está pasando por una crisis de identidad.
Los indicios de esta crisis existen desde hace años. Por ejemplo, en el número inaugural de Harvard Data Science Review se encontró que era más fácil definir qué no es la ciencia de datos que qué es (Meng, 2019). Esta confusión no se ha aclarado. De hecho, se puede argumentar que la situación ha empeorado. Como señaló Meng hace años (2019), la mayoría de nosotros tenemos algún conocimiento sobre otros tipos de científicos. Pero, ¿qué es un científico de datos y qué hace exactamente?
La historia de la ciencia de datos está profundamente arraigada en la estadística. Ya en 1962, uno de los estadísticos más influyentes del siglo XX, John Tukey, pedía el reconocimiento de una nueva ciencia centrada en aprender a partir de datos. Trabajos posteriores de la comunidad estadística, en particular Jeff Wu (Donoho, 2015) y William Cleveland (2001), propusieron formalmente el nombre de “ciencia de datos” y sugirieron que las estadísticas académicas ampliaran sus límites (Donoho, 2015). Sin embargo, en los años siguientes se ha visto una influencia significativa de la informática, pedidos de que la ciencia de datos sea reconocida como una disciplina única distinta de la estadística y un reconocimiento fundamental de que la ciencia de datos es una ciencia.
La expansión de las tradiciones probabilísticas e inferenciales de la estadística junto con las preocupaciones algorítmicas, de programación y de diseño de sistemas de la informática ha llevado a una visión moderna de la ciencia de datos como un campo interdisciplinario, al que Blei y Smyth (2017) se refieren cariñosamente como "el hijo de la estadística y la informática". Wing y sus colegas (2018) consideran que la característica definitoria es que la ciencia de datos no se trata solo de métodos, sino también del uso de esos métodos en el contexto de un dominio. Esta interacción entre dominio y métodos hace que la ciencia de datos no sea simplemente la suma de sus partes, sino un campo distinto con su propio enfoque.
Sin embargo, queda la cuestión fundamental del nombre en sí. La pregunta inquisitiva de Wing (2020), "¿Existe algún problema exclusivo de la ciencia de datos que se pueda argumentar de manera convincente que no sería abordado ni planteado por ninguna de sus disciplinas constituyentes, por ejemplo, la informática y la estadística?" Es una prueba de fuego crucial para determinar si la ciencia de datos debe considerarse una ciencia. Algunas preguntas que surgen de la ciencia de datos pueden parecer novedosas (Wing, 2020); sin embargo, incluso estos a menudo se reducen a aplicaciones de disciplinas existentes (estadística, informática, teoría de la optimización) en lugar de indicar una ciencia fundamentalmente nueva.
Las contribuciones de diferentes disciplinas pueden enriquecer la ciencia de datos. Sin embargo, cada vez hay más pruebas (Wilkerson, 2025) de que también está causando confusión entre estudiantes, educadores y empleadores. Hay evidencia de diferencias importantes entre la educación universitaria en ciencia de datos, entre los esfuerzos de educación en ciencia de datos para estudiantes con especialización y sin especialización, y entre iniciativas de ciencia de datos K-12 que surgen de diferentes grupos y disciplinas.
Las contribuciones de múltiples disciplinas no circulan fácilmente en ausencia de una comunidad centralizada (Dogucu et al., 2025), lo que conduce a la fragmentación. La naturaleza interdisciplinaria de la ciencia de datos se está volviendo multidisciplinaria. Numerosas sociedades profesionales ahora tienen subgrupos y áreas de enfoque explícitos en ciencia de datos, o estrechamente relacionados. Las revistas de ciencia de datos de dominios específicos (Environmental Data Science y Annual Review of Biomedical Data Science, por nombrar algunas) son excelentes medios para la investigación; sin embargo, es posible que estemos perdiendo el aspecto interactivo y holístico de un campo interdisciplinario. Navegar por todo el panorama de la ciencia de datos es un desafío. Esto se manifiesta aún más en los muchos roles distintos que aparecen en los anuncios de trabajo de “Científico de datos” (Saltz y Grady, 2017) y culmina en el “problema del unicornio”, donde los empleadores tienen la expectativa poco realista de que una persona pueda dominar todas las habilidades de lo que se considera ciencia de datos (Saltz y Grady, 2017).
