El marco global de habilidades y competencias para un mundo digital

Ciencia de datos DATS Beta

(unchanged)

Aplicar matemática, estadística, minería de datos y técnicas de creación de modelos predictivos para obtener información, predecir comportamientos y generar valor a partir de los datos.

Traducción al español de SFIA 9: Versión Beta

SFIA 9 en inglés ya está disponible.

  • Esta es una versión beta de SFIA 9 en español.
  • La creamos utilizando la Phrase Localization Platform, combinando:
    • Contenido traducido de SFIA 8
    • Aportaciones de 7 proveedores líderes de traducción automática
  • Actualizaremos esta traducción después de revisión y controles de calidad.
  • Por favor, contáctenos si nota algún error o tiene preguntas.

Nota: Aunque la traducción automática ayuda a crear versiones iniciales, la revisión profesional garantiza la precisión y el lenguaje apropiado al contexto.

Notas orientativas

(unchanged)

Generalmente, la ciencia de datos se utiliza para analizar datos en grandes volúmenes, mucha velocidad y distintos tipos (números, símbolos, textos, sonidos e imágenes).

Las actividades pueden incluir, entre otras, las siguientes:

  • integrar métodos de matemáticas, estadísticas y modelos de probabilidad a partir de una amplia gama de procesos
  • abastecerse de datos y prepararlos para el análisis
  • identificar, validar y explotar los conjuntos de datos internos y externos generados a partir de una amplia gama de procesos
  • desarrollar conocimientos prospectivos, predictivos, en tiempo real y basados en modelos para generar valor e impulsar una toma de decisiones eficaz.
  • encontrar, seleccionar, adquirir y procesar fuentes de datos
  • integrar y limpiar datos para adecuarlos a su propósito
  • desarrollar hipótesis y explorar datos mediante modelos y entornos de pruebas analíticos
  • perfeccionar requisitos, validar, capacitar y desarrollar modelos a lo largo del tiempo para descubrir conocimientos más profundos, hacer predicciones o generar recomendaciones
  • utilizar técnicas analíticas avanzadas, tales como minería de datos y texto, aprendizaje automático, coincidencia de patrones, previsión, visualización, análisis semántico, análisis de sentimiento, análisis de redes y clústeres, estadísticas multivariadas, análisis de gráficos, simulación, procesamiento de eventos complejos y redes neurales

Comprender los niveles de responsabilidad de esta habilidad

Donde los niveles inferiores no están definidos...
  • Las tareas y responsabilidades específicas no se definen porque la habilidad requiere un mayor nivel de autonomía, influencia y complejidad en la toma de decisiones de lo que normalmente se espera en estos niveles. Puede utilizar las instrucciones de esencia para comprender las responsabilidades genéricas asociadas a estos niveles.
Donde los niveles superiores no están definidos...
  • Las responsabilidades y la rendición de cuentas no están definidas porque estos niveles superiores implican un liderazgo estratégico y una influencia organizacional más amplia que va más allá del alcance de esta habilidad específica. Véanse las declaraciones de esencia.

Desarrollar habilidades y demostrar responsabilidades relacionadas con esta habilidad.

Los niveles definidos muestran la progresión incremental en habilidades y responsabilidades.

Donde los niveles inferiores no están definidos...

Puedes desarrollar tus conocimientos y apoyar a otras personas que sí tienen responsabilidad en esta área de la siguiente manera:

  • Aprender conceptos y principios clave relacionados con esta habilidad y su impacto en su función
  • Realización de habilidades relacionadas (consulte las habilidades relacionadas con SFIA)
  • Apoyar a otros que realizan tareas y actividades de nivel superior
Donde los niveles superiores no están definidos...
  • Puede progresar desarrollando habilidades relacionadas que se adaptan mejor a niveles más altos de liderazgo organizacional.

Mostrar/ocultar descripciones y niveles adicionales.

Niveles de responsabilidad para esta habilidad

2 3 4 5 6

Ciencia de datos: Nivel 2

Nivel 2 - Asistir: Esencia del nivel: Proporciona asistencia a otros, trabaja bajo supervisión rutinaria y usa su discreción para abordar problemas rutinarios. Aprende activamente a través de entrenamiento y experiencias en el trabajo.

