CIENCIA DE DATOS – Un enfoque practico de tecnologías, herramientas y aplicaciones

La Ciencia de Datos es multidisciplinar y ha adquirido gran popularidad en los últimos años debido al soporte de disciplinas como las matemáticas, estadística, programación de computadoras, inteligencia artificial, aprendizaje automático, investigación tradicional, … junto a la transversalidad de otras de gran impacto en la década actual como la computación en la nube, el internet de las cosas, las cadenas de bloques (blockchain) o la ciberseguridad. Por estas circunstancias, el uso de la ciencia de datos ha crecido de modo significativo en organizaciones y empresas, así como en los campos académicos y de investigación.

El porcentaje de penetración de la ciencia de datos en las empresas ha crecido considerablemente y continúa creciendo, lo que está motivando la continua demanda de los científicos de datos y roles profesionales asociados como analista de datos, ingeniero de datos, ingeniero de aprendizaje automático, … Así pues, la ciencia de datos se ha convertido en asignatura obligatoria en numerosas carreras de ingeniería (informática, sistemas, telecomunicaciones, industrial…), de ciencias (matemáticas, estadística y probabilidad, físicas..) o ciencias económicas, empresariales, marketing o mercadotecnia, comunicaciones o ciencias de la información, y crece en carreras como sociología por la importancia del uso de la ética, la privacidad, etc.

De igual forma han crecido de modo espectacular tanto en Europa, España, Estados Unidos o Latino América, la implantación de carreras de grado específicas de ciencia de datos, así como másteres y cursos de especialización y profesionales, así como en estudios de Formación Profesional. Y, naturalmente, las líneas de investigación en ciencia de datos también han aumentado junto con el crecimiento de la inteligencia de negocios, la inteligencia artificial o el aprendizaje automático. Por todas estas razones, los objetivos fundamentales del contenido del libro son cumplir con la gran parte de todas estas demandas, y tratar de llegar al mayor número posible de niveles, desde iniciación y medio hasta niveles avanzados y de especialización. Para ello se incluyen los contenidos más requeridos en la formación del científico de datos, junto con una amplia bibliografía, recursos web, y un portal web con contenidos generalistas y de especialización para poder ampliar los conocimientos descritos en todos aquellos lectores que deseen profundizar en la ciencia de datos.

PARTE I. FUNDAMENTOS DE CIENCIA DE
DATOS
Capítulo 1. Ciencia de Datos: Conceptos, habilidades, herramientas y aplicaciones
Introducción …………………………………. 1
1.1. Definición de Ciencia de Datos .. 2
1.2. Disciplinas (Habilidades) de Ciencia
de Datos ………………………………………. 6
1.3. Dominios y Aplicaciones de Ciencia
de Datos ………………………………………. 8
1.3.1. Aplicaciones de Ciencia de
Datos …………………………………………… 9
1.4. El proceso de Ciencia de Datos:
El ciclo de vida ……………………………… 14
1.5. El científico de datos ……………… 16
1.6. Herramientas y plataformas de la
Ciencia de Datos ………………………….. 18
1.7. Roles profesionales relacionados
con datos y Certificaciones
Profesionales ……………………………….. 20
1.8. Ética, sesgos y privacidad de los
datos …………………………………………… 22
1.9. Tendencias en Ciencia de Datos 24
Resumen ……………………………………… 25
Capítulo 2. El ecosistema de datos: Big
Data
Introducción …………………………………. 29
2.1. Crecimiento exponencial de
datos …………………………………………… 30
2.2. Fuentes de datos …………………… 31
2.2.1. Tipos de fuentes de datos …… 32
2.3. Definición, origen y evolución de
Big Data ………………………………………. 34
2.3.1. El origen moderno de
Big Data ………………………………………. 37
2.4. Taxonomía de datos ……………… 38
2.4.1. Datos estructurados ……………. 39
2.4.2. Datos no estructurados ……….. 40
2.4.3. Datos semiestructurados …….. 40
2.4.4. Datos categóricos y numéricos:
escalas de medida ……………………….. 41
2.5. Características de Big Data …….. 43
2.5.1. Modelo 3 V de Big Data ………. 43
2.5.2. Modelos 4 V y 5 V de IBM ……. 46

