“Las empresas se están descubriendo y adaptando a que no necesitan tener un científico de datos altamente educado para cada rol de datos”, dice Pedro Pablo Morcillo.

La actual coyuntura nos ha permito ser consientes de la interrelación existente entre la Inteligencia Artificial (IA) y los datos. Los modelos predictivos son tan confiables como confiables sean los datos que se les proporcionen al crearlos. Si los datos son erróneos, o existe un alto nivel de aleatoriedad, o simplemente no se usan, las predicciones serán imprecisas, con el riesgo que ello conlleva. Los datos son la clave para implementar con éxito una buena estrategia de transformación digital en nuestras empresas. Hoy mas que nunca es importante tener presente que el 90% de los datos que se manejan en todo el mundo se ha generado en los últimos dos años. Ante tal avalancha de datos, la compleja tarea de analizar estos datos se encargará a los científicos de datos: ingenieros con doctorados, estadísticos, físicos y matemáticos.

PUBLICIDAD
Debido a que las empresas, particularmente las más grandes con operaciones analíticas más maduras de Big Data, están descubriendo que es un tema demasiado importante como para dejarlo únicamente en manos de los científicos de datos, porque simplemente no hay suficientes; Son muy necesarios, y las personas con esta formación profesional continuarán desempeñando un papel crucial. Pero hay una multitud cada vez mayor de herramientas y servicios diseñados para facilitar el análisis de grandes volúmenes de datos fuera del control de TI y accesible a toda la organización en su conjunto.

Gartner define a un Citizen Data Scientist como “una persona que crea o genera modelos que aprovechan el análisis predictivo o prescriptivo, pero cuya función principal de trabajo está fuera del campo de la estadística, física y Machine Learning avanzado. Cubren la brecha entre quienes realizan análisis prácticos y accionables como usuarios de negocio y quienes realizan análisis avanzados como científicos de datos.

De hecho, el año pasado los analistas de Gartner IT predijeron que la demanda de estas personas aumentará cinco veces más rápidamente que la demanda de científicos de datos “tradicionales”, altamente calificados. Incluso en el mercado colombiano ya es posible encontrar profesionales en publicidad y mercadeo expertos en programación en R Studio y/o Pytnon que les permite diseñar modelos analíticos avanzados a partir de datos estructurados y no estructurados que han aprendido estas habilidades en plataformas de educación en línea como Platzi, quienes visualizan los resultados en herramientas tales como Power BI o Tableau entre otros.
Sin embargo, las empresas se están descubriendo y adaptando a que no necesitan tener un científico de datos altamente educado para cada rol de datos. El promedio de estas empresas solo requiere profesionales con el conjunto de habilidades y capacitación adecuadas para abordar tareas específicas. Eso da lugar a un nuevo papel emergente: El Citizen Data Scientist.

Pero déjenme proporcionar un pequeño contexto practico. Sería fácil para un gerente de ventas, o cualquier gerente de negocios, preguntar cuál es la diferencia entre “análisis predictivo” y “pronóstico” (Forecasting). El pronóstico se basa en modelos matemáticos y estadísticos tradicionales; El análisis predictivo utiliza el aprendizaje automático o ML (Machine Learning), la inteligencia artificial (AI) y otros análisis avanzados para predecir/pronosticar el futuro. Y las aplicaciones existentes de las áreas comerciales tales como BI (Busisness Intelligence) hacen un buen trabajo al proporcionar buenos análisis en una amplia variedad de KPI, desde el desempeño puntual por vendedor hasta el costo de entregar un pedido en una tienda.

También hay cosas que las empresas quieren saber o deberían querer saber, que las aplicaciones comerciales existentes no pueden responder. Un ejemplo, en este entorno de ventas competido, los jefes de ventas deben poder predecir cuando los buenos vendedores están a punto de abandonar la empresa y tomar medidas preventivas para tratar de evitar su pérdida.
En resumen, existe la necesidad de soluciones analíticas predictivas especializadas para ayudar a las empresas a administrar mejor sus negocios. Pero estas soluciones requieren científicos de datos, que son caros y pueden ser exigentes o no dimensionar el entorno de la solución requerida por los tipos de proyectos en los que quieren trabajar. Por lo tanto, es importante, la necesidad de contar con los Citizen Data Scientist.

Por ejemplo, unos de los principales retailers de Estados Unidos, que ha logrado sobrevivir a la crisis de esta industria, recientemente capacitó a 400 empleados de sus operaciones de inteligencia de negocios (BI) para convertirlos en “Citizen Data Scientist” y poder llevar a cabo la microsegmentación de clientes basada en Big Data, trabajo que previamente habría sido realizado por científicos de datos, probablemente con doctorados. La medida ha generado eficiencias de cientos de miles de dólares solo en costos de preparación de datos debido a que esta nueva clase de Citizen Data Scientist a introducido ideas disruptivas en la acción, el análisis exploratorio y la visualización de los datos analizados. Y en Colombia compañías como Nutresa y Alpina están haciendo lo propio en esta época que los clientes quieren respuestas rápidas, entregas oportunas y que el producto se adapte a ellos.

Finalmente, la reflexión es, en estos tiempos obligatorios de cambio las empresas que quieran convertirse en competidores analíticos y transformar su cultura hacia una Data Driven Company requieren que la alta dirección se comprometa con Analytics asignando recursos para crear ecosistemas con StartUps que tienen modelos de negocios agiles, que promueven la gestión del cambio para que la cultura no termine ganándole a la estrategia y así lograr tener una transformación digital exitosa.

Por: Pedro Pablo Morcillo

*El autor es cofundador y CEO de Infometrix, trabajando recientemente en la implementación de un programa de analítica para retail, una plataforma de analítica para telcos y un programa de Data Analytics para CPG’s. Es emprendedor serial con éxito previo, creador de equipos de alto desempeño, inteligencia artificial, Data Analíticas y mentor de Espíritu Emprendedor del Cesa.

Las opiniones expresadas son sólo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes.