Datos y la pirámide DIKW

Los datos son la materia prima del razonamiento y de la toma de decisiones y, dado su gran volumen y diversidad, son la característica fundamental de esta era. Sin embargo, y a pesar de que existe un claro consenso al respecto, no existe una definición absolutamente aceptada de lo que es un dato ni de sus productos derivados. Aqui una excelente discusión al respecto.

Una definición aceptable de datos, en el contexto que nos interesa, es:

Los datos son un conjunto de símbolos o signos que representan estímulos del medio ambiente o señales, y que son registrados a partir de la observación.

A partir de los datos se generan, sucesivamente, constructos de mayor abstracción: la información, el conocimiento y la sabiduría. La relación entre los datos y estos otros conceptos suele describirse a través de la llamada pirámide de datos, también conocida como pirámide de la información, del conocimiento, de la sabiduría o, simplemente, pirámide DIKW (por las siglas en inglés data, information, knowledge, wisdom). En la siguiente figura se muestra un diagrama de la pirámide DIKW con un ejemplo simple:

De manera similar, podemos definir el término información como un conjunto de datos organizados para un propósito específico y presentados en un contexto que les da significado y relevancia para el usuario. El conocimiento es el conjunto de reglas, en un contexto dado, que resultan de la interpretación y apropiación de la información por parte del usuario. La sabiduría, por su parte, es la capacidad de tomar decisiones adecuadas utilizando el conocimiento, la experiencia, la comprensión y la percepción. El fin de la ciencia de datos es transformar datos en acciones pertinentes a través de la generación de información, conocimiento y sabiduría.

Patrones y percepción

Un patrón puede definirse como una regularidad en un sistema. La capacidad de identificar estas regularidades es lo que podemos llamar Reconocimiento de patrones.

El reconocimiento de patrones es una habilidad natural del ser humano, y de los seres vivos en general, y es lo que nos permite reconocer objetos en ambientes complejos y tomar decisiones de forma cotidiana. En la imagen siguiente, por ejemplo, podemos observar un camino de terracería y aunque se trata de tierra, piedras y vegetación mezclados, es muy simple distinguir los límites (imprecisos) entre el camino y los bordes, las piedras a un costado y la vegetación. Incluso podemos distinguir en el camino las zonas por donde transitan regularmente los automóviles.

Existen diferentes tipos de regularidades que pueden ser detectadas de forma natural por los humanos, entre las que se pueden destacar las siguientes:

• Armonía: Proveniente del griego ἁρμονία (harmonía), que significa “conjunto, acuerdo, concordia”, esta palabra se usa comúnmente para denotar formas de concordancia y acuerdo en el ámbito social y musical. Sin embargo, podemos hablar también de armonías visuales, olfativas, gustativas o táctiles.

• Ritmo: El ritmo es cualquier movimiento regular y recurrente, marcado por la sucesión regular de elementos débiles y fuertes, o bien de condiciones opuestas o diferentes.

En la definición del ritmo, el movimiento puede hacer referencia a una secuencia 'apreciadas' de estados: un escalón que 'sigue a otro', por ejemplo.

• Flujo: La palabra flujo, proveniente del latín fluxus hace referencia al movimiento de una substancia, un fluido, que puede tratarse de una corriente o de una emanación. Aunque típicamente se asocia el flujo a un líquido, actualmente el término se utiliza para para referirse a cualquier efecto en el que una cosa parece pasar o viajar, ya sea que se mueva o no. Así, podemos hablar del flujo de actividades en un proceso o del flujo de efectivo en una empresa.

• Simetría: La simetría se define como la 'correspondencia exacta en la disposición regular de las partes o puntos de un cuerpo o figura con relación a un centro, un eje o un plano'.

• Proporcionalidad: La proporcionalidad es una relación o razón constante entre magnitudes medibles.

Reconocimiento de patrones y conocimiento

El ser humano ha tratado, desde el surgimiento de la sociedad, de identificar las regularidades en un ambiente, típicamente azaroso, para generar modelos abstractos.