2.5.3. Modelo de las 7 V ……………….. 47
2.6. El tamaño de los Big Data ………. 48
2.7. Datos en organizaciones y
empresas …………………………………….. 49
2.7.1. Datos internos ……………………. 49
2.7.2. Datos externos ……………………. 50
2.8. Arquitectura de Big Data ………… 50
2.8.1. Identificación de las fuentes
de datos ………………………………………. 51
2.8.2. Recolección (ingesta) de
datos …………………………………………… 51
2.8.3. Almacenamiento de datos …… 52
2.8.4. Procesamiento y análisis de
datos …………………………………………… 52
2.8.5. Visualización de datos …………. 53
2.9. Tecnologías y herramientas de
Big Data ………………………………………. 54
Resumen ……………………………………… 55
Capítulo 3. El proceso ciclo de vida de la
Ciencia de Datos y los científicos de datos
Introducción …………………………………. 59
3.1. Minería de Datos y Ciencia de
Datos …………………………………………… 60
3.2. Proceso tradicional de Ciencia de
Datos …………………………………………… 61
3.2.1. Comprensión del negocio …….. 63
3.2.2. Comprensión de los datos …… 64
3.3.3. Preparación de los datos …….. 64
3.3.4. Modelado de los datos ………… 65
3.3.5. Evaluación ………………………….. 65
3.3.6. Despliegue …………………………. 65
3.3. Preparación (preprocesamiento)
de datos ………………………………………. 66
3.3.1 Limpieza de datos ……………….. 68
3.3.2. Integración de datos ……………. 71
3.3.3. Transformación de datos …….. 72
3.3.4. Reducción de datos …………….. 73
3.3.5. Discretización de datos ……….. 74
3.4. Análisis exploratorio de datos … 74
3.4.1 Objetivos de la exploración de
datos …………………………………………… 75
3.5. El proceso de Ciencia de Datos en
equipo (TDSP) de Microsoft: ciclo
de vida ………………………………………… 76

3.6. El científico de datos: rol
profesional …………………………………… 79
3.7. Habilidades del científico de
datos …………………………………………… 80
3.7.1. Habilidades técnicas/duras
(hard skills) ………………………………….. 80
3.7.2. Habilidades no técnicas/blandas
(soft skills) ……………………………………. 81
3.8. Herramientas de Ciencia de Datos
y del científico de datos ………………… 83
3.8.1. Portal Kaggle (caso de estudio
en Ciencia de Datos) …………………….. 84
Resumen ……………………………………… 86
PARTE II. ANALÍTICA DE DATOS EN
CIENCIA DE DATOS
Capítulo 4. Analítica de datos
Introducción …………………………………. 89
4.1. ¿Qué es analítica de datos? (Data
Analytics) ……………………………………… 90
4.2. Tipos de analítica de datos …….. 91
4.2.1. Analítica descriptiva (Descriptive
Analytics) ……………………………………… 92
4.2.2. Analítica de diagnóstico ………. 93
4.2.3. Analítica predictiva (Predictive
Analytics) ……………………………………… 94
4.2.4. Analítica prescriptiva (Prescriptive
Analytics) ……………………………………… 95
4.3. Analítica aumentada ………………. 97
4.3.1. Democratización de los datos . 98
4.3.2. Proveedores de soluciones de
software de analítica aumentada ……100
4.4. Una visión global de analítica de
Big Data ………………………………………..100
4.5. Categorías de analítica utilizadas
en la empresa ……………………………….102
4.6. Tipos de análisis de datos ……….103
4.7. Proliferación de datos sociales ..104
4.8. Analítica social ……………………….105
4.8.1. Métricas de social media ……..106
4.9. Analítica de sentimientos ………..107
Resumen ………………………………………109
Capítulo 5. Minería de Datos
Introducción ………………………………….113