Una perspectiva de ingeniería
Las preguntas de Wing (2020) revelan que la ciencia de datos tiene una relación fundamentalmente diferente con el contexto del dominio que las matemáticas, la estadística o la informática. Esta relación diferente, donde el dominio es integral más que inspirador, es precisamente lo que distingue la ingeniería de la ciencia.
Los dominios inspiran preguntas en las ciencias, pero no son fundamentales. Las matemáticas estudian estructuras abstractas y podemos hacer teoría de grupos sin ninguna aplicación en mente. La estadística estudia la inferencia a partir de datos en general y podemos desarrollar una teoría estadística sin un dominio específico. La informática estudia la computación de forma abstracta y podemos desarrollar algoritmos, teoría de la complejidad y lenguajes de codificación sin aplicaciones en mente. Estos campos están inspirados en dominios pero existen independientemente de esos dominios.
La ingeniería, por otro lado, no puede existir sin un contexto de aplicación. La ingeniería civil literalmente no se puede estudiar sin considerar lo que se está construyendo (puentes, presas, edificios). El ámbito no es sólo inspirador: es constitutivo. No podemos enseñar ingeniería mecánica como pura abstracción y luego “añadir” aplicaciones. Las compensaciones (por ejemplo, algorítmicas, eficiencia, costos) sólo tienen sentido dentro de las limitaciones del dominio del ingeniero. La ciencia de datos se ajusta a este modelo.
El trabajo de un científico de datos es más análogo al de un ingeniero civil que diseña un puente que al de un físico que estudia las fuerzas fundamentales. El puente debe funcionar teniendo en cuenta los materiales disponibles, el presupuesto, el terreno y los requisitos de seguridad, incluso si eso significa utilizar aproximaciones en lugar de soluciones perfectas. Sin embargo, las disciplinas de ingeniería también pueden generar conocimientos fundamentales como subproductos sin que ese sea su propósito. La termodinámica surgió en parte de los ingenieros que intentaban construir mejores máquinas de vapor∂. La teoría de la información provino de ingenieros que trabajaban en telecomunicaciones. Pero el telos del campo es construir sistemas que funcionen, no promover una teoría fundacional. Un científico de datos que desarrolla un modelo que mejora la retención de clientes en un 5 % ha tenido éxito, incluso si utilizó métodos disponibles en el mercado y no generó conocimientos novedosos.
La ciencia de datos se trata fundamentalmente de construir cosas que funcionen en contextos desordenados del mundo real. Al igual que otras disciplinas de ingeniería, implica:
Hacer concesiones pragmáticas (precisión versus interpretabilidad versus costo computacional) Trabajar dentro de limitaciones (datos limitados, recursos computacionales, requisitos comerciales) Integrar múltiples técnicas para resolver problemas prácticos Centrarse en la implementación, el mantenimiento y la iteración
Quizás la ciencia de datos se comprenda (y se enseñe) mejor utilizando un marco de ingeniería. Quizás la ciencia de datos necesite especializaciones análogas a las de los ingenieros mecánicos, civiles y eléctricos. Este marco de ingeniería tiene que ver con la epistemología y la práctica, no necesariamente con la estructura organizacional. La ingeniería se trata fundamentalmente de cómo abordar los problemas (construir sistemas que funcionen bajo restricciones) no de afiliación departamental. La ingeniería biomédica es ingeniería, ya sea que se encuentre en ingeniería mecánica o en una escuela de medicina. Lo que importa es que los programas de ciencia de datos adopten principios de ingeniería: fundamentos rigurosos, pistas especializadas, enfoque en la construcción en lugar del puro descubrimiento y estándares profesionales. Esto puede suceder en departamentos de estadística, departamentos de informática, escuelas de ingeniería o departamentos de ciencia de datos independientes. La clave es la filosofía y los estándares educativos, no el nombre del departamento.
