La democracia de los datos eleva al científico de datos

Los científicos de datos desarrollan habilidades blandas para impulsar cambios en la organización.

Los científicos de datos están muy demandados. En el informe sobre puestos de trabajo emergentes de Estados Unidos de 2017, LinkedIn señaló que “la demanda de científicos de datos ha aumentado más del 650 % desde 2012” y “cientos de empresas están contratando personas para esos roles” en distintos sectores. El grupo de candidatos es cada vez más acotado, ya que “los ingenieros de aprendizaje automático, los científicos de datos y los ingenieros de big data se clasifican como los principales puestos de trabajo emergentes”.

Sin embargo, como se espera que más departamentos y funciones trabajen con datos, en las organizaciones se observa un aumento general en el conocimiento de datos y el surgimiento de más científicos de datos aficionados. Gartner define al científico de datos aficionado como “una persona que desarrolla o genera modelos que usan funcionalidades predictivas y prescriptivas, o análisis de diagnóstico avanzados, pero cuya principal función laboral no está directamente relacionada con las estadísticas y el análisis”. Esas personas no reemplazan a los científicos de datos, sino que se convierten en socios clave para desarrollar y probar hipótesis.

La consecuencia es que está cambiando la definición de ciencia de datos y se están borrando las líneas entre aquellos con experiencia tradicional en datos y conocimientos del dominio de negocios. Sonic Prabhudesai, administrador de análisis estadístico en Charles Schwab, indicó que “más trabajadores comerciales comprenden cómo trabajar con datos y los científicos de datos se están familiarizando más con las características internas de los negocios”.

En la actualidad, se espera que los científicos de datos tengan conocimientos avanzados sobre estadística y aprendizaje automático, además de contar con pensamiento estratégico orientado a los negocios y conocimiento detallado sobre su sector. “La ciencia de datos es más que procesar números; es la aplicación de distintas habilidades para resolver problemas específicos en un sector”, detalla el doctor N. R. Srinivasa Raghavan, director global de ciencia de datos en Infosys. “Los científicos de datos tienen que poseer conocimientos detallados de los dominios en los que se aplicará la información que encuentren”.

Los resultados de algoritmos y modelos solo son eficientes si ayudan a resolver el problema adecuado en el contexto correcto. Por eso, deben trabajar en estrecha colaboración con las partes interesadas para identificar y pulir el tema y la hipótesis del problema al comienzo del proceso, y mantenerlas al tanto a lo largo del flujo de trabajo. Además, al final del flujo de trabajo, significa saber cómo comunicar los resultados a los socios comerciales de manera relevante y útil.

“El modelado estadístico y el aprendizaje automático ahora son elementales para ser un científico de datos”, explica Sonic. “El factor diferenciador es si las personas que trabajan en el campo pueden comunicar sus hallazgos de manera sencilla y útil”. En lugar de entregar resultados, los científicos de datos tendrán un rol clave en cómo se aplican esas conclusiones al negocio.

Gracias a las herramientas de análisis de autoservicio, tanto los científicos de datos como los usuarios avanzados pueden explorar y obtener una mejor interpretación de los datos. Eso lleva a información que puede encauzar el resto del análisis y, en última instancia, generar un impacto en el negocio.