Datos
80 términos de Datos explicados fácil, ordenados de lo básico a lo avanzado. Si el tema es nuevo para vos, arrancá por arriba.
Básico
Analista de datos
Quien convierte una pregunta del negocio en números, y los números en una respuesta.
Base de datos
Un depósito ordenado de datos que los programas consultan y actualizan sin riesgo.
Big data
Datos tan grandes, rápidos o desordenados que una computadora común no puede con ellos.
Business intelligence
Convertir los datos de una empresa en reportes y dashboards que sirven para decidir.
Churn
Los clientes que se van, y qué tan rápido lo hacen.
Ciencia de datos
Usar estadística, código y conocimiento del negocio para responder preguntas con datos.
Copia de seguridad
Una copia aparte de tus datos, para recuperarlos cuando se pierde el original.
Correlación vs causalidad
Que dos cosas se muevan juntas no quiere decir que una cause la otra.
CSV
Un archivo de texto que guarda una tabla: una fila por línea, comas entre valores.
Dashboard
Una pantalla con gráficos y números que muestra de un vistazo cómo viene algo.
Datos abiertos
Datos que cualquiera puede bajar, usar y compartir libremente, para lo que sea.
KPI
Uno de los pocos números que un equipo acuerda mirar para saber si va bien.
Limpieza de datos
Corregir errores, huecos y duplicados en los datos antes de confiar en ellos.
Mediana y percentiles
El valor del medio de una lista, y los que marcan dónde empieza la porción más lenta.
Metadatos
Datos que describen otros datos: quién los hizo, cuándo, dónde y qué contienen.
OCR
Software que lee el texto de una imagen para poder buscarlo y editarlo.
Oracle
Hace una de las bases de datos empresariales más usadas y hoy también vende nube.
Palantir
Software que junta los datos dispersos de una organización para poder actuar con ellos.
Planilla vs base de datos
Por qué una empresa que vive en Excel termina necesitando una base de datos de verdad.
Power BI
La herramienta de Microsoft para convertir datos de una empresa en informes interactivos.
SAP
La empresa alemana cuyo software maneja la trastienda de muchas grandes empresas.
Silo de datos
Datos encerrados en un equipo o sistema, donde el resto de la empresa no los puede usar.
SQL
El lenguaje para hacerle preguntas a una base de datos.
Tabla dinámica
Una herramienta de planilla que resume una lista larga en totales por categoría.
Test A/B
Mostrar dos versiones a dos grupos al azar y medir cuál funciona mejor.
Valor atípico
Un valor que queda muy lejos del resto de los datos.
Visualización de datos
Convertir números en imágenes para que los patrones salten a la vista.
XML
Un formato de texto que envuelve los datos en etiquetas con nombre, legible por todos.
Intermedio
Amazon Athena
Corré SQL directo sobre archivos guardados en S3, sin armar ninguna base de datos.
Amazon OpenSearch Service
Un motor de búsqueda administrado en AWS, para buscadores de sitios y para revisar logs.
Amazon QuickSight
La herramienta de AWS para convertir los datos de una empresa en gráficos y tableros.
Amazon Redshift
El data warehouse de AWS: SQL sobre tablas enormes, pensado para analizar, no para apps.
Análisis de cohortes
Comparar grupos de usuarios que empezaron juntos para ver cómo se comporta cada uno.
Anonimización de datos
Transformar un conjunto de datos para que nadie pueda ser identificado y siga sirviendo.
AWS Glue
El servicio de AWS para encontrar, describir y limpiar datos, sin servidores que correr.
Base de datos vectorial
Una base de datos que busca por significado parecido y no por palabras exactas.
Búsqueda semántica
Una búsqueda que encuentra resultados por su significado, no por las palabras exactas.
Calidad de datos
Hasta qué punto se puede confiar en los datos para lo que se los usa.
Catálogo de datos
Un inventario con buscador de los datos de una organización y qué significa cada uno.
Claves primarias y foráneas
La clave primaria identifica cada fila; la foránea apunta a una fila de otra tabla.
