Este trabajo de investigación tiene la finalidad de brindar una guía de aprendizaje de los conocimientos, a nivel general, que un profesional debe adquirir con la finalidad de desempeñarse como Data Scientist. A través de este trabajo, se inicia enunciando lo que es Data Science y lo que hace un Data Scientist, y en base a esto discernir cinco categorías de actividades principales. Partiendo de estas cinco actividades se desarrollan los siguientes apartados del primer capítulo, en los que se presentan los conocimientos estadísticos, matemáticos e informáticos que se deben poseer vinculados a cada una de las actividades. Aunque es de mencionar que los conocimientos asociados a estas actividades principales son transversales entre sí para una correcta aplicación del Data Science. También, se debe tener en cuenta que este trabajo solo pretende brindar una pauta para los conocimientos base necesarios para desempeñarse en el área de Data Science, esto implica que no se profundiza en temas relacionados a algoritmos de modelos, de los cuales solo se harán mención por ser relevantes por sus aplicaciones. En el segundo capítulo se mencionan distintas aplicaciones del Data Science en cuatro industrias: servicios de salud, transporte, finanzas y e-commerce. En cada una de estos se muestran distintos casos de aplicación de Data Science entre los que están las predicciones, análisis de decisiones, detecciones de escenarios, optimizaciones, control de sistemas y sistemas de recomendaciones. En cada una de estos casos se refieren de forma concisa los procedimientos seguidos, pasando desde la recolección de los datos hasta el modelo de los mismos, y mencionando los resultados logrados. Finalmente, se presentan conclusiones recabadas de lo que implica una formación como Data Science en la actualidad, así de como su importancia en los campos de aplicación, más ahora, en tiempos donde hay más información disponible y mejores capacidades de cómputo.

La presente investigación pretende analizar cómo la ciencia de datos genera valor en la planificación de la demanda en tiendas por departamento. La investigación se fundamenta en el modelo de Sales & Operation Planning de Chase (2016), el cual define cuatro dimensiones clave para la nueva generación de la planificación de la demanda: personas, procesos, tecnología y ciencia de datos. Tras la revisión de literatura teórica y empírica, se identificó que es necesario corregir las desviaciones en las tres primeras dimensiones para, así abordar la referente a ciencia de datos mediante el modelo de tipo de análisis de Intel (2015) y el modelo de madurez analítico de Davenport (2018). En este sentido, la tesis plantea un estudio de caso múltiple con un enfoque cualitativo y un alcance exploratorio, utilizando las entrevistas a profundidad para recabar información y el software ATLAS.ti para procesarla, codificar y obtener los puntos clave necesarios para la estructuración de la investigación. De esta manera, la tesis permite contextualizar la situación del proceso de planificación de la demanda en las tiendas por departamento, para lo cual se i) describe la situación del capital y su adopción al cambio organizacional, ii) expone y analiza cómo es el proceso y cómo se mide, iii) examina la infraestructura tecnológica presente en las tiendas y su integración con el proceso y iv) explora el nivel de madurez analítico en las tiendas y analiza el efecto de la ciencia de datos en el proceso. A partir de ello, se pretende proporcionar información valiosa a los tomadores de decisiones de las tiendas por departamento, respecto a los beneficios del uso de ciencia de datos y de las condiciones mínimas necesarias para su implementación, con lo cual se obtendrían resultados óptimos.