El 24 de octubre de 2015 GruPy-SP (con InteropMIX) escuchó a Fabio Franco Costa hablar sobre ciencia de datos sin la diapositiva de “en tres meses eres científico”. La tesis cabe en una frase: la ciencia de datos es un método para pensar problemas, no un stack. El vídeo está en el canal LinuxPro. A continuación, el mensaje de la charla, y lo que aún sigue vigente en 2026.
Fuente: GruPy-SP | Fabio Franco Costa — Ciencia de Datos en la Vida Real (26 min). Esa misma noche: Bruno Rocha — Flask y MongoDB.
Quién habló, dónde
Fabio Franco Costa, entonces en CI&T — software de Campinas que ya era multinacional brasileña, del orden de dos mil colaboradores, con trabajo citado para la FIFA y Coca-Cola FEMSA. Se presenta como quien traduce data science al comercial y al equipo: no es el tipo que “sabe la respuesta”, es el que arma la prueba. Twitter de la época: @costa_2_0. Meetup: GruPy-SP.
El título juega con la propia historia: data science “en la vida real” — incluso la parte en la que cuenta cómo usó el mismo método fuera de la oficina. No es un curso de pandas. Es el oficio.
El primer principio: no sabes la respuesta
La barrera, dice Fabio, no es la biblioteca. Es la postura del “doctor que tiene la respuesta para todo”. En la academia te entrenan para atacar problemas sin conocer la función: formulas hipótesis, mides, te equivocas, formulas de nuevo. En la empresa lo contrario es el valor por defecto: opinión, cargo, “siempre lo hemos hecho así”.
Data science empieza cuando alguien admite: no lo sé. Entonces llegan los datos (casi toda empresa ya tiene una tabla; lo raro es la puerta vacía) y la intuición se convierte en pregunta, no en conclusión. Él cita el tipo de pregunta que el mercado ya hacía en 2015: ¿se puede saber si una clienta está embarazada solo por el carrito? La anécdota de Target (EE. UU.) era el meme de la época. El punto no es el comercio minorista americano, sino transformar la corazonada en hipótesis testeable.
Hipótesis, después experimento
Tener una teoría no prueba nada. Solo el experimento decide. Fabio usa el cisne negro a Popper/Taleb: “todo cisne es blanco” se derrumba con un único cisne negro filmado. Mientras no pruebas, tienes historia.
La analogía personal de la charla es un embudo de citas online tratado como pipeline: no conoces el ADN de la respuesta; elaboras hipótesis (qué genera respuesta, qué no); experimentas un año; mides; descubres un efecto secundario (la cena en casa que no estaba en la muestra). El mensaje para el equipo de datos es el mismo: el resultado inesperado no es un fallo del notebook — es el mundo.
Tercer paso que él llama, en términos generales, de caminar: si no hay datos, aún puedes diseñar la prueba. Sin prueba, las estadísticas no salvan.
La estadística no es un adorno
Cuantas más pruebas, mayor la probabilidad de falso positivo. Fabio recuerda el nivel de confianza de 5%: en decenas de experimentos, algunos “vencedores” son ruido. Sin estadística no se discute con el decisor, se empuja un gráfico. El científico asesora; el comandante decide. Intercambiar los papeles es el atajo hacia un cuadro de mando de vanidad.
El trío que él defiende: estadística + conocimiento del negocio + método de investigación. Solo la herramienta (el “examen del mono”) no entra en el problema. Solo el dominio sin prueba se convierte en opinión entrenada. Solo la prueba sin dominio optimiza la métrica equivocada.
El ejemplo del puntaje simple
En el cierre él señala una prueba clásica de pediatría — la que el público reconoce como Apgar (Virginia Apgar, 1952): unas pocas preguntas objetivas sobre el recién nacido, puntuación 0 a 10, en lugar de solo el “ojo clínico” del médico de guardia. La literatura de la época ya mostraba que un checklist sencillo, aplicado en el momento, reduce la mortalidad en el primer día frente a la impresión suelta del especialista. El mensaje de Fabio: un modelo humilde + el dato en el lugar adecuado suele rendir mejor que el humano bien entrenado en piloto automático.
No es “la IA sustituye al médico”. Es: el método científico cabe en cualquier iniciativa, y el mejor lugar para aplicarlo es donde todavía no hay legado: producto nuevo, proceso nuevo, startup interna.
Organización dirigida por datos
Su “cruzada personal” en 2015: ayudar a las empresas a tomar algunas decisiones con humildad y evidencia, no solo con intuición. Data-driven no es BI en el mural. Es reducir el volumen de elección a ciegas.
CI&T lanzaba un producto basado en data science / machine learning en el ciclo siguiente. El nombre de la caja importa menos que el hábito: hipótesis escrita, experimento diseñado, estadística en el medio, dominio en la punta.
Qué hacer con esto en Linux, en 2026
El escenario era Python — GruPy. El camino local sigue siendo el mismo, con nuevas versiones:
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -U pip pandas scikit-learn matplotlib
Tutorial y venv: Python de lo Básico a lo Profesional. El mapa de idiomas: Las 7 principales lenguajes.
Pandas y sklearn siguen cargando el día a día tabular. Lo que cambió es el volumen de modelo listo (y de gente que se salta la prueba). La charla de 2015 es el antídoto: no sé → hipótesis → experimento → número que aguanta conversación.
Cierre
Un sábado de GruPy, un tipo de CI&T, un método que la academia ya enseña y la empresa olvida. Mira el vídeo. Después abre un dataset tuyo y escribe la hipótesis antes del gráfico.
GruPy-SP: meetup.com/Grupy-SP · canal: youtube.com/linuxpro.