Con la cantidad de información disponible aumentando cada año, la ciencia de datos y analítica de negocios se han convertido dos de las áreas con mayores retos de la actualidad. El campo de trabajo es novedoso y lleno de oportunidades, pero también puede imponer un alto nivel de estrés.
Las empresas tienen cada vez acceso a más datos y quieren interpretaciones rápidas para tomar decisiones mejor informadas e impactar de manera positiva su estrategia de negocio.
Para los científicos de datos el reto no es menor, pues se encuentran con la responsabilidad de producir iniciativas de alto impacto para el negocio, además del desarrollo de propuestas técnicas, presupuestos, negociación con directivos, comunicación de resultados, entre otras responsabilidades que hacen de la tarea una misión casi imposible.
“A partir de un cierto nivel de competencia técnica, el mayor reto del científico de datos se encuentra en desarrollar una mentalidad que facilite navegar la complejidad de la profesión y lograr resultados”, afirmó Eduardo Ramírez, Ph.D en sistemas inteligentes y director de analítica en la nube de Ensitech.
Una mentalidad orientada en datos se construye mediante la práctica de hábitos que ayudan a los empresarios a entender mejor la labor de los científicos de datos y éstos a hacer un mejor trabajo:
1. Cuestiónalo todo y sé crítico
El pensamiento crítico consiste en el arte de analizar y cultivar el pensamiento para mejorarlo continuamente. Es decir, la práctica de un pensamiento auto-dirigido y auto-correctivo, sujeto a estándares de excelencia que son básicas para un buen análisis cuantitativo.
La finalidad de cuestionarlo todo es evitar invertir en iniciativas analíticas que no entregarán resultados a los negocios, y encontrar las que sí lo harán
Los atributos de un análisis de alta claridad pueden ayudar a plantear las preguntas correctas, algunos de ellos son: objetividad, claridad, exactitud, precisión, relevancia, profundidad y amplitud.
A propósito de esto, el político e investigador Robert Rubin dijo alguna vez: “Podemos juzgar una decisión por su resultado, pero también por el proceso por cómo fue tomada”.
¿Es confiable la medición? ¿Es consistente el uso de las unidades? ¿Es válido el uso de porcentajes?, son algunas preguntas que deben hacerse. Y así como es necesario cuestionar los datos, también es fundamental cuestionar los propios supuestos cuando los datos apuntan hacia una dirección diferente.
2. Piensa estadísticamente
Pensar estadísticamente no significa memorizar las fórmulas de la probabilidad y estadística, sino profundizar en el uso cotidiano de sus conceptos fundamentales para identificar los sesgos y los errores más comunes. Las ideas estadísticas son abstracciones de la realidad y, por lo tanto, esconden información.
Una idea aparentemente simple como el promedio es la fuente de muchas conclusiones erróneas al asumir que las condiciones promedio ocurrirán o que un individuo es similar al promedio de su población.
El pensamiento estadístico es una disciplina mental que requiere de una constante alerta para identificar las fuentes de sesgo y error. Un buen análisis de datos requiere practicar la identificación y cuantificación de las fuentes de incertidumbre, pero no detenerse por ellas. Es importante recordar que todas las decisiones que se toman están sujetas a incertidumbre, pero a pesar de ellas hay que decidir y actuar.
3. Recuerda que se trata de una ciencia
El pensamiento científico es la disciplina mental que aporta una metodología para establecer la validez de nuestro conocimiento y avanzar con solidez en el entendimiento de los fenómenos.
Del método científico debemos tener presente que establecer causalidad no es trivial y que las variables pueden estar relacionadas de formas diversas que nos pueden engañar con facilidad.
Recientemente el pionero del enfoque probabilístico a la inteligencia artificial, Judea Pearl, lanzó una aguda crítica al modus operandi de la ciencia de datos popular, donde se favorece la generación de modelos predictivos como “cajas negras”, sin profundizar en el entendimiento de las relaciones causales entre las variables.
Con estos tres procesos analíticos en mente, los líderes de este sector pueden avanzar sistemáticamente en su entendimiento de las distintas decisiones y procesos. Posteriormente definirán los modelos y sistemas que se deben construir para mejorarlos confiando que el proceso de análisis tuvo claridad, amplitud y profundidad.