Capítulo 6. Visualización de datos:
informes y consultas, cuadros de mando
(dashboards) y cuadro de mando integral
(CMI)
Introducción ………………………………… 115
6.1. Conceptos generales de
visualización de datos ………………….. 116
6.2. Gráficos ……………………………….. 117
6.3. Tipos de gráficos …………………… 118
6.4. Mapas ………………………………….. 118
6.5. Infografías ……………………………. 124
6.6. Informes (reporting) y consultas
(query) ………………………………………… 126
6.6.1. Informes (reportes)……………… 126
6.6.2. Herramientas de reportes
(informes) ……………………………………. 127
6.6.3. Consultas ………………………….. 128
6.6.4. Informes GIS (Sistemas de
Información Geográfica) ……………….. 128
6.7. Cuadros de mando
(dashboards) ……………………………….. 129
6.7.1. ¿Qué es un Cuadro de
Mando? ………………………………………. 129
6.7.2. Características de un
Cuadro de Mando ………………………… 130
6.8. Narrativa de datos (data
storytelling) …………………………………. 137
6.9. Cuadro de Mando Integral
(CMI) / Balanced Scorecard ………….. 140
6.10. Herramientas de visualización
de datos ……………………………………… 140
Resumen …………………………………….. 141
PARTE III. LOS PILARES TECNOLÓGICOS
DE LA CIENCIA DE DATOS
Capítulo 7. Computación en la Nube y la
Ciencia de Datos
Introducción ………………………………… 145
7.1. Computación en la Nube (Cloud
Computing): Origen, definiciones y
evolución …………………………………….. 146
7.1.1. Antecedentes: el modelo
tradicional de computación ………….. 146
7.1.2. Origen y evolución del a
computación en la nube ……………….. 147
7.2. Características de Cloud
Computing …………………………………… 150
7.2.1. Características esenciales ….. 151

7.2.2. Características de Computación
en la Nube que facilitan su adopción 152
7.3. Modelos de Computación en la
Nube …………………………………………….153
7.4. Modelos de servicio ………………..154
7.4.1 Software como servicio (SAAS,
Software As A Service) ………………….155
7.4.2 Plataforma como servicio (PAAS,
Platform As A Service) ……………………155
7.4.3 Infraestructura como servicio
(IAAS, Infrastructure As A Service) …..155
7.5. Modelos de despliegue de la nube
(tipos de nubes) …………………………….156
7.5.1. Nube privada ………………………157
7.5.2. Nube pública ……………………….158
7.5.3. Nube hibrida ……………………….159
7.5.4. Nube comunitaria ………………..159
7.6. La nube del futuro en
organizaciones y empresas. La
multinube (multicloud) …………………..160
7.6.1. Selección del modelo de nube 163
7.7. La emergencia de la nube híbrida
y la multinube ……………………………….163
7.8. Proveedores de la nube ………….165
7.8.1. Implantación de la nube en
organizaciones y empresas ……………169
7.8.2. Aspectos económicos …………..170
7.9. Seguridad en la nube: Retos y
amenazas …………………………………….171
7.10. Contratación de servicios de
Cloud Computing …………………………..172
7.11. Los centros de datos como
soportes de cloud computing …………173
7.12. La computación en la Ciencia
de Datos ……………………………………….174
Resumen ………………………………………175
Capítulo 8.Computación en el borde, la
nube nativa y la computación sin
servidores
Introducción ………………………………….179
8.1. Modelos Edge Computing
(Computación en el Borde) y Fog
Computing (Computación en la
Niebla) ………………………………………….180
8.2. Edge Computing (Computación
en el Borde) ………………………………….181
8.2.1. Características de la computación
en el borde ……………………………………182