(modified)

Bajo supervisión rutinaria, aplica técnicas especificadas de ciencia de datos a los datos. Analiza e informa los hallazgos y aborda problemas simples, utilizando algoritmos incluidos en marcos y herramientas de software estándar.

Ciencia de datos: Nivel 3

Nivel 3 - Aplicar: Esencia del nivel: Realiza tareas variadas, a veces complejas y no rutinarias, utilizando métodos y procedimientos estándar. Trabaja bajo dirección general, ejerce discreción, y gestiona el propio trabajo dentro de los plazos. Potencia proactivamente las habilidades y el impacto en el lugar de trabajo.

(modified)

Aplica técnicas de ciencia de datos existentes a nuevos problemas y conjuntos de datos mediante técnicas de programación especializadas.

Selecciona datos de las fuentes de datos existentes y los prepara para que se utilicen en modelos de ciencia de datos.

Evalúa los resultados y el desempeño de los sistemas de modelos de ciencia de datos.

Identifica e implementa oportunidades para entrenar y mejorar modelos y los datos que dichos modelos utilizan.

Publica e informa sobre los resultados del modelo para satisfacer las necesidades del cliente y cumplir con los estándares acordados.

Ciencia de datos: Nivel 4

Nivel 4 - Facilitar: Esencia del nivel: Realiza diversas actividades complejas, apoya y guía a otros, delega tareas cuando corresponde, trabaja de forma autónoma bajo dirección general y aporta experiencia para cumplir los objetivos del equipo.

(modified)

Investiga el problema y el conjunto de datos descritos para evaluar la utilidad de las soluciones de la ciencia de datos y el análisis. Aplica una variedad de técnicas adecuadas de ciencia de datos y lenguajes de programación especializados. Comprende y aplica reglas y directrices específicas de la industria, y anticipa riesgos y otras implicaciones de la creación de modelos. Selecciona, adquiere e integra datos para su análisis. Desarrolla hipótesis y métodos de datos, y evalúa modelos analíticos. Asesora sobre la eficacia de técnicas específicas según hallazgos de proyectos e investigaciones integrales. Contribuye al desarrollo, la evaluación, el monitoreo y la implementación de las soluciones de la ciencia de datos.

Ciencia de datos: Nivel 5

Nivel 5 - Asegurar, asesorar: Esencia del nivel: Proporciona orientación autorizada en su campo y trabaja bajo una dirección amplia. Responsable de entregar resultados de trabajo significativos, desde el análisis hasta la ejecución y evaluación.

(modified)

Planifica e impulsa todas las etapas del desarrollo de soluciones de la ciencia de datos y el análisis.

Brinda asesoramiento experto para evaluar los problemas por resolver y la necesidad de soluciones de la ciencia de datos. Identifica qué fuentes de datos utilizar o adquirir.

Especifica y aplica técnicas adecuadas de ciencia de datos y lenguajes de programación especializados.

Revisa los beneficios y el valor de las técnicas y herramientas de la ciencia de datos y recomienda mejoras. Contribuye al desarrollo de políticas, estándares y directrices para desarrollar, evaluar, monitorear e implementar soluciones de ciencia de datos.

Ciencia de datos: Nivel 6

Nivel 6 - Iniciar, ejercer influencia: Esencia del nivel: Tiene una influencia organizativa significativa, toma decisiones de alto nivel, forma políticas, demuestra liderazgo, promueve la colaboración organizacional y acepta la rendición de cuentas en áreas clave.

(modified)

Dirige la introducción y el uso de ciencia de datos y análisis para impulsar la innovación y el valor del negocio.

Desarrolla políticas, estándares y directrices organizacionales para la ciencia de datos y el análisis.

Establece la dirección y dirige la introducción y el uso de técnicas, metodologías y herramientas de ciencia de datos y análisis. Dirige el desarrollo de las capacidades organizacionales para la ciencia de datos y el análisis.

Planifica y dirige iniciativas de ciencia de datos estratégicas, grandes y complejas para generar conocimientos, crear valor e impulsar la toma de decisiones.