Estos modelos, utilizados por los seres humanos para dominar su entorno, son representaciones parciales de la realidad, limitadas por las capacidades del ser humano para sensar su entorno. Esta idea fue planteada hace cerca de 2500 años por Protágoras y sujeta, desde entonces, a controversia.

Un punto de vista alterno/complementario, para valorar la calidad de los modelos, se deriva de la alegoría de la caverna, presentada por Platón alrededor de 380 a. C. En esta metáfora, Platón describe a un grupo de prisioneros que han vivido encadenados en una cueva viendo hacia una pared desnuda. Los prisioneros juzgan el mundo a través de las sombras proyectadas en ella por objetos comunes, en contraposición a los filósofos que ven los objetos como son. De esta manera, Platón discute la importancia de la educación: los modelos de los prisioneros son pobres, en este caso, debido a la falta de conocimiento, pero pueden ser mejorados gracias a un estudio más profundo.

Al margen de esta discusión por demás, filosóficamente interesante (si los modelos utilizados por los seres humanos son incompletos o erróneos por ignorancia o por imposibilidad de aprehensión de la realidad), es importante destacar la naturaleza incompleta de cualquier modelo, ya sea que dicho modelo sea resultado de métodos de reconocimiento de patrones o de teorías científicas bien establecidas.

Pensamiento computacional

El pensamiento computacional es un concepto que describe el proceso de razonamiento que conduce a la resolución de un problema por medios computacionales. El término fue introducido originalmente por Seymour Papert para resaltar el potencial de las representaciones computacionales para expresar ideas complejas, particularmente mediante el uso de simulaciones para enfatizar los aspectos dinámicos de los fenómenos físicos, en la enseñanza. Posteriormente, el concepto fue abordado por Jeannette M. Wing en el sentido que se utiliza actualmente, como la habilidad para descomponer un problema de manera que se pueda resolver de manera algorítmica. Wing enfatiza su importancia como una competencia básica para el aprendizaje, adicional a las de lectura, escritura y aritmética De caracter controversial, en algunos casos es presentado como una tercera forma de generar conocimiento, además de las formas tradicionales de teoría y experimentación. De acuerdo a este concepto, las actividades de resolución de problemas se pueden organizar en cuatro etapas:

• Descomposición: En esta etapa, el problema se replantea en pequeños subproblemas más manejables.
• Reconocimiento de patrones: En esta etapa, cada subproblema es analizado tratando de encontrar similaridades con otros casos resueltos u observados anteriormente.
• Abstracción: Esta etapa consiste en replantear el problema global y sus subproblemas, así como la solución, tratando de eliminar los aspectos específicos al caso y generalizar problema y solución.
• Algoritmos: Finalmente, se presenta la solución al problema en términos de una secuencia de pasos sistemáticos.

Hay que notar que, en este contexto, el término de reconocimiento de patrones suele utilizarse de manera más general que el utilizado en ciencias de la computación, es decir, no sólo se trata del reconocimiento de patrones a partir de los datos, sino de segmentos de solución de problemas en general. También es digno de resaltar la coincidencia del enfoque del pensamiento computacional con el de ciencia de datos, en el sentido de estar enfocado en casos específicos y en el uso de las herramientas necesarias para sistematizar su análisis.

Conclusiones

• El reconocimiento de patrones es una disciplina que busca explotar las capacidades naturales del ser humano para identificar regularidades en grandes volúmenes de observaciones con el fin de explicar el comportamiento de sistemas complejos.

• Aunque actualmente se han puesto de moda muchos otros términos relacionados con el análisis de datos, el reconocimiento de patrones sigue siendo una de las áreas fundamentales para este fin.

• La ciencia de datos no se limita a la aplicación de técnicas estadísticas para el análisis de datos. En su lugar, se plantea la búsqueda de una comprensión más integral. Para ello, dejamos en gran medida las matemáticas en un segundo plano, como herramientas para lograr esa comprensión más completa del problema y entran en juego toda clase de heurísticas y metáforas que permiten atacar un problema de una forma más "natural".