PROYECTO DE CIENCIAS DE DATOS GENÉRICO

Ver más

capacitacion y desarrollo

por Michelle Gonzalez

MODELO DE CONTROL KONTRAG

por dariana perez

Método de Valuación por Puntos

por Emilia Barrera

fisica cuantica 2

por daniel siachoque

Confidencialidad y protección de datos

Rendimiento y eficiencia

PROYECTO DE CIENCIAS DE DATOS GENÉRICO

Impactos

Optimización del presupuesto

La analítica genera valor en el nivel estratégico de las entidades

Disminución en el nivel de riesgo

Reducción de costos operativos

Aumento en la utilidad

Optimización en los tiempos de respuesta

Dificultades y retos

Capacidad de cómputo limitada

Omisión de juicio de expertos

Datos sin normalizar y errados

Gobierno de datos no definido

Consecución de fuentes de datos volumétricas

Aspectos procedimentales

Actividades

Mantenimiento al modelo (correcciones y optimizaciones)

Dashboard, informes y predicciones

Despliegue en producción

Identificar limitaciones y desafíos

Discretizar variables categóricas

Definición de métricas e indicadores

Evaluar los modelos

Juicio de expertos

Estadísiticamente

Segmentar datos: de desarrollo 70%, de validación 30%

Identificar el Software

Conclusiones y recomendaciones

Desarrollar los modelos

Predictivos

Descriptivos

Iterar con variedad de datos

Simular los modelos

Seleccionar hiperparámetros

Cleaning de datos

Construir la base de datos

Identificar las técnicas y herramientas

Identificar las variables dependientes e independientes

Identificar fuentes de información

Conciliación

Como se integran

Ubicación

Definición del objetivo general y específicos

Contexto de la empresa, visión, misión, políticas, normatividad

Aspectos estructurales

Etapas

Implementación

Presentación de resultados

Análisis exploratorio

Recopilación de datos

Identificación del problema