son
importantísimas
la estadística la econometría la
la
estadística
la
econometría
la
matemática como se lo has hecho muchas
matemática
como
se
lo
has
hecho
muchas
veces estas ciencias exactas son
veces
estas
ciencias
exactas
son
fundamentales pero no nos van a ser
fundamentales
pero
no
nos
van
a
ser
trascender es muy fácil ahogarnos en
trascender
es
muy
fácil
ahogarnos
en
este maremoto de datos muy muy fácil no
este
maremoto
de
datos
muy
muy
fácil
no
poder sacar la cabeza y entender que los
poder
sacar
la
cabeza
y
entender
que
los
datos son un medio y un fin los
datos
son
un
medio
y
un
fin
los
científicos de datos no estamos tratando
científicos
de
datos
no
estamos
tratando
de descubrir cosas que otras ciencias no
de
descubrir
cosas
que
otras
ciencias
no
han estudiado antes
han
estudiado
antes
la psicología la sociología la filosofía
la
psicología
la
sociología
la
filosofía
han tratado de comprender el
han
tratado
de
comprender
el
comportamiento humano por siglos
comportamiento
humano
por
siglos
nosotros nada más en este momento lo que
nosotros
nada
más
en
este
momento
lo
que
tenemos una herramientas que antes no
tenemos
una
herramientas
que
antes
no
teníamos tenemos datos pero solo nos van
teníamos
tenemos
datos
pero
solo
nos
van
a ayudar a Nuestro objetivo final que es
a
ayudar
a
Nuestro
objetivo
final
que
es
comprender el comportamiento humano por
comprender
el
comportamiento
humano
por
lo tanto el día de ahora como alguien
lo
tanto
el
día
de
ahora
como
alguien
que le encanta automatizar todo como un
que
le
encanta
automatizar
todo
como
un
científico de datos yo lo que quisiera
científico
de
datos
yo
lo
que
quisiera
solicitarles a ustedes es que no se
solicitarles
a
ustedes
es
que
no
se
enfoquen en la automatizable
enfoquen
en
la
automatizable
enfóquense en lo que no se puede
enfóquense
en
lo
que
no
se
puede
automatizar el pensamiento crítico las
automatizar
el
pensamiento
crítico
las
habilidades interpersonales no tenemos
habilidades
interpersonales
no
tenemos
que temer con todos estos temas de
que
temer
con
todos
estos
temas
de
Inteligencia artificial ciencia de datos
Inteligencia
artificial
ciencia
de
datos
Machine learning Porque con el enfoque
Machine
learning
Porque
con
el
enfoque
correcto y comprendiendo que la ciencia
correcto
y
comprendiendo
que
la
ciencia
de datos tiene que ver más con personas
de
datos
tiene
que
ver
más
con
personas
que con datos la automatización nos
que
con
datos
la
automatización
nos
puede hacer más humanos enfocándonos en
puede
hacer
más
humanos
enfocándonos
en
lo que nos hace personas y en lo que no
lo
que
nos
hace
personas
y
en
lo
que
no
se puede automatizar gracias
se
puede
automatizar
gracias
Dictionary
Tap ? for definitions, examples, pronunciation, and comprehension questions.
- Pause
0.5x - Slower
0.75x - Slow
1.0x - Normal
You might also like these videos
If you enjoy using our custom video player, why not join thousands of subscribers who have signed up to our free weekly lessons?