📊Los grandes

Más conocida como fundadora de la enfermería moderna, Nightingale fue también una estadística pionera que usó la visualización de datos para convencer al gobierno británico de que la mala higiene, no las heridas de batalla, mataba a la mayoría de los soldados en la Guerra de Crimea, y se convirtió en la primera mujer elegida Fellow de la Royal Statistical Society.

“Un gráfico bien diseñado puede cambiar la política de un gobierno más rápido de lo que nunca lo harán los mismos números en una tabla.”

Trabajando como químico y estadístico de la cervecería Guinness en Dublín, Gosset desarrolló la distribución t y la prueba t para resolver un problema muy práctico —juzgar la calidad de pequeñas muestras de cebada— y publicó bajo el seudónimo 'Student' porque Guinness prohibía a los empleados publicar con su propio nombre.

“Un método construido para resolver un problema estrecho y práctico puede sobrevivir a su propósito original por más de un siglo.”

Estadístico indoamericano que, a los 25 años, derivó la cota de Cramér–Rao y el teorema de Rao–Blackwell —dos de los resultados más usados en teoría de la estimación estadística— y más tarde ayudó a construir el Indian Statistical Institute de India antes de una larga carrera en universidades estadounidenses.

“Un solo resultado demostrado con precisión al principio de una carrera puede sobrevivir a décadas de las modas posteriores de un campo.”

Matemático y estadístico estadounidense que co-inventó el algoritmo Fast Fourier Transform, inventó el diagrama de caja y sostuvo en su artículo de 1962 'The Future of Data Analysis' que analizar datos reales debía reconocerse como una disciplina científica propia distinta de la estadística matemática.

“Mira los datos con tus propios ojos, usando herramientas simples dibujadas a mano, antes de confiar en cualquier modelo construido a partir de ellos.”

Estadístico de Bell Labs que acuñó 'data science' como nombre para una disciplina estadística ampliada en un artículo de 2001, e inventó por separado técnicas de visualización de datos y suavizado muy usadas, incluido el método de regresión local LOESS.

“Nombrar y proponer formalmente los límites de un campo por escrito puede moldear cómo se organizan las universidades en torno a él años después.”

Dirigió el equipo de datos de LinkedIn donde él y su colega Jeff Hammerbacher adoptaron de forma independiente el título laboral 'data scientist' alrededor de 2008, coescribió el influyente artículo de Harvard Business Review de 2012 que lo nombraba 'el trabajo más sexy del siglo XXI,' y más tarde fue el primer Chief Data Scientist de EE. UU. bajo el presidente Obama.

“El título laboral correcto puede moldear cómo se recluta a toda una profesión, casi tanto como el trabajo en sí.”

Se convirtió en chief scientist de bit.ly en 2009, una de las primeras personas en ostentar el título laboral en público, usando los masivos datos de clics del servicio de acortamiento de enlaces para estudiar qué se propaga en línea, y más tarde fundó la startup de investigación en aprendizaje automático Fast Forward Labs.

“Un producto de infraestructura mundano puede duplicarse como uno de los conjuntos de datos de investigación más ricos disponibles, si alguien piensa en mirar.”