8.2.2. Aplicaciones de computación
en el borde ……………………………………184
8.3. Fog Computing (Computación en la
Niebla) ………………………………………….184
8.4. Edge Computing versus Fog
Computing …………………………………….185
8.5. La Computación en el Borde (Edge
Computing) en 2022 y siguientes
años …………………………………………….187
8.6. Computación sin servidor
(Serverless computing) ………………….188
8.6.1. Funcionamiento de la
computación sin servidor………………..191
8.6.2. Función como servicio (FAAS) .191
8.6.3. Proveedores de servicios sin
servidor ………………………………………..192
8.7. Metodología Devops ……………….193
8.8. Microservicios: Arquitectura de
microservicios ……………………………….196
8.9. Contenedores …………………………201
8.9.1. Docker ………………………………..203
8.10. Orquestación de contenedores 203
8.10.1. Kubernetes ……………………….203
8.11. Orquestación de la nube ……….205
8.11.1. Orquestación versus
coreografía ……………………………………206
8.12. La nube del futuro/evolución de
la nube …………………………………………207
8.13. Aplicaciones nativas de la
nube …………………………………………….209
8.13.1. ¿Qué es una aaplicación
nativa de la nube? …………………………209
8.13.2. Aplicaciones tradicionales
frente a aplicaciones nativas de la
nube …………………………………………….210
8.14. La Nube Nativa (Cloud Native) .211
8.15. Cloud Native Computing
Foundation (CNCF) ………………………..212
Resumen ………………………………………214
Capítulo 9. Almacenamiento de datos:
Data Warehouses y Data Lakes
Introducción ………………………………….219
9.1. Data Warehouse. Definición y
conceptos importantes ………………….219
9.1.1. Caracteristicas de un Data
Warehouse ……………………………………220
9.2. Data Mart ………………………………222
9.2.1. Data Warhouse versus Data

Mart ……………………………………………..224
9.3. Enfoques de desarrollo (modelos)
de un sistema de Data Warehouse …224
9.3.1. Modelo Inmon: modelo EDW …224
9.3.2. Modelo Kimball: el enfoque de
Data Mart ……………………………………..225
9.3.3. Implantación práctica de un
Data Warehouse empresarial ………..226
9.3.4. Data Warehouse 2.0 y data
Warehouse en tiempo real …………….226
9.4. Data Lakes (Lagos de datos): los
nuevos depósitos de almacenamiento
(repositorio) de datos …………………….227
9.4.1. Origen del término Data
Lake ……………………………………………..228
9.4.2. Definición de Data Lake ……….228
9.4.3. Propiedades, ventajas e
inconvenientes de los Data Lakes …..229
9.4.4. Proveedores de soluciones de
Data Lake ……………………………………..230
9.5. Data Warehouse versus data
Lake ……………………………………………..230
9.6. Big Data y la Inteligencia Artificial.
Los pilares de los lagos de datos ……234
9.7. Data Lakehouse (almacén de lagos
de datos) ………………………………………236
9.7.1. Comparación de un data
Warehouse, data Lake y data
Lakehouse ……………………………………237
9.7.2. Arquitectura de un lago de
datos y de un almacén de lagos de
datos ……………………………………………240
9.8. Proveedores de Data Lake y de data
Lakehouse en la nube ……………………241
Resumen ………………………………………243
Capítulo 10. Inteligencia Artificial en la
Ciencia de Datos
Introducción ………………………………….245
10.1. Origen de la Inteligencia
Artificial ………………………………………..246
10.2. ¿Qué es la Inteligencia
Artificial? ………………………………………247
10.2.1. Definiciones de la Unión
Europea ………………………………………..248
10.2.2. Definiciones de consultoras;
Gartner de Information Technology
Glossary y Mckinsey ………………………250

