Big Data - Definición, Importancia, Ejemplos y Herramientas

Eliminando el sesgo en la contratación

big data en RRHH podrían hacer más equitativa la contratación y prosperar la diversidad reduciendo el sesgo, afirma Zoe Jervier Hewitt de EQT Ventures a Protocol. Eso empieza aun antes que los candidatos sean entrevistados identificando qué criterios deben cumplir. Trato de hacer que el sistema de evaluación sea realmente hermético, y encuentro que hay menos espacio para que el corte no útil se introduzca en el proceso de esa manera, dice Jervier Hewitt. Añade que una tarjeta de puntuación de la evaluación puede centrar la atención en la competencia de un aspirante y tener un efecto positivo en la diversidad de la tubería y la diversidad de las contrataciones.


¿Deseas saber más?

Muchas organizaciones y escuelas ofrecen clases online de análisis de recursos humanos y análisis predictivo. También hay guías on line disponibles. Lee recomienda que los profesionales de RRHH obtengan ayuda de los departamentos de TI, mas que también aprendan ellos mismos lo bastante para decirle al científico de datos lo que es correcto.

Para resumir, no cabe duda de que RRHH no solo tiene big data, sino que tiene muchas formas potenciales de emplear big data que podrían hacer que el sitio de trabajo sea mejor tanto para los empleadores como para los empleados.

Si ha disfrutado de esta profunda inmersión en de qué forma el big data están cambiando la forma en que marchan los departamentos de RR.HH., puede suscribirse a nuestro boletín diarioHRnewsbrief para obtener un contenido más informativo.



Las 4 V de el big data

Para los científicos de datos, el término de big data se puede desarticular en lo que ellos llaman las cuatro V. Aunque ciertas escuelas de pensamiento afirman que podría haber hasta 10 V's, aquí están los 4 primordiales calificadores que asisten a explicar cuando un flujo de datos se convierte en un enorme flujo de datos.

Volumen

Merced a la enorme cantidad de datos libres a diario, el big data tienden a ocupar una gran cantidad de ancho de banda y almacenaje. Miles y miles de bytes pueden atravesar la Internet, especialmente con el empleo generalizado de la Internet de banda ancha. De hecho, conforme una encuesta de IBM, se calcula que este año se van a crear 40 zettabytes de datos, lo que supone un aumento del trescientos por ciento respecto a 2005. Estas enormes cantidades requieren una tecnología de datos de gran tamaño que pueda manejar grandes conjuntos de datos.

Velocidad

Los datos fluyen a través de Internet a tal velocidad que si intentaras analizarlos por tu cuenta, sería como intentar beber de la manguera de agua más grande y poderosa del mundo. La rapidez con la que se mueven los datos aumenta exponencialmente dependiendo del número de conexiones que la gente tiene entre sí, puesto que probablemente estés mandando mensajes de texto, que te gusten los mensajes de los medios sociales y que hagas pactos comerciales con ellos. La velocidad a la que los datos entrantes precisan ser procesados es un sello propio de el big data.

Variedad

Los datos pueden reunirse de muchas fuentes diferentes, como las diferentes big data la revolución de los datos masivos pdf redes sociales, las transacciones comerciales y de consumo, y la proliferación de dispositivos inteligentes que recogen datos de los usuarios (de forma frecuente involuntarios). De forma análoga, esos datos pueden presentarse en diferentes formatos y estructuras del archivo, desde información de bases de datos estrictamente clasificada hasta transferencias de ficheros y comunicaciones en tiempo real.

Veracidad

Los datos imprecisos son datos inútiles. Además, los datos imprecisos le cuestan a la economía de los EE.UU. más o menos tres,1 billones de dólares estadounidenses cada año, según la encuesta de IBM. Muchos líderes empresariales estiman que el big data son una apuesta, con 1 de cada tres encuestados diciendo que no confían en la información que dan el big data. Sin embargo, la tecnología de el big data trata de mitigar ese inconveniente tanto como resulte posible.



Certificaciones en ciencias de la información para prosperar tu currículum y tu salario.

A finales de agosto, Glassdoor tenía más de 53.000 ofertas de empleo que mencionaban el aprendizaje automático (ML) y veinte trabajos que incluían la ciencia de los datos con sueldos que iban de 50.000 a más de ciento ochenta dólares. Cada vez más empresas hacen del análisis de datos y del aprendizaje automático un elemento central del desarrollo de nuevos productos y de las oportunidades de ingresos futuros.

Las grandes empresas de tecnología, así como las organizaciones tecnológicas independientes, ofrecen programas de capacitación para personas que son nuevas en la ciencia de los datos, de esta forma como para profesionales que desean dominar la tecnología más reciente. Cada programa de esta lista de los mejores cursos on line para la ciencia de los datos ampliará su experiencia y agregará un valioso elemento de línea en forma de certificación de ciencia de los datos a su currículum.


Certificado profesional de ciencias de los datos de IBM

IBM ofrece este programa en Coursera, que es impartido por empleados de la empresa. Los estudiantes de este curso tomarán una serie de laboratorios prácticos en la nube de IBM que dan experiencia con Jupyter/JupyterLab, GitHub, R Studio y Watson Studio.

Este programa on line toma alrededor de diez meses para completarse y tiene 9 cursos:

Qué es la ciencia de los datos Herramientas para la ciencia de los datos
Metodología de la ciencia de los datos
Pitón para la ciencia de los datos y la IA
Bases de datos y SQL para la ciencia de los datos
Análisis de datos con Python
Visualización de datos con Python
Aprendizaje de máquinas con Python
La piedra angular de la ciencia de los datos aplicados




Mesa de especialista de escritorio

El análisis de datos es inútil salvo que motive la acción. Eso de manera frecuente requiere hacer un caso basado en este análisis y presentarlo a los colegas de otros departamentos. Visualizar los datos en lugar de confiar sólo en los números puede asistir a ganarse a las personas que no tratan con datos diariamente. Tableau puede ayudarte a hacer eso.

El certificado de Especialista en Escritorio de Tableau va a mostrar que tiene una entendimiento básica de esta herramienta de visualización de datos. La compañía sugiere que los examinadores tengan al menos tres meses de experiencia con la plataforma. El programa de preparación para el examen de Especialista en Escritorio Tableau es un programa de 6 semanas de entrenamiento interactivo, lecciones y hasta dos intentos para el examen de certificación.

El examen tiene 30 preguntas y debe ser completado en sesenta minutos. Los examinandos deben obtener un 70 por cien para aprobar. El examen mide estas habilidades:

Crear y guardar conexiones de datos
La gestión de las propiedades de los datos
Creando gráficos básicos
Aplicar el análisis a una hoja de trabajo
Crear y alterar un tablero de mandos
Comprensión de las dimensiones y medidas
Dominar los campos reservados y continuos