Desafíos, obstáculos y proyecciones de la formación en ciencia de datos

Desafíos, obstáculos y proyecciones de la formación en ciencia de datos

La ciencia de datos sostiene el presente y futuro de las organizaciones. Esta disciplina ha sido capaz de impulsar nuevas tecnologías, procesos y metodologías enfocadas en entender mejor las causas y las consecuencias de los acontecimientos que ocurren en el mundo. 

Asimismo, es ampliamente conocido que la ciencia de datos dio origen a la inteligencia de negocios; de igual forma, ha demostrado que las empresas necesitan desarrollar un enfoque data-driven para optimizar sus operaciones, mejorar la experiencia al consumidor y maximizar sus beneficios; en esencia, el enfoque centrado en datos es el combustible de la Transformación Digital. 

Sin embargo, la ciencia de datos suele desafiar a las organizaciones, debido a sus constantes cambios. Entre los factores más complejos están el reclutamiento y la capacitación de talentos. Según estimaciones de la International Data Corporation (IDC), el desfase entre oferta y demanda de habilidades analíticas se sitúa entre un 40% y 50%. Sólo en Estados Unidos se espera que el déficit de profesionales supere las 250 mil plazas disponibles en 2024.

Alan Jacobson, director de Analítica y Datos en Alteryx brinda algunas observaciones sobre esta realidad:

“Si bien siempre es importante que las empresas ofrezcan capacitación a los empleados, los campos de la ciencia de datos y la transformación digital están desafiando a las empresas a romper el molde y ofrecer nuevas formas de evolución para mejorar las habilidades y ofrecer un mayor ROI”.  

Agrega: “La ciencia de datos ha evolucionado hasta el punto en que las personas no necesitan volver a la universidad para aprender. Aprenderán en el trabajo o en casa al encontrar nuevas herramientas y tecnologías. Asimismo, la escasez de perfiles con habilidades analíticas estimulará a muchas personas a formarse y aventurarse en nuevos trabajos y carreras basados ​​en esta disciplina”. 

Existen buenas alternativas para vencer el déficit

Desde hace varios años se han estado desarrollando muchas soluciones que intentan vencer el déficit de perfiles relacionados a la ciencia de datos. Incluso, muchas de estas plataformas buscan hacer que el trabajo sea más eficiente que el de un data scientist. 

Automatizar las tareas relacionadas con los datos es una axioma en sí mismo. Por tal razón, estas plataformas y herramientas de gestión automatizada de datos, ciencia de datos y analítica, tales como Alteryx, Thoughtspot, DataRobot, facilitan el análisis de «autoservicio» y la ciencia de datos automatizada. 

No obstante, muchos expertos advierten que la automatización de la ciencia de datos en manos inexpertas puede conducir a grandes problemas.

Con base en esta realidad, han surgido los movimientos de alfabetización en datos y los muy conocidos data citizens; esta última tendencia ha ido ganando impulso como alternativa para cerrar las brechas de habilidades analíticas dentro de las organizaciones. 

«Todos los datos tienen su belleza, pero no todos los ven».

Damian Mingle

Para entender mejor los efectos de esta realidad, especialmente, en el entorno latinoamericano, hemos conversado con Eduardo González, Líder de la Academia de Analytics 10. Discutiremos sobre la importancia de la analítica y los factores que influyen en la formación y capacitación de nuevos perfiles en el mundo de la ciencia de datos.  

P: ¿Cuál es el propósito de la ciencia de datos?

EG: En mi experiencia, el propósito de la ciencia o analítica de datos es poder transitar el camino que va desde el análisis descriptivo (qué sucedió -el pasado-), representado en la Inteligencia de Negocios, hasta un nivel predictivo y prescriptivo (qué queremos que suceda en el futuro).

Este camino se transita con el objetivo de entregar mejores respuestas y argumentos que soporten las tomas de decisiones críticas dentro de las organizaciones.  

P: ¿Se convertirá la ciencia de datos en la nueva programación?

EG: Es importante tener claro que la ciencia de datos es un concepto, una disciplina, y que la programación es un medio para producirla. Si bien la programación es importante, no lo es todo. Las empresas necesitan personas con clara orientación de negocio, habilidades analíticas, matemáticas y estadísticas. Por esa razón, los proveedores de herramientas para trabajar ciencia de datos buscan centralizar todas las funcionalidades y así solventar las diversas necesidades. A su vez, estas plataformas buscan facilitar el desarrollo de productos y soluciones mediante asistentes y procesos guiados, sin necesidad de programación.

Sin embargo, los profesionales que se enfocan en la programación de la ciencia de datos tienen la ventaja de integrar sus desarrollos en múltiples plataformas, sin depender precisamente de una herramienta de desarrollo guiado.