10.3. Componentes de la Inteligencia
Artificial ………………………………………. 250
10.4. Evolución de la Inteligencia
Artificial ………………………………………. 251
10.5. Inteligencia Artificial Aplicada . 253
10.6. Taxonomía de la Inteligencia
Artificial ………………………………………. 254
10.6.1. Tipos de Inteligencia Artificial
basados en aspectos humanos y
racionales ……………………………………. 254
10.6.2. Tipos de Inteligencia Artificial
basados en capacidades y
funcionalidades de los sistemas …… 255
10.7. Tipos de Inteligencia Artificial
basados en capacidades ……………… 256
10.8. Tipos de inteligencia artificial
basados en funcionalidad …………….. 258
10.9. Aprendizaje Automático ……….. 259
10.9.1. Aprendizaje Supervisado ….. 260
10.9.2. Aprendizaje no
Supervisado ………………………………… 260
10.9.3. Aprendizaje
Semisupervisado …………………………. 260
10.9.4. Aprendizaje Reforzado ……… 260
10.10. Aprendizaje Profundo ………… 261
10.11. Aprendizaje Automático frente
a Aprendizaje Profundo ………………… 263
10.12. El uso ético de la
Inteligencia Artificial aplicada en la
Unión Europea, España y
Latinoamérica ……………………………… 265
Resumen …………………………………….. 267
Capítulo 11. Inteligencia Artificial del
futuro: Inteligencia Artificial
Conversacional e Inteligencia Artificial
Generativa. El camino a la Inteligencia
Artificial General (AGI)
Introducción ………………………………… 271
11.1. Procesamiento del Lenguaje
Natural (NLP) ………………………………. 272
11.2. Técnicas utilizadas el
análisis de NLP ……………………………. 274
11.2.1. Text Mining y Análisis de
Texto …………………………………………… 274
11.3. Casos de uso de NLP …………… 275
11.4. Componentes del NLP …………. 276

11.4.1. Comprensión del lenguaje
natural (Natural Language
Understanding, NLU) ……………………..277
11.4.2. NLG (Natural Language
Generation) o generación de lenguaje
natural ………………………………………….278
11.5. Sistemas de tecnologías de voz
(speech technologies) ……………………279
11.5.1. Aplicaciones de los sistemas
de reconocimiento del habla ………….279
11.6. Inteligencia Artificial
Conversacional ……………………………..280
11.6.1. ¿Qué es la inteligencia artificial
conversacional? ……………………………281
11.7. Tecnologías de Inteligencia
Artificial Conversacional …………………281
11.7.1. Componentes de la inteligencia
artificial
conversacional ……………………………..282
11.8. Sistemas
conversacionales …………………………..283
11.8.1. Arquitectura clásica de un
sistema conversacional (sistema de
diálogo hablado) ……………………………284
11.9. Chatbots y asistentes
virtuales ………………………………………287
11.10. ¿Qué es un chatbot? …………..288
11.10.1. Tipos de chatbots según su
funcionalidad ………………………………..289
11.10.2. Tipos de chatbots según la
interacción ……………………………………290
11.10.3. Tipos de chatbots según el
canal de comunicación ………………….291
11.11. Asistentes virtuales …………….291
11.12. Inteligencia Artificial
Generativa ……………………………………284
11.12.1. Asistentes virtuales más
populares ……………………………………..293
11.12.2. Asistentes virtuales del
futuro …………………………………………..294
11.12.2. Asistentes de voz y altavoces
inteligentes …………………………………..294
11.13. Inteligencia virtual
generativa …………………………………….295
11.13.1. Redes GAN ……………………..296
11.13.2. Codificadores automáticos
variacionales (Variational Auto-Encoders,
VAE) ……………………………………………..297

11.13.3. Transformadores
(Transformers) ………………………………297
11.14. Modelo de lenguaje …………….298
11.15. GPT-3: Modelo estándar de
lenguaje de referencia …………………..299
11.16. Tipos de modelos de
lenguaje ……………………………………….301
11.16.1. DALL-E 2 …………………………301
11.16.2. LaMDA ……………………………303
11.16.3. PaLM ………………………………303
11.16.3. ChatGPT ………………………….304
Resumen ………………………………………305
Capítulo 12. Internet de las Cosas: Los
datos de los objetos inteligentes en la
Ciencia de Datos
Introducción ………………………………….309
12.1. ¿Qué es Internet de las Cosas
(Internet of Things, IoT) ………………….310
12.2. Definición de Internet de las
Cosas …………………………………………..312
12.3. Objetos inteligentes en entornos
inteligentes …………………………………..314
12.4. Historia de Internet de las
Cosas …………………………………………..315
12.5. Aplicaciones y casos de estudio de
Internet de las Cosas …………………….316
12.5.1. Casos de estudio de IoT ……..317
12.6. Gemelos digitales (digital
twins) ……………………………………………321
12.6.1, Definición ………………………….321
12.6.2. Historia de los gemelos
digitales ………………………………………..321
12.6.3. Funcionamiento de los
gemelos digitales …………………………..323
12.6.4. Aplicaciones de gemelos
digitales ………………………………………..323
12.7. Tecnologías y tendencias
habilitadoras del Internet de las
Cosas …………………………………………..324
12.7.1. Tecnologías de carga de baterías
……………………………………………………..326
12.7.2. Otras tecnologías disruptivas
de impacto en el Internet de las
cosas ……………………………………………327
12.7.3. Caso de estudio: Tecnologías
Habilitadoras Digitales (THD) ………….327
12.8. Internet de todo y las cuatro
fuentes de generación de datos ……..328

12.9. La capa física de la Red (sensores,
actuadores, controladores) …………….329
12.10. Ciudades inteligentes (smart
cities) ……………………………………………331
12.10.1. Ciudades inteligentes y
sostenibles ……………………………………333
12.11. La seguridad en Internet de
las cosas ………………………………………333
12.11.1. Estado del arte ………………..333
12.12. La privacidad en Internet
de las cosas ………………………………….334
Resumen ………………………………………336
Capítulo 13. Blockchain: Seguridad y
transparencia en los datos
Introducción ………………………………….339
13.1. Blockchain (Cadenas de bloques):
La nueva revolución de Internet ……..340
13.2. Fundamentos de
Blockchain ……………………………………342
13.2.1. ¿Qué es Blockchain? ………….343
13.2.2. Definición de Blockchain ……343
13.3. Blockchain: La visión del
NIST ……………………………………………..344
13.3.1. ¿Qué es Blockchain según
el NIST? ………………………………………..344
13.4. Funcionamiento de
Blockchain ……………………………………346
13.4.1. Proceso de las transacciones
en una cadena de bloques …………….347
13.4.2. Componentes de Blockchain: funcionamiento ……………………………..347
13.5. ¿Cuáles son las principales
aplicaciones de la tecnología
Blockchain? ………………………………….349
13.6. Tipos de Blockchain: pública,
privada e híbrida ……………………………350
13.7. Contratos inteligentes …………..352
13.8. Trazabilidad ………………………….355
13.9. Identidad digital ……………………357
13.10. Blockchain en Ciencia de
Datos ……………………………………………358
13.10.1. El Internet de las cosas: un
registro de todas las cosas …………….360
13.10.2. Aplicaciones del registro de
todas las cosas ……………………………..360
13.11. Convergencia de Blockchain,
Inteligencia Artificial e Internet de las
Cosas en la Ciencia de Datos …………361

