
Data Science Strategy For Dummies
Ulrika Jägare
- Editorial
- Wiley
- Año
- 2019
- Páginas
- ~320
- Nivel
- Básico
De qué trata
Guía estratégica y organizativa publicada en 2019 dentro de la serie For Dummies por Ulrika Jägare (especialista en analítica e inteligencia artificial en telecomunicaciones), enfocada en cómo concebir, implantar y escalar una estrategia empresarial de ciencia de datos sostenible. El libro adopta un enfoque agnóstico respecto a la tecnología y deliberadamente no técnico, orientado a directores, ejecutivos, gerentes de producto, arquitectos empresariales y líderes de equipo que necesitan transformar su negocio hacia una cultura orientada a datos (data-driven) sin requerir conocimientos de programación ni formulación matemática.
A lo largo de sus capítulos se abordan las decisiones clave para maximizar el retorno de inversión en analítica: definición de la hoja de ruta estratégica, gestión del cambio cultural, gobernanza de datos y consideraciones éticas y de privacidad. La autora profundiza en el diseño del organigrama analítico, la atracción y retención de talento interdisciplinario y el posicionamiento estratégico del Chief Data Officer (CDO). Asimismo, en el plano de infraestructura examina cómo estructurar arquitecturas analíticas modernas, el aprovechamiento del ecosistema de código abierto (entornos basados en Python, R y Hadoop/Spark), la gestión del ciclo de vida de los modelos entre desarrollo y producción (principios base de MLOps) y modelos de negocio para la monetización de datos.
El texto es estrictamente conceptual y metodológico: no contiene código ejecutable ni proyectos de software guiados, sino marcos de trabajo, listas de verificación y principios para sortear los diez escollos más habituales en la adopción corporativa de IA. Su principal fortaleza reside en tender un puente claro entre las posibilidades técnicas de la ciencia de datos y los objetivos de rentabilidad comercial, un aspecto a menudo ausente en manuales de algoritmia. Su limitación evidente es la ausencia de implementación técnica, por lo que debe complementarse con obras prácticas si el lector busca programar o entrenar modelos directamente.
- Estrategia de datos
- Gobernanza de datos
- Gestión del cambio
- Chief Data Officer (CDO)
- Cultura data-driven
- Infraestructura analítica
- Monetización de datos
- Ética en IA
- Ciclo de vida de modelos
- Equipos de ciencia de datos
¿Cómo enseña?
Teórico
- ✗ Sin ejercicios
- ✗ Sin proyectos