La verdad, en todo caso, es que existe un déficit importante de especialistas en ciencia de datos, producto del incremento exponencial de la demanda de estos perfiles. De tal forma que, debido a la escasez de especialistas, el aumento de las múltiples plataformas digitales y el crecimiento exponencial de los datos, podemos decir que la ciencia de datos sí es la nueva programación. 

Más aún, la ciencia de datos es la nueva forma de ver los negocios; de allí que ya no es solo una tendencia, sino una necesidad.

P: ¿Por qué la analítica debería ser una prioridad fundamental para las organizaciones?

EG: La tecnología y la digitalización están avanzando muy rápido. Las empresas disponen e implementan cada vez más sistemas que agilizan sus procesos. Estos cambios se traducen en la creación y recopilación de datos y, con ello, surge la necesidad de almacenarlos a mayor capacidad y menor costo. No obstante, las empresas no solo necesitan almacenar datos de forma eficiente; el verdadero valor está en usar los datos recopilados. 

Los beneficios que pueden obtener las organizaciones son múltiples, categorizados principalmente en tres áreas: la mejora en la toma de decisiones, la mejora de los procesos y la conversión de los datos en mayor rentabilidad.

En el entorno actual, las organizaciones necesitan tomar decisiones rápidas, con base en información de calidad. Solo así pueden ganar competitividad. Pensemos que si hay algo por descubrir y no lo encontramos nosotros, probablemente nuestra competencia sí lo hará. 

Adoptar la analítica en las organizaciones es un esfuerzo considerable y, generalmente, genera riesgos asociados, si no se cuenta con las herramientas, habilidades necesarias y una buena estrategia que las impulse.

Es importante reconocer que la ciencia de datos  no funciona por sí misma dentro de las organizaciones; es crítico que exista una cultura analítica transversal de la mano de una buena estrategia de datos. Las personas deben ser consumidoras de analítica de forma cotidiana y deben dirigir el esfuerzo de la analítica orientado a objetivos estratégicos.

P: Siendo una disciplina de tan alta demanda, ¿cuáles son los principales obstáculos en la enseñanza y capacitación de analítica?

EG: El primer obstáculo está en la falta de cultura analítica que experimentan muchas organizaciones. Cuando no se privilegia el estudio de los datos, es difícil que las personas, por sí mismas, asuman la necesidad de formarse en esta disciplina.  

A raíz de esta realidad, surge una segunda dificultad: el tiempo de estudio. Cuando la ciencia de datos no está en el centro de la cultura organizacional, las pocas personas que se animen a formarse, probablemente, tendrán un tiempo reducido para dedicarle a su capacitación. La analítica de datos debe ser una costumbre algo interno de las empresas, es un proceso del día a día; al final, es una disciplina que se centra en mejorar el proceso de la toma de decisiones. 

Un tercer obstáculo lo sufren las personas que son reacias al cambio. Por ejemplo, los trabajadores que aman las planillas en excel; si bien no es una mala opción, es una herramienta que está lejos de alcanzar estándares analíticos competitivos. 

A estos perfiles que le cuesta adoptar nuevas herramientas tecnológicas se les debe facilitar, de manera andragógica (enseñanza a los adultos), la capacidad de desarrollar sus habilidades analíticas tanto en el consumo como en la creación de esta.

P: ¿Los estudiantes deberían tener algunos requerimientos básicos para estudiar ciencia de datos? ¿Cuáles serían?

EG: Los requerimientos básicos no son muy complejos; en general, son nociones que manejan la mayoría de las personas. Un requerimiento básico es saber de ofimática; es decir, que sepan navegar un sistema operativo, que conozcan qué es un archivo, cómo funciona internet y no más de eso. Hoy en día, las capacitaciones están preparadas para enseñarle analítica a las personas en su propio lenguaje.

Cualquier persona que sepa tomar datos e información puede aprender analítica, independientemente de su formación profesional. 

P: ¿ Cómo ayudar a los estudiantes a generar un aprendizaje claro sobre lo que es la ciencia de datos? 

EG: Definitivamente, para aprender ciencia de datos, ayuda muchísimo tener un mentor que brinde orientación y capacitación sobre las herramientas que aplican analítica. En muchas ocasiones, las personas que estudian la ciencia de datos se centran en elementos muy teóricos. Y lo teórico no da tanto, la teoría es importante pero no es lo que genera cambios… La clave está en los conocimientos prácticos. Cuando un estudiante recibe una capacitación práctica con una herramienta que crea y aplica análisis pueden obtener un aprendizaje mayor. 

En analítica, la capacidad de ejecución es crítica. por eso, es el factor más importante de las capacitaciones. 