Fundamentos de ingeniería existentes
No somos los primeros en ver la ciencia de datos como ingeniería. El ensayo de Stueur (2020) señaló de manera experta que, si bien la ciencia de datos se estaba convirtiendo en la ingeniería del siglo XXI, se enseñaba desde dos enfoques muy distintos. El primero es el marco inferencial en estadística, donde el objetivo es hacer afirmaciones fiables sobre ese mundo. Esto contrasta con la teoría del aprendizaje computacional, donde los datos se ven como ejemplos y el objetivo es aprender un concepto general. Stueur señala (2020) que no existe una base epistemológica común por la cual se capaciten a todos los científicos de datos. Estamos ampliando esos llamados iniciales para bases comunes y presentamos ideas sobre cómo podría verse esto para la ciencia de datos como disciplina académica y profesión.
Hoerl y Snee (2015) han abogado por una nueva disciplina, llamada ingeniería estadística, para abordar problemas grandes, no estructurados y complejos, combinando múltiples herramientas estadísticas, además de otras disciplinas. La ingeniería estadística es la aplicación del pensamiento estadístico a problemas grandes y no estructurados del mundo real. Esta convocatoria de una nueva disciplina ha llevado a la formación de la Asociación Internacional de Ingeniería Estadística (ISEA). Parecería que ISEA ve la ingeniería estadística como la ciencia de integrar y aplicar métodos rigurosamente, siendo la ciencia de datos la práctica de utilizar esos métodos.
Pan y sus colegas (2021) han sugerido que los campos de la ingeniería introduzcan conceptos de ciencia de datos, como el aprendizaje automático y un enfoque en la estadística. Señalan que es importante perfeccionar el plan de estudios universitario y capacitar a los ingenieros para que utilicen la ciencia de datos y tengan conocimientos de datos desde el principio (Pan et al., 2021). Creemos que la ciencia de datos debería adoptar la filosofía recíproca. Gerald Friedland se ha tomado esto en serio al presentar un novedoso libro de texto (Friedland, 2023) que presenta el aprendizaje automático desde una perspectiva de ingeniería. Vale la pena señalar que también están apareciendo perspectivas de ingeniería en dominios relacionados. Rebecca Willet (2019), por ejemplo, ha pedido un enfoque de ingeniería para la inteligencia artificial.
Aunque la ciencia de datos como idea de ingeniería no es nueva, todavía quedan varias preguntas abiertas. ¿Cómo deberían cambiar los planes de estudio si aceptamos que la ciencia de datos es ingeniería? ¿Qué competencias debemos enfatizar? ¿Cómo enseñamos el fracaso y no sólo la precisión? ¿Deberían los científicos de datos tener códigos de práctica como los tienen los ingenieros? Nuestro objetivo es continuar la discusión sobre la ciencia de datos como ingeniería y al mismo tiempo sugerir perspectivas pedagógicas, profesionales y éticas sobre estas cuestiones.
Implicaciones para la educación
Las disciplinas de ingeniería tradicionales requieren un conocimiento fundamental profundo precisamente porque los ingenieros necesitan reconocer cuándo se encuentran en los límites de la teoría establecida. Un ingeniero civil necesita comprender la ciencia de los materiales y la mecánica estructural lo suficientemente bien como para saber cuándo un problema de diseño requiere nueva investigación y cuándo se trata de una aplicación directa de principios conocidos.
De manera similar, un científico de datos que trabaja, digamos, en una nueva arquitectura para la predicción de series de tiempo idealmente debería reconocer: "Este comportamiento de convergencia es extraño; esto podría estar tocando algo fundamental sobre los paisajes de optimización" frente a "Esto es sólo una cuestión de ajuste de hiperparámetros".
Queremos evitar una educación que genere profesionales que puedan usar herramientas pero que no reconozcan cuando están observando algo que viola las expectativas teóricas, que es exactamente cuando emergen las ideas fundamentales. La falta de especialización crea tanto un problema de señales (¿cómo se evalúa a los profesionales?) como un problema de capacitación (un plan de estudios no puede satisfacer todas las necesidades).
