Ciencia de datos: no es compleja ni lejana

Mauricio López Vanegas
29 de junio de 2018
2 min. de lectura

En el día a día las personas que trabajamos con la ciencia de datos, hablamos de big data, estadística, machine learning y conceptos técnicos que van surgiendo a diario con el avance de la tecnología.

Además de estos conceptos, muchas veces nos encontramos con reacciones como: “Ay, qué pereza”, “usted para qué estudió eso”, “sos un teso, pero mejor paso”.  

Cada que nos pasa, de inmediato, reaccionamos con una respuesta que inquieta aún más esas reacciones, sin pensar que nuestra responsabilidad y propósito debería buscar que todas las personas fueran menos esquivas a estos temas. 

Para saber más, lee Conoce el mundo de la Ciencia de Datos

La razón radica en que ellos  en cualquier momento serán nuestros clientes o nos pueden aportar demasiada información de negocio que permitiría encontrar mejores resultados si logramos trabajar en equipo.

Hoy queremos fomentar la responsabilidad que tenemos en el mercado, de no vernos como ciencias incomprensibles o lejanas, sino por el contrario, tratar de incorporarlas a perfiles “no numéricos”, al entendimiento y disfrute del análisis de datos, porque realmente una buena implementación de un modelo de analítica debería tener como premisa que los números no son aburridos.

¿Qué tener en cuenta para implementar Big Data?

Esto puede parecer una reflexión vacía en un grupo de negocios inteligentes, pero en realidad, consiste en generar conciencia sobre cómo nuestro papel en las compañías no solo se puede limitar a transformar datos en información, sino también a culturizar y “enrolar” a los demás equipos en la búsqueda común de resolver un problema o mejorar un proceso a partir de los datos.

Los proyectos de datos muchas veces mueren en las empresas no por falta de conocimiento, sino por falta de comprensión de los equipos o incluso la falta de ver el beneficio alrededor de los resultados de estos proyectos.

Usa los datos para conocer el comportamiento de tus usuarios

El ejemplo más recurrente es aquel en el que las áreas de ciencias de datos, realizan sus entregables en términos de correlaciones, modelos predictivos, probabilidades y un sinfín de términos técnicos que lo único que hacen es “desmotivar” al lector de nuestros resultados porque a parte de que no los entienden, sienten vergüenza de preguntar sobre el tema. 

Este error es responsabilidad de los gestores de modelos de datos al interior de las empresas.

Los resultados técnicos ya pasaron por nuestra etapa formativa, todo negocio debería obtener sus resultados en términos de los indicadores de negocios y el respaldo técnico debe ser nuestro back up al momento de alguna consulta técnica, pero nunca se debe tratar de mostrar la gráfica más compleja, ni la tabla que es más difícil de entender que el mismo problema que estamos buscando resolver.

A lo que se suma, nos convencimos de que los resultados numéricos no pueden ser atractivos.  La invitación a la generación de nuestros resultados, debería ser bajo el concepto de contar una historia a partir de los datos.

Nuestros usuarios finales, no esperan aprender de terminologías complejas, ni conceptos técnicos, lo que esperan son resultados maravillosos, soluciones a sus dolores y oportunidades anticipadas de negocio

En definitiva, los números no deben ser aburridos, deben ser una historia contada en función de los negocios inteligentes. 

Experiencia de usuario

Te puede interesar

Otros artículos de Ciencia de datos

Suscríbete