Por otro lado, en internet hay muchísima información. Las personas pueden estudiar de forma autónoma, Youtube está lleno de buenos materiales. Asimismo, existen muchísimas capacitaciones en E-learning. Estas opciones representan una oportunidad muy interesante, pero el riesgo de la autoformación está en que los estudiantes pueden tomar caminos mucho más largos y poco efectivos que pueden generar frustraciones, desmotivación y eventual deserción. 

Muchos de los participantes de la Academia A10 nos comparten su satisfacción con los entrenamientos que les brindamos; nos comentan que han ahorrado muchísimo tiempo con nosotros, en comparación a otros modelos de capacitación en los que han tenido que invertir muchísimo más tiempo para aprender algo y ni siquiera lo aprenden bien del todo. El tiempo que ahorran con capacitaciones formales es muy grande, puede ir de varios meses a años.  

El aprendizaje autodidacta se basa en la prueba y error; eso no está mal, pero hay que ser conscientes que no es el camino más ágil. El camino más ágil está en apoyarse en profesionales ya entrenados, mentores que tengan vasta experiencia demostrable en analítica y que enseñen a partir de casos y hechos reales. Ese es el mejor camino. 

P: La ciencia de datos requiere de la implementación de muchas herramientas. ¿Cuáles son los obstáculos más frecuentes en la enseñanza de estas herramientas?

EG: A lo largo de muchas horas de relatoría, hemos podido observar que el obstáculo más difícil está en la costumbre; esta realidad aplica tanto para usuarios de negocio como usuarios ya experimentados: 

Por ejemplo, la mayoría de los usuarios de negocios que trabajan con datos están acostumbrados a verlos en Excel y, por lo general, son incrédulos a nuevas herramientas. Les cuesta salir de su zona de confort siendo así más conservadores en la forma de hacer su trabajo.

En un principio, esa reacción no está mal, es común y hasta deseable. El problema es cuando las personas no pueden salir de allí, bajo ningún concepto, porque están bloqueadas a los cambios. 

La buena noticia es que las herramientas de analítica son conscientes de estas resistencias. Por tal razón, sus productos, además de robustos, son fáciles de usar. En mi experiencia, he notado que las funciones de autoservicio y el desarrollo guiado ayudan a una adopción rápida y eficiente capaz de generar valor rápido al negocio. 

Estas características ayudan a que las personas superen su rechazo inicial y se animen a probarlas obteniendo resultados útiles en el corto y mediano plazo.

P: ¿En qué se diferencia la propuesta educativa de la Academia A10 de otras instituciones?

EG: Un factor clave es que Analytics 10 es distribuidor de las plataformas de analíticas más innovadoras y mejor posicionadas a nivel mundial. Nosotros tenemos vinculación directa con estas herramientas, trabajamos y creamos soluciones con ellas. Nuestros consultores cuentan con las licencias y certificaciones más importantes de la ciencia de datos. Estas facultades nos permiten impartir conocimientos en analítica, a partir de experiencia demostrable. 

En las universidades, generalmente, no se tiene certeza de que los profesores trabajen activamente con analítica de datos. En cambio, una consultora respira analítica, vive de la ciencia de datos, de mantenerse actualizada para poder crear y ejecutar soluciones efectivas y transformadoras para sus clientes. 

La Academia A10 es fuente directa de la experiencia aplicable de la ciencia de datos. 

P: ¿Qué papel juega el liderazgo en la capacitación de ciencia de datos?

EG: el desarrollo de una cultura analítica dentro de las organizaciones debe ser impulsado por los líderes. La costumbre analítica se instaura por medio de un liderazgo efectivo y consciente. 

Los líderes deben ser visionarios y deben impulsar el uso de los datos para todos sus procesos de toma de decisiones. Asimismo, deben ser los canalizadores de la analítica de autoservicio, es decir, el uso de datos por parte de perfiles no técnicos. Un líder tiene que cerciorarse de que este proceso se desarrolle y se haga bien. 

Es responsabilidad del líder guiar, de forma efectiva, esfuerzos analíticos alineados a los objetivos de negocio. Sobre este factor se debe erigir la estrategia de datos; solo así se podrán lograr transformaciones que generen crecimiento. Una estrategia de datos eficiente también debe considerar la transformación de las personas; debe brindarles las herramientas para ser más eficiente y generar más valor desde su puesto de trabajo. 

De tal forma, es muy relevante crear instancias para que las personas tengan la capacidad de comprender y aplicar analítica.

En resumen, las transformaciones beneficiarán a quienes sean capaces de innovar y adaptarse. De allí la importancia de un liderazgo que impulse y participe en este tipo de iniciativas; solo así las personas y las organizaciones podrán evolucionar hacia el éxito.