13.11.1. Hacia un modelo de
convergencia de Blockchain-IoT-AI … 361
13.12. Tecnologías NFT (Non Fungible
Token) ………………………………………… 364
Resumen …………………………………….. 369
PARTE IV. SEGURIDAD, PRIVACIDAD,
PROTECCIÓN Y ÉTICA DE LOS DATOS
Capítulo 14. Seguridad y ciberseguridad
en Ciencia de Datos
Introducción ………………………………… 373
14.1. Seguridad y privacidad ………… 374
14.2. ¿Qué es ciberseguridad? ……… 374
14.3. La ciberseguridad en tiempo
real …………………………………………….. 377
14.4. La seguridad de la información y
la privacidad en la Computación en la
Nube …………………………………………… 379
14.5. Infraestructuras críticas ………. 379
14.6. Ciclo de vida de la
ciberseguridad …………………………….. 381
14.7. Ciberamenazas: agentes y
tipos ……………………………………………. 383
14.8. Ciberataques: Herramientas
utilizadas por los atacantes ………….. 384
14.9. Resiliencia ………………………….. 385
14.10. La web profunda, la web invisible
(deep web) ………………………………….. 386
14.11. Los ciberriesgos ………………… 387
14.12. Directiva de ciberseguridad de
la Unión Europea: NIS/NIS 2 …………. 388
14.12.1. Nueva normativa NIS 2 de la
Unión Europea ……………………………… 389
14.13. Estrategias de ciberseguridad de
la UE: 2013 y 2020 ……………………… 389
14.13.1. Estrategias de ciberseguridad
de la UE: 2013 …………………………….. 390
14.13.2. Estrategias de ciberseguridad
de la UE: 2020 …………………………….. 390
14.13.3. Estrategias nacional de
ciberseguridad 2019 de España …… 390
14.14. Reglamento europeo de
ciberseguridad …………………………….. 392
14.15. Organizaciones
internacionales ……………………………. 393
14.16. Tendencias en ciberseguridad
en 2022 y años siguientes ……………. 395
Resumen …………………………………….. 396

Capítulo 15. Ética, privacidad, protección
de datos y compliance en la Ciencia de
Datos: Normas legales y regulaciones,
consorcios y organizaciones
Introducción ………………………………….401
15.1. La ética y la responsabilidad
social de las empresas en el ecosistema
de Ciencia de Datos ………………………402
15.2. Evaluación de impacto en la
protección de datos ………………………403
15.3. Reglamento de Protección
de Datos y Privacidad de la Unión
Europea ………………………………………..404
15.3.1. Aspectos más sobresalientes
del reglamento vigente ………………….404
15.3.2. Recomendaciones de la AEPD
sobre el reglamento GDPR …………….405
15.4. El delegado de protección
de datos (DPD) ……………………………..406
15.5. Evaluación de impacto de la
privacidad …………………………………….407
15.5.1. Privacidad desde el diseño …407
15.6. La privacidad en la Ciencia
de Datos ……………………………………….410
15.7. El escudo de privacidad:
Unión Europea-EE.UU. ……………………411
15.8. Compliance (cumplimiento
normativo) …………………………………….412
Resumen ………………………………………413
PARTE V. EL FUTURO DE LA CIENCIA DE
DATOS
Capítulo 16. Tendencias tecnológicas
disruptivas en Ciencia de Datos en el
horizonte 2025
Introducción ………………………………….417
16.1. Tendencias tecnológicas
estratégicas para 2023 (Gartner) …..418
16.1.1. Principales tendencias
tecnológicas estratégicas para 2023
(Gartner) ………………………………………418
16.2 Tendencias tecnológicas en
Ciencias de Datos de Forbes (Bernard
Marr) 2022 y 2023 ……………………….421
16.2.1. Las cinco grandes tendencias
tecnológicas en ciencia de datos para
2022 según Forbes ……………………….421

16.2.2. Las cinco grandes tendencias
tecnológicas en ciencia de datos para
2023 según Forbes ……………………….421
16.3 Panorámica general de tendencias
tecnológicas en Ciencia de Datos para
2022-2025 …………………………………..423
16.4. La hiperconectividad en la Ciencia
de Datos del futuro: Redes 6G y
Wi-Fi 7 ………………………………………….424
16.4.1. Futuras redes Wi-Fi:
Wi-Fi 7 ………………………………………….424
16.4.2. Futuras redes móviles 6G …..424
16.5. Computación cuántica ………….426
16.6. El metaverso: el nuevo universo
digital …………………………………………..427
16.7. Web 3.0 ……………………………….428
16.8. Los NFT en convergencia con la
Ciencia de Datos …………………………..430
16.9. El futuro de las tecnologías
emergentes y su convergencia con la
Ciencia de Datos (Hype Cycle de Gartner,
Agosto 2022) ………………………………..431
16.10. El futuro del científico de
datos ……………………………………………434
16.11. El futuro de la Ciencia de
Datos ……………………………………………436
Resumen ………………………………………437