Data lake
Almacenamiento barato donde todos los datos se guardan como archivos crudos.
Data mart
Una porción chica y enfocada de los datos de la empresa, armada para un equipo.
Data warehouse
Una base hecha para analizar: años de historia, de muchas fuentes, en un solo lugar.
Databricks
Una plataforma en la nube para procesar los datos de una empresa y entrenar IA con ellos.
Datos sintéticos
Datos inventados por un programa que se parecen a los reales, para entrenar o probar.
Deduplicación
Encontrar las copias de una misma cosa y quedarse con una sola.
Esquema de base de datos
El plano de una base de datos: qué tablas hay, sus columnas y cómo se conectan.
ETL
Sacar datos de sus fuentes, limpiarlos y cargarlos donde se puedan analizar.
Gobierno de datos
Las reglas y roles que deciden de quién son los datos, quién los usa y cómo se cuidan.
Índice de base de datos
Un atajo ordenado para que la base encuentre filas sin leer toda la tabla.
Ingeniería de datos
El trabajo de armar los caños que llevan los datos a donde se pueden usar.
Inyección SQL
Escribir en un formulario un texto que la base de datos confunde con sus instrucciones.
JOIN en SQL
La instrucción de SQL que combina filas de dos tablas que comparten un valor.
Minería de datos
Excavar en grandes cantidades de datos para encontrar patrones que nadie anotó.
MongoDB
Una base de datos que guarda cada registro como un documento flexible tipo JSON.
MySQL
La base de datos relacional open source que movió la web temprana y sigue en todos lados.
Normalización de bases de datos
Ordenar las tablas para que cada dato esté guardado en un solo lugar.
NoSQL
Bases de datos que guardan la información en formas distintas a tablas de columnas fijas.
PostgreSQL
Una base de datos relacional gratuita y de código abierto detrás de muchísimas apps.
Procesamiento batch
Juntar datos durante un rato y después procesarlos todos de una sola vez.
Pronóstico
Usar datos del pasado para estimar números futuros, con un rango honesto alrededor.
Serie temporal
Una lista de mediciones de una misma cosa, tomadas una detrás de otra en el tiempo.
Significancia estadística
Una prueba para saber si una diferencia probablemente es real o puede ser pura suerte.
Snowflake
Un data warehouse vendido como servicio en la nube, que se cobra según el cómputo usado.
SQLite
Una base de datos SQL completa que vive en un solo archivo, sin servidor que mantener.
Avanzado
Apache Spark
Un motor open source que reparte el trabajo con datos enormes entre muchas máquinas.
Capa semántica
Un único lugar que define las métricas de la empresa, para que todo las calcule igual.
Change data capture
Copiar cada alta, cambio y baja de una base de datos a otros sistemas en el momento.
Contrato de datos
Una promesa escrita y verificable sobre la forma y la calidad de datos que se comparten.
Data mesh
Una forma de organizarse en la que cada equipo del negocio es dueño de sus propios datos.
dbt
Una herramienta para escribir transformaciones de datos en SQL, con tests, como software.
Dimensión lentamente cambiante
Cómo registra un data warehouse los cambios de datos como la ciudad de un cliente.
Esquema en estrella
Diseño de data warehouse: una tabla de eventos al centro y tablas descriptivas alrededor.
Gestión de datos maestros
Mantener una única versión confiable de los registros centrales de una empresa.
Linaje de datos
El mapa de dónde salió cada dato y de todo lo que depende de él.
OLAP y OLTP
Dos trabajos de una base de datos: muchas transacciones chicas o pocas preguntas enormes.
Orquestación de datos
Correr los procesos de datos en el orden y el momento justos, y reaccionar cuando fallan.
Parquet
Un formato que guarda tablas por columna y comprimidas, para que analizar lea mucho menos.
Particionado de datos
Partir una tabla enorme en pedazos según una clave, para leer solo lo necesario.
Streaming de datos
Procesar datos como un flujo continuo de eventos, segundos después de que pasan.