A continuación se presentan algunas sugerencias para ayudar en los debates en curso sobre el plan de estudios de ciencia de datos.
Secuencia central en álgebra lineal y teoría de la probabilidad. Física para comprender: sería extremadamente valiosa cierta exposición a la mecánica estadística y la teoría de la información, enmarcada en sus conexiones con los sistemas de aprendizaje. Cursos “Fundamentos para profesionales”: cursos diseñados explícitamente para brindar a los profesionales suficiente base teórica para reconocer anomalías y preguntas fundamentales. No es un curso sobre la herramienta X; más bien, "Esto es lo que debería suceder según la teoría, así es como se ve cuando estás fuera de la teoría". Enseñe confiabilidad, pruebas y explicabilidad como conceptos de primera clase. Estudios de casos de descubrimientos fundamentales: enseñanza a través de ejemplos como “cómo se descubrió la deserción” o “por qué el optimizador Adam converge de manera diferente a lo que predijo la teoría” para entrenar la habilidad de reconocer preguntas fundamentales. Introducir “laboratorios de diseño” finales modelados a partir del diseño superior de ingeniería. Un enfoque en la ética y la equidad de los datos.
Lo que cambia en el aula es un paso de un marco científico (adaptar un modelo para predecir los precios de la vivienda) a un marco de ingeniería (diseñar un modelo de fijación de precios que sea preciso, explicable a los reguladores y que se vuelva a capacitar automáticamente cuando cambien las condiciones del mercado). Ahora los estudiantes deben considerar las canalizaciones, el control de versiones, el monitoreo y la ética, no solo el error absoluto. Los estudiantes de ingeniería aprenden que los sistemas fallan y que el diseño es iterativo. Los estudiantes de ciencia de datos también deberían hacerlo.
La ética se enseñaría como una restricción de diseño. En lugar de abordar la ética como un tema de discusión, se la trata como un parámetro de diseño. Si nuestros sistemas no deben producir resultados dispares por género o raza, entonces la ética se convierte en un requisito de diseño técnico, no en una idea moral de último momento.
En una ciencia de datos de estilo ingeniería, las herramientas no son extras opcionales. Elegir las herramientas correctas para la reproducibilidad, el monitoreo y la implementación, la automatización y la documentación se convierte en el equivalente de los códigos y estándares de seguridad en la ingeniería tradicional.
Nuestra evaluación de los estudiantes también cambia. En lugar de calificar solo la precisión o las derivaciones matemáticas, evaluamos la solidez, la claridad del diseño, la interpretabilidad y las métricas de equidad. Los estudiantes deben ser recompensados por construir sistemas duraderos.
Los cambios en la pedagogía darían a los profesionales la capacidad de:
Leer artículos teóricos y comprender lo que afirman Reconocer cuando los resultados empíricos contradicen las expectativas teóricas Tener intuiciones teóricas y físicas sobre algoritmos Saber cuándo consultar teorías más profundas Comunicarse con investigadores en campos adyacentes Aprender de las fallas del sistema
Para ser claros, no estamos diciendo "reorganizar todos los colegios y universidades". Más bien, "reconocer la ciencia de datos como una práctica de ingeniería y estructurar la educación en consecuencia". La ingeniería es un modo de práctica, no sólo una categoría organizacional. El marco de ingeniería tiene que ver con la identidad profesional y los estándares educativos, no con la ubicación departamental.
Propuestas de Especializaciones y Modificaciones a los Colegios Profesionales
Si la ciencia de datos es ingeniería, debemos pasar del modelo científico (centrado en la difusión de la investigación y la acreditación académica) al modelo de ingeniería (centrado en los estándares profesionales, la responsabilidad pública y la competencia práctica). Esto incluye especializaciones, códigos de ética exigibles, normas técnicas con implicaciones regulatorias y acreditación educativa. ¿Cómo serían las especializaciones en ciencia de datos? Aquí hay un posible desglose para hacer avanzar la conversación.
Científico de datos estadísticos/experimentales
Requisitos educativos: inferencia causal, diseño experimental, metodología de encuestas Aplicaciones: pruebas A/B, evaluación de políticas, ensayos clínicos Matemáticas básicas: análisis real, probabilidad, estadística Exposición limitada a: sistemas distribuidos, aprendizaje profundo
Científico de datos de IA/aprendizaje automático
Requisitos educativos: algoritmos, sistemas distribuidos, optimización Aplicaciones: sistemas de recomendación, búsqueda, predicción a gran escala Núcleo matemático: álgebra lineal, optimización, algunas mecánicas estadísticas Fuerte exposición a: ingeniería de software, MLOps, escalabilidad
Científico de datos científicos/de investigación
Requisitos educativos: dominio ciencia + estadística Aplicaciones: Genómica, clima, física, ciencias sociales Matemáticas/Ciencias básicas: física, estadística, álgebra lineal, computación científica Enfoque en: Interpretabilidad, cuantificación de incertidumbre, modelos causales
Científico de datos de inteligencia empresarial
Requisitos educativos: negocios/economía, algunas estadísticas y cálculo. Intenso en: SQL, visualización, comunicación, conocimiento del dominio. Aplicaciones: paneles, informes, análisis exploratorio.
Los programas de ciencia de datos y las sociedades profesionales con un enfoque en ingeniería tendrían estándares de datos análogos a los códigos de construcción de ingeniería. No para la función reguladora de los códigos de construcción. Más bien, la certificación de herramientas y enfoques para la industria. Esto consistiría en estándares de documentación de datos (qué constituye documentación adecuada), protocolos de validación de modelos (¿cuándo está listo un modelo para su implementación?), estándares de reproducibilidad (requisitos mínimos para la reproducibilidad computacional), protocolos de prueba de imparcialidad y sesgo, y estándares de seguridad y privacidad para el manejo de datos. Estos no deberían ser artículos académicos: deberían ser estándares de vida desarrollados y adoptados conjuntamente por la industria.
La membresía y el enfoque también cambiarían dentro de las sociedades profesionales de ciencia de datos. Habría igual espacio para los profesionales, no sólo para la investigación académica. Los ingenieros aprenden de los fallos (por ejemplo, el derrumbe de un puente). La ciencia de datos también necesita estudios de casos de fracaso. La ética, centrada en las consecuencias, dominaría la enseñanza y la publicación. El bienestar público (¿cuándo debería un científico de datos negarse a construir algo?), los daños posteriores (responsabilidad de cómo se implementan los modelos) y los estándares aplicables (no solo aspiracionales) ocuparían un lugar central. La ética de la ingeniería pregunta: "¿Qué podría salir mal y quién podría resultar perjudicado?" La ética de la ciencia de datos debería hacer lo mismo.
Enseñar ciencia de datos como ingeniería redefine el éxito desde la “precisión del modelo” hasta la “confiabilidad y responsabilidad del sistema”. A medida que nuestros sistemas de datos dan forma al mundo, debemos capacitar a los científicos de datos no solo como analistas de datos sino también como ingenieros de las consecuencias de los sistemas de datos.
Evitar una falsa dicotomía
La narrativa de que “la ciencia descubre, la ingeniería aplica” es demasiado simplista. La realidad es mucho más rica. La historia muestra que la ingeniería y la ciencia se entrelazan con muchos conocimientos científicos fundamentales que surgen de la práctica de la ingeniería. La frontera es permeable y productiva. La ciencia de datos generará nuevos conocimientos científicos y los científicos de datos que realizan descubrimientos científicos están haciendo una ingeniería excepcional, sin abandonar la ingeniería por la ciencia. En este sentido, el nombre pasa a un segundo plano porque un marco de ingeniería valora ambos tipos de contribuciones. Si bien su pedagogía y profesionalismo reconocen que la mayor parte del trabajo es síntesis y aplicación, aún así debemos crear espacio para el descubrimiento. Este es un modelo mucho más saludable que pretender que todos los científicos de datos están haciendo ciencia fundamental, o que aquellos que construyen sistemas son de algún modo inferiores. Ver la ciencia de datos como…
La disciplina de ingeniería que aplica conocimientos estadísticos, computacionales y de dominio para diseñar sistemas basados en datos que funcionen de manera efectiva y ética en la práctica.
