Del Despliegue y La Evaluacion

¡Bienvenido(a) a Metodología de la Ciencia de Datos 101 Del Despliegue a la
Retroalimentación! Despliegue.
Si bien un modelo de ciencia de datos dará una respuesta, la clave para hacerla relevante
y útil para abordar la pregunta inicial, implica familiarizar a los actores
con la herramienta producida.
En un escenario de negocios, los actores tienen distintas especialidades que ayudarán a
este objetivo, como el dueño de la solución, mercadeo, desarrolladores y administración de
IT.
Cuando el modelo ha sido evaluado y el científico de datos confía en que funcionará, se
despliega
y se somete a la prueba definitiva.
Dependiendo del propósito del modelo, puede lanzarse entre un grupo limitado de usuarios
o en un entorno de prueba, creando confianza en la aplicación del resultado con miras a un
uso generalizado.
Ahora, veamos el estudio de caso en relación con la aplicación del "Despliegue".
Como preparación para el despliegue de la solución, el próximo paso era asimilar el
conocimiento
al grupo de negocios que diseñaría y administraría el programa de intervención para reducir
el riesgo de readmisión.
En este escenario, la gente de negocios tradujo los resultados del modelo para que el equipo
médico
entendiera cómo identificar pacientes de alto riesgo y diseñara acciones de intervención
adecuadas.
La meta, claro, era reducir la probabilidad de que aquellos pacientes fueran readmitidos dentro
de
30 días después del alta.
En la etapa de requisitos del negocio, la Directora del Programa de Intervención y su equipo
querían una aplicación que brindara evaluaciones de riesgo de insuficiencia cardíaca
automáticas,
casi en tiempo real.
También debía ser de fácil uso para el equipo médico, ojalá mediante una aplicación
de tablet basada en navegador, que cada miembro del equipo pudiera portar.
Los datos del paciente se generarían a lo largo de la hospitalización.
Automáticamente se prepararían en el formato que el modelo requería y cada paciente sería
puntuado cerca de la hora del alta.
Así los médicos tendrían la evaluación de riesgo más actualizada de cada paciente,
ayudándoles
a escoger cuáles pacientes recibirían intervenciones después del alta.
Como parte del despliegue de la solución, el equipo de Intervención crearía y brindaría
entrenamiento
al equipo médico.
También, se desarrollarían procesos para seguir y monitorear a los pacientes que recibieran
la intervención, en colaboración con desarrolladores de IT y administradores de bases de
datos,
para que los resultados pasaran por la etapa de retroalimentación y el modelo fuera refinado
con
el tiempo.
Este mapa ejemplifica el despliegue de una solución por una aplicación Cognos.
Aquí, el estudio de caso era el riesgo de hospitalización de pacientes con diabetes juvenil.
Como el caso de uso de insuficiencia cardíaca, este usó una clasificación de árbol de decisión
para crear un modelo de riesgo que serviría como base para esta aplicación.
El mapa muestra un resumen del riesgo nacional de hospitalización, con un análisis
interactivo
del riesgo previsto según varias afecciones del paciente y otras características.
Esta dispositiva muestra un reporte interactivo del riesgo según la población del paciente
dentro de cada
nodo del modelo, para que los médicos pudieran entender la combinación de condiciones
para
este subgrupo de pacientes.
Y este reporte entrega un resumen detallado de un paciente individual, incluyendo el riesgo
previsto
del paciente y detalles de su historia clínica, brindando una síntesis concisa para el
doctor.
Aquí termina la sección de Despliegue de este curso.
¡Gracias por tu atención!
¡Bienvenido(a) a Metodología de la Ciencia de Datos 101 Del Despliegue a la

