¿Qué capacidades debe tener un Científico de Datos?

21 · 03 · 2017



Al contrario de lo que muchos intuyen o suponen, el Científico de Datos no necesariamente es un profesional con una formación “numérica”. No es indispensable que provenga de disciplinas como las Matemáticas, la Estadística, la Física o las Ciencias Exactas, aunque esas formaciones aportan una base muy útil. Algunos Científicos de Datos provienen de campos como las Telecomunicaciones, las Ingenierías o la Informática, e incluso de áreas aparentemente lejanas como Comunicación, Económicas, Finanzas o Biomedicina.

¿Por qué? Porque lo más importante de su trabajo es en definitiva el análisis de los datos: jugar con ellos, trabajarlos, cuestionarlos, quererlos. El Científico debe ser una persona curiosa, creativa, innovadora, incluso desafiante, capaz de plantearse el status quo imperante. Y por eso no es tan decisiva su formación como su actitud.

Las habilidades técnicas

Lo que sí queda claro es que el trabajo del Científico de Datos se basa en la combinación de tecnología, creatividad y datos. Probablemente existe un tronco común en sus calificaciones y desempeños, pero según pase el tiempo, el perfil se irá diversificando en múltiples ramas y especializaciones.

En síntesis, las cuatro disciplinas en las que el Científico de Datos debe desenvolverse con fluidez son:

  • Estadística / Matemáticas: debe ser alguien capaz de analizar bases de datos, construir modelos, hacer previsiones estadísticas y distinguir lo que es representativo de lo que no. Para ello debe contar con una sólida formación matemática que le permita controlar tanto modelos supervisados bajo técnicas predictivas (Data Mining, Machine Learning) como modelos no supervisados de segmentación. Previamente a esa modelización, debe manejar todas las técnicas matemáticas de pre-procesamiento del dato,  y una vez construido el modelo, queda la evaluación. En definitiva, debe estar familiarizado con el conjunto de técnicas que permiten construir y evaluar un modelo predictivo, y ser capaz de aplicar la lógica estadística en lenguajes de programación.
  • Analítica de negocio: el Científico de Datos debe hablar el idioma corporativo, entender los objetivos del negocio, la industria en la que opera y los procesos que impulsan los beneficios y el crecimiento de la empresa. Sólo de esta forma será capaz de discernir qué problemas son factibles de ser resueltos mediante el tratamiento de los datos, y sólo conociendo el funcionamiento del negocio podrá trasladar el análisis de los datos a recomendaciones valiosas para la empresa. Sin un conocimiento más o menos profundo del entorno empresarial, la mera cualificación técnica puede derivar en rechazo al “techie” o en dificultades de comprensión, o bien situarle en incómodas situaciones ofreciendo respuestas obvias.
  • Comunicación: el Científico de Datos tendrá que presentar en algún momento los resultados de su trabajo – no basados en la experiencia sino en su labor analítica- a profesionales, frecuentemente directivos con capacidad de tomar decisiones, con amplia experiencia de negocio pero sin formación técnica, y hacerlo sin perder en rigor ni exactitud. Para ello debe poseer la capacidad de divulgar de forma sencilla y de establecer un diálogo al nivel de sus diferentes interlocutores. Es muy importante que el resultado de un proceso analítico sea comprensible por cualquier cargo directivo de la empresa, lo que puede abarcar desde un ingeniero a un especialista en social media.

Wheel’s  on fire, rolling down the road. Please notify my next of kin. This wheel shall explode. 

Habilidades más allá de la técnica

No sólo de técnica vive el Científico de Datos. Lo ideal es que las anteriores capacidades se complementen con una serie de habilidades personales, para formar un conjunto en el que la especialización se fusiona con las cualidades humanas.

  • Creatividad, que dé un sentido diferente al análisis gracias a la capacidad de emplear nuevos métodos para recopilar, interpretar y analizar los datos. La tecnología en sí no es diferencial, desde el momento en que los mismos programas están disponibles para cualquier organización. Es por eso que la trascendencia del know-how es vital: las herramientas pueden ser las mismas para todos, las mentes que las manejan, no. Añadiendo inteligencia se deshace la uniformidad tecnológica, convirtiendo los resultados que ofrece una solución de software -tal vez los mismos que maneja la competencia- en únicos.
  • Intuición: la capacidad de decantarse por una u otra vía para llegar a una solución resulta extremadamente importante. Los expertos destacan la importancia de aplicar un componente de arte a un proceso de trabajo técnico que suele encadenar una secuencia fija (tratamiento de los datos, curación, modelización, etc.), pero que requiere de una chispa intuitiva para discriminar qué pasos son los adecuados en cada momento del análisis crítico.
  • Flexibilidad: los mecanismos de prueba y error permiten valorar y escoger una u otra opción con el trabajo ya en marcha, complementando –o incluso rectificando- las decisiones tomadas antes de iniciar el proyecto. Los modelos matemáticos no son únicos, sino que se agrupan en cajas de herramientas que engloban diferentes técnicas. Por eso se requiere agilidad para decantarse por una u otra herramienta o técnica de análisis, en función de la estructura de los datos, la información disponible, etc. Y eso puede suponer una carencia para los profesionales formados en la teoría pero con escasa soltura en la práctica.
  • Curiosidad: entendida como la capacidad de plantear preguntas, de comprender lo que se le solicita y vislumbrar el camino correcto a adoptar. La curiosidad es fundamental para estar a la última en cuanto a técnicas y artes, para actualizarse constantemente. En última instancia,  permitirá extraer inferencias significativas de los datos.
  • Empatía: aunque su trabajo sea fruto de horas y horas delante del ordenador, el Científico de Datos no es un lobo solitario. El factor humano debe estar presente en su día a día, en el sentido de que su trabajo depende de la colaboración con otros departamentos, y es imposible sacarlo adelante sin cooperación. Acostumbrado a la movilidad entre proyectos y áreas, el reto consiste en establecer un diálogo fluido con otras partes de la organización. Además, en ocasiones deberá comunicar a clientes o a sus superiores resultados que no son de su agrado, lo que refuerza la importancia del trato personal.
  • Pragmatismo: por último, de nada sirve todo el análisis teórico si el Científico de Datos no es capaz de integrarse en un equipo, de convertir todo su potencial analítico en un resultado al servicio de la empresa o de otros grupos de trabajo. Por eso, es vital la capacidad de trasladar el análisis de los datos a insights o acciones con una incidencia directa en el negocio.

__________________________________________________________________________

Este artículo forma parte del estudio “Científico de Datos: ¿Quién es? ¿Qué hace? ¿Cómo trabaja?”, disponible en Rebel Thinking.

Otros artículos extraídos del estudio:

Tags:
| |

En Good Rebels nos encanta ir más allá de las tendencias, abriendo nuevos caminos de reflexión y pensamiento, para luego compartir lo que descubrimos. El área de Rebel Thinking es clave para nosotros: desde aquí creamos y difundimos una cuidada selección de estudios, white papers y artículos que identifican nuevas tendencias y profundizan en el mundo digital y su impacto en los negocios, el marketing, la innovación, la tecnología y la sociedad.

Comparte +

Ver todos    Subir

Suscríbete a nuestros artículos

Suscríbete a #Rebelthinking y mantente al día de las últimas tendencias digitales, una selección de los mejores artículos de Rebel Thinking, así como nuestros últimos estudios y nuestra newsletter mensual.

He leído y acepto las condiciones de uso y la política de privacidad y cookies