…aclara por qué los científicos de datos valoran las canalizaciones y la escalabilidad, por qué son importantes la reproducibilidad y la mantenibilidad, y por qué la ciencia de datos no necesita inventar nuevas matemáticas para convertirse en un campo real. Cuando vemos la ciencia de datos como ingeniería, dejamos de preguntarnos "¿Qué modelo es mejor?" y empiece a preguntarse "¿Qué diseño de sistema resuelve este problema de forma responsable y sostenible?" Ese cambio produce profesionales que pueden pensar de un extremo a otro, equilibrando la teoría, la computación y la ética, de forma muy similar a como los ingenieros civiles equilibran la física, los materiales y la seguridad.
Expresiones de gratitud
El autor desea agradecer al Dr. Bill Harder (Director de Desarrollo Docente y Excelencia Docente) y al Dr. Rodney Yoder (Profesor Asociado de Física y Ciencias de la Ingeniería) por sus útiles debates y comentarios sobre este artículo.
Referencias
Blei, DM y Smyth, P. (2017). Ciencia y ciencia de datos. Actas de la Academia Nacional de Ciencias, 114(33), 8689–8692.
Cleveland, WS, (2001). Ciencia de Datos: un plan de acción para ampliar las áreas técnicas del campo de la estadística. Revisión estadística internacional, 69(1):21–26
Dogucu, M., Demirci, S., Bendekgey, H., Ricci, FZ y Medina, CM (2025). Una revisión sistemática de la literatura sobre la investigación de pregrado en educación en ciencia de datos. Revista de educación en estadística y ciencia de datos, 33(4), 459-471.
Donoho, D. (2017). 50 años de ciencia de datos. Revista de estadística gráfica y computacional, 26 (4), 745-766.
Friedland, G. (2024), Aprendizaje automático basado en información, Springer Cham, https://doi.org/10.1007/978-3-031-39477-5
Hoerl, RW y Snee, RD (2015), Ingeniería estadística: ¿una idea de quién ha llegado el momento?, preimpresión de arXiv, https://arxiv.org/abs/1511.06013
Meng, X.-L. (2019). Ciencia de datos: un ecosistema artificial. Revisión de ciencia de datos de Harvard, 1 (1). https://doi.org/10.1162/99608f92.ba20f892
Pan, I., Mason, L. y Matar, M. (2021), Ingeniería centrada en datos: integración de simulación, aprendizaje automático y estadística. Desafíos y oportunidades, preimpresión de arXiv, https://arxiv.org/abs/2111.06223
Saltz, JS y Grady, NW (2017). La ambigüedad de los roles del equipo de ciencia de datos y la necesidad de un marco para la fuerza laboral de ciencia de datos. 2017 Conferencia Internacional IEEE sobre Big Data (Big Data), Boston, MA, EE. UU., 2017, págs. 2355-2361, doi: 10.1109/BigData.2017.8258190.
Steuer, D. (2020), Es hora de profesionalizar la ciencia de datos, Importancia, volumen 17, número 4, agosto de 2020, páginas 44–45, https://doi.org/10.1111/1740-9713.01430
Wilkerson, MH (2025). Mapeo de los fundamentos conceptuales de la 'educación en ciencia de datos'. Revisión de ciencia de datos de Harvard, 7 (3). https://doi.org/10.1162/99608f92.9ac68105
Willett, R. (2019). Perspectivas de ingeniería sobre la IA. Revisión de ciencia de datos de Harvard, 1 (1). https://doi.org/10.1162/99608f92.98280d4a
Wing, JM, Janeia, VP, Kloefkorn, T. y Erickson, LC (2018). Cumbre de liderazgo en ciencia de datos, Informe del taller, Fundación Nacional de Ciencias. Obtenido de https://dl.acm.org/citation.cfm?id=3293458
Ala, JM (2020). Diez áreas de desafío de investigación en ciencia de datos. Revisión de ciencia de datos de Harvard, 2 (3). https://doi.org/10.1162/99608f92.c6577b1f