Retroalimentación! Retroalimentación.
Sobre la marcha, la retroalimentación de los usuarios ayudará a refinar el modelo y evaluar su
desempeño e impacto.
El valor del modelo dependerá de incorporar exitosamente la retroalimentación y hacer
ajustes durante todo el tiempo que se requiera la solución.
En la Metodología de la Ciencia de Datos, cada fase le da paso a la siguiente.
Volver cíclica la metodología, asegura refinamiento en cada etapa del juego.
El proceso de retroalimentación nace de la noción de que, entre más conozcas, más querrás
conocer.
Así es como lo ve John Rollins y con suerte tú también.
Cuando el modelo ha sido evaluado y el científico de datos confía en que funcionará, se
despliega
y se somete a la prueba definitiva: el verdadero uso de campo en tiempo real.
Entonces, miremos de nuevo nuestro estudio de caso, para ver cómo se aplica la porción de
retroalimentación
de la metodología.
El plan para la etapa de retroalimentación incluyó estos pasos:
Primero, se definiría y prepararía el proceso de revisión, con la responsabilidad general
de medir los resultados de un modelo de "vuelo al riesgo" de la población de riesgo por
insuficiencia cardíaca.
Los ejecutivos de manejo clínico serían los responsables del proceso de revisión.
Segundo, se haría seguimiento a los pacientes de insuficiencia cardíaca que recibieran
intervención
y se registrarían sus resultados de readmisión.
Tercero, la intervención se mediría para determinar qué tan efectiva era para reducir
las readmisiones.
Por razones éticas, los pacientes de insuficiencia cardíaca no se dividirían en grupos de
control y tratamiento.
En cambio, las tasas de readmisión se compararían antes y después de la implementación
del
modelo para medir su impacto.
Luego de las etapas de despliegue y retroalimentación, se revisaría el impacto del programa
de intervención
en las tasas de readmisión después del primer año de su implementación.
Entonces se refinaría el modelo, con base en los datos compilados después de la
implementación del modelo
y el conocimiento obtenido a lo largo de estas etapas.
Otros refinamientos incluían: Incorporar información de participación
en el programa de intervención, y posiblemente refinar el modelo para incorporar
datos farmacéuticos detallados.
Si recuerdas, la recolección de datos se aplazó inicialmente porque los datos farmacéuticos
no
estaban disponibles en ese momento.
Pero después de la retroalimentación y de experimentar el modelo en la práctica, podría
decidirse que
agregar esos datos ameritaría la inversión de tiempo y esfuerzo.
También cabe la posibilidad de que otros refinamientos se presentaran por sí mismos
durante la etapa de retroalimentación.
Además, las acciones y procesos de intervención serían revisados y muy seguramente
refinados
también, con base en la experiencia y el conocimiento adquiridos en el despliegue y la
retroalimentación iniciales.
Finalmente, el modelo y las acciones de intervención refinadas se desplegarían de nuevo,
manteniendo
el proceso de retroalimentación a lo largo de todo el programa de intervención.
Aquí termina la porción de Retroalimentación de este curso.
¡Bienvenido(a) a Metodología de la Ciencia de Datos 101! Resumen del curso.

Hemos llegado al final de una historia que esperamos que compartas.
Has aprendido a pensar cómo un científico de datos, incluyendo los pasos necesarios
para afrontar un problema de ciencia de datos, aplicados en ejemplos interesantes del mundo
real.
Estos pasos incluyeron:
definir un problema concreto de negocios o investigación, recoger y analizar datos,
construir un modelo y entender la retroalimentación después de su despliegue.
En este curso también aprendiste métodos para pasar del problema al enfoque, incluyendo
la importancia de
comprender la pregunta, las metas y objetivos de negocios, y
elegir el enfoque analítico más efectivo para responder la preguntar y resolver el problema.
¡Además aprendiste formas metódicas de trabajar con datos, en particular,
determinar los requisitos de datos, recoger los datos apropiados,
comprender los datos, y luego prepararlos para el modelado!
También aprendiste a modelar los datos usando el enfoque analítico adecuado,
con base en los requisitos de datos y el problema que necesitabas resolver. Una vez
seleccionado
el enfoque, aprendiste los pasos necesarios para
evaluar y desplegar el modelo, conseguir retroalimentación, y
usar esa retroalimentación constructivamente para mejorar el modelo.
¡Recuerda que las etapas de esta metodología son iterativas!
Esto significa que el modelo siempre puede mejorarse mientras que se necesite una solución,
sin importar
si las mejoras vienen de una retroalimentación constructiva, o del examen de nuevas
fuentes de datos.
Con un estudio de caso real, aprendiste a aplicar la metodología de la ciencia de datos en
contexto,
con miras a alcanzar con éxito las metas definidas en la etapa de requisitos del
negocio.
También viste cómo la metodología les aportó valor adicional a las unidades de negocio al
incorporar
prácticas de la ciencia de datos en sus funciones diarias de análisis y reporte.
El éxito de este nuevo programa piloto analizado en el estudio de caso fue evidente
porque les permitió a los médicos brindar mejores cuidados usando nuevas herramientas
para
incluir información oportuna impulsada por datos en decisiones clínicas.
¡Y finalmente, aprendiste en síntesis el significado real de una metodología!
Que su propósito es explicar cómo mirar un problema, trabajar con datos con miras a
resolver el problema, y hallar una respuesta que afronte el problema de raíz.
Al responder metódicamente 10 preguntas simples, te enseñamos que una metodología
puede
ayudarte a resolver no sólo tus problemas de ciencia de datos, sino cualquier problema.
Tu éxito en el campo de la ciencia de datos dependerá de aplicar las herramientas
correctas, en el momento correcto y en el orden correcto, para abordar el problema correcto.
¡Y así es como lo ve John Rollins!
¡Esperamos que hayas disfrutado este curso de Metodología de la Ciencia de Datos y te haya
parecido una
experiencia valiosa que compartirás con otros!

Del Despliegue y La Evaluacion

Cargado por

Copyright:

Formatos disponibles

Del Despliegue y La Evaluacion

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Del Despliegue y La Evaluacion

Cargado por

Copyright:

Formatos disponibles

¡Bienvenido(a) a Metodología de la Ciencia de Datos 101 Del Despliegue a la

¡Bienvenido(a) a Metodología de la Ciencia de Datos 101 Del Despliegue a la

¡Bienvenido(a) a Metodología de la Ciencia de Datos 101! Resumen del curso.

También podría gustarte