No quieres inteligencia artificial. Lo que quieres es entender tu negocio con datos y no con opiniones.

Almacenar gran cantidad de datos es inútil si lo que contienen no es información sino ruido.

Me llamo Leonardo Hansa y envío un boletín por correo con el que te ayudo a decidir qué datos tienen la información relevante para tu trabajo.

¿Crees que la inteligencia artificial no sirve para tu caso?

Estoy de acuerdo, no te sirve de nada.

Pero que conozcas los datos de tu negocio sí es necesario para tomar decisiones.

Te cuento algunas de las cosas que aprenderás si te suscribes a mi boletín. Considera tú sí te ayudarán a gestionar mejor tus proyectos de datos.

• Qué es lo único imprescindible si quieres dar una respuesta basada en datos a un problema de negocio (no, no es un experto en data science).
• La habilidad que requerirás en tu día a día, mucho más que saber ajustar modelos de machine learning.
• El error que cometí en un proyecto de predicción de captación de nuevos clientes (por el que me cayó una bronca importante y tuve que rehacer gran parte del trabajo).
• Lo que pensaron de otra predicción mía en otro proyecto, cómo me hicieron "ajustarla" y cuál resultó ser la predicción buena un año después.
• Por qué es frecuente cometer errores en proyectos de datos (y por qué nadie debería preocuparse).
• La gente usa mal Excel. Te cuento con 13 pecados a qué me refiero.
• Cuáles deberían ser los formatos de almacenamiento de datos más usados frente a cuáles se usan (y por qué los primeros son mejores).
• Quién puede sacar partido realmente a un máster o curso en ciencia de datos e inteligencia artificial.
• Cuál sigue siendo el lenguaje más importante en datos (no es Python).
• Qué técnicas estadísticas íbamos a usar en un proyecto en el que me obligaron a decir que era de "machine learning" cuando realmente no lo era, pero había que decirlo para venderlo.
• Hasta qué punto sirve Excel a día de hoy en proyecto de datos.
• Por qué casi todo el mundo usa Python si ni siquiera es óptimo en el sector.

En más de 10 años en el sector he visto aciertos y errores en cantidad (lo segundo sobre todo) que me han ayudado a entender mejor cuándo tener una cultura de datos sí sirve.

Qué dicen los suscriptores sobre mis correos

Me ha parecido bastante cautivador tu enfoque didáctico sobre este mundo tan tedioso en el que vivimos los que nos dedicamos a estas cuestiones del mundo de los datos. (C.P)

Excelente. Tienes mucha razón. Muchas veces aprendemos herramienta que no necesariamente tenemso que usar. (H.S)

Ayudas a muchos. Así se hace. (A.Z)

Me ha parecido muy interesante tu reflexión. No imaginaba esa situación. (R.S)

Gracias por tus correos, siempre tan interesantes. (A.G)

Me apunto esa librería! (J.P)