Hoy en día, en el ámbito científico se habla de la analítica impulsada por datos, innovación y toma de decisiones. No obstante, este tema no es nuevo ya que desde hace muchos años se maneja desde el ámbito tecnológico. Por ello, cuando se habla de convergencia de datos de gran volumen, algoritmos sofisticados y una gran capacidad de cálculo y almacenamiento ha dado lugar al mayor flujo tecnológico en todas producciones. Por su supuesto, la ciencia de datos disruptiva tiene el potencial de transformar cualquier sociedad impulsada por la Big Data.
Por lo tanto, la interrupción de datos en el ámbito científico hace referencia a cuando se pierde el acceso a sus datos. Esto podría deberse a fallas del hardware, problemas de software, virus, entre otros. En otras palabras, no se puede acceder a los datos. Todo esto parece ratificar que la transformación digital preparada para los futuro investigadores presenta infinitas posibilidades de oportunidades a través de datos y análisis. Para que esta transición pragmática suceda, las instituciones educativas, docentes en el área de la investigación e información, directores de datos, líderes de datos y análisis tendrán que hacer un cambio de paradigma hacia la ciencia de datos futurista. Los investigadores deben ser proactivos para que puedan aprovechar las aplicaciones de análisis y aplicaciones comerciales de vanguardia.
Los investigadores deben hacer que sus datos sean disruptivos. Deben considerar los datos como la materia prima para cualquier decisión y comenzar a generar consenso. Actualmente, los datos ya no son una fruta madura; en cambio, los datos existen en todas partes y justo esto lo que debe potenciarse a través de la investigación, buscar la manera de obtener más visibilidad. No obstante, la ciencia de datos es un análisis monótono y diestro de datos granulares impulsado por casos de uso, es progresiva y puede desempeñar un rol dinámico en el empoderamiento de toda la organización encargadas de generar investigaciones sostenibles y no solo para reflejar dónde ha estado.
De acuerdo con el McKinsey Global Institute (2016) existen que seis modelos y capacidades disruptivos impulsados por datos. Entre ellos:
- El descubrimiento impulsado por datos para los dominios de las ciencias, materiales y tecnología;
- Los datos ortogonales son la principal causa de interrupción en los ámbitos de los seguros, médica y recursos humanos;
- Las disrupciones radicales basadas en la personalización son clave para los dominios minorista, de medios y educación;
- Las capacidades masivas de integración de datos son responsables de interrupciones de gran alcance en los sectores bancario y público;
- Las interrupciones basadas en emparejamientos a hiperescala y en tiempo real son importantes en el transporte, logística y automoción;
- La toma de decisiones mejorada es el elemento disruptivo clave en las industrias de las ciudades inteligentes, atención médica y seguros (p. 8).
En síntesis, para crear investigadores sostenibles es necesario que las instituciones educativas y docentes de las materias eduquen en el manejo adecuado de los distintos tipos de datos disponibles. Hoy en día, es una de las habilidades que debe ser potenciada debido a la variedad de datos generados a nivel mundial: hojas de cálculo, mensajes, audios, imágenes, códigos web, entre otros. Todos, dependiendo sus características, caerán dentro de los siguientes tres tipos de datos: Datos estructurados (aquellos que cuentan con una estructura bien definida); Datos no estructurados (tipos de datos que no poseen una estructura interna identificable) y los Datos semiestructurados (que tienen algunas características definitorias o consistentes y poseen metadatos, además, pueden contener tanto datos estructurados como no estructurados).
