El Data Science es, según Carlos Picazo, «la ciencia que nos ayuda a responder preguntas a través del análisis de datos».
La capacidad de esta ciencia para colaborar en la mejor toma de decisiones de organismos e individuales hace que actualmente sea una de las habilidades tecnológicas más demandadas tanto a nivel nacional como internacional.
Como hemos visto en otros contenidos de nuestro blog, mediante el desarrollo y entrenamiento de un modelo de predicción alimentado por un número suficiente de datos, el Data Science es capaz de aportarnos predicciones sobre resultados deportivos, trading y diferentes variaciones del mercado, entre otros aspectos.
Con la llegada de la Navidad, la venta de participaciones de lotería llega a todos los rincones de nuestra rutina. Y es que la Lotería de Navidad es un fenómeno con una extensísima tradición, de hecho, el sorteo nunca se ha cancelado desde 1812, ni siquiera por la Guerra Civil.
La elección del número al que vamos a jugar lo puede dictar la empresa donde trabajamos, el bar donde nos solamos tomar un café, un número por el que tengamos especial predilección, o simplemente ese fenómeno inexplicable al que llamamos intuición.
Pero ante esta difícil decisión, se nos plantea una pregunta…
¿Podemos predecir el número ganador de la Lotería de Navidad?
Como hemos mencionado, los modelos de predicción, si tienen los datos suficientes, pueden trazar previsiones de resultados que colaboren en una mejor toma de decisiones.
Entonces, si existe un inmenso conjunto de datos sobre los diferentes resultados de los sorteos de lotería celebrados cada año en todo el mundo ¿por qué no crear un modelo de predicción?
Conociendo el poder del dato y la gran innovación tecnológica que presenta el campo del Data Science, seguro que más de uno ya se ha planteado si es posible predecir “el Gordo” de la Lotería de Navidad y ganar unos cuantos miles de euros.
Contamos con un largo histórico de resultados y, además, podríamos intentar sacar información sobre variables que pueden influir en el sorteo como es la ubicación de la sala y la hora a la que se celebra el sorteo, su orientación, su temperatura, humedad etc.
Datos curiosos, como que en este sorteo los números de las bolas están grabados con láser para que la pintura no altere el peso de las bolas y no salgan antes los números más pesados, nos arrojan pistas sobre la respuesta.
Tras construir un conjunto de datos históricos compuesto por las variables que creamos relevantes, utilizaremos este conjunto de datos de entrenamiento para alimentar a los algoritmos de aprendizaje automático que utilizan los modelos predictivos.
De esta manera, podremos ver si mediante el análisis de los datos históricos el contexto influye de alguna manera en la elegibilidad de la combinación ganadora. Si existe alguna correlación, se generaría un modelo predictivo que recoja esta información y con el que se podría colaborar en la toma de decisiones sobre qué números escoger en nuestra participación.
La aleatoriedad: el porqué de que la lotería sea “justa”
Tras explicar brevemente el modo de trabajo que seguiríamos, y para continuar tratando de dar respuesta a nuestra pregunta, entra en juego un concepto bastante importante, la aleatoriedad.
Un análisis de la aleatoriedad que nos indique si los números de la lotería tienen una probabilidad uniforme de salir ganadores sería necesaria. Existen varios criterios para medir esta aleatoriedad, pero todos ellos nos llevarán a la misma respuesta: no se puede adivinar el numero ganador de la lotería.
Esta afirmación viene del resultado del análisis de la aleatoriedad, que indica que los números que potencialmente pueden salir ganadores en la lotería tienen una distribución uniforme.
Esta equidad es lo que nos demuestra que el Data Science no puede colaborar en este caso en la toma de una mejor decisión sobre la elección de nuestra combinación de números, pero sí que nos demuestra lo “justa” que es la lotería.
Gracias al análisis de aleatoriedad, podemos ver cómo los números se distribuyen de forma equitativa, por lo que todos tienen la misma oportunidad de salir ganadores.
La posible afección de los factores ambientales de la sala o de variables externas, como puede ser un insecto que se cuele en el bombo, podrían tener algún tipo de impacto en el resultado. Pero igualmente estos imprevistos son imposibles de controlar y cuantificar.
Casos de éxito del Data Science: el deporte y la predicción del precio de las criptomonedas
No obstante, y aunque el Data Science no pueda ayudar para hacernos un poco más ricos, sí que hay otros ejemplos donde esta tecnología puede colaborar en la toma de mejores decisiones. Dos ejemplos de ello son el deporte y el trading.
Como menciona nuestro profesor de Data Science Carlos Picazo, en la Masterclass “Cómo el Data Science está cambiando el mundo del deporte”, gracias a la aparición de innovadores dispositivos de recogida de datos (wearables y las sofisticadas cámaras de seguimiento), que actualmente se pueden utilizar en entrenamientos y partidos, es posible tomar mejores decisiones en base a diferentes variables, como es el rendimiento de los jugadores.
Otro ejemplo muy popular donde la ciencia de los datos sí puede predecir comportamientos es sobre el precio de diferentes activos como pueden ser las criptomonedas. Como hemos visto en nuestra Masterclass ¿Cómo predecir el precio de criptomonedas con Data Science?, la utilización de un modelo de Data Science nutrido con datos fiables y de utilidad permite predecir el precio de algunas criptomonedas.
¿Quieres tener éxito aplicando el Data Science?
En MIOTI, primer instituto tecnológico aplicado a los negocios y referente en formación especializada en Data Science, Internet of Things y eBusiness, formamos a los futuros profesionales que serán los protagonistas del establecimiento del Data Science en la toma de decisiones.
En concreto, contamos con el Máster en Data Science & Deep Learning, Máster en Data Science y Big Data y Máster en Data Science & Analytics, entre otras formaciones relacionadas igualmente con este campo de conocimiento de enorme proyección profesional.
