Imaginémonos por un momento sentados a la mesa en nuestro restaurante favorito. Ya sabemos nuestro plato preferido, pero volvemos a escanear el código QR del menú para encontrar algo distinto y nos encontramos con un nuevo menú, adecuado a nuestro paladar, nuestras preferencias y hábitos de comportamiento anteriores en este y en otros restaurantes. Nos ofrecen una recomendación personalizada de platos y bebidas basada en nuestras experiencias anteriores.
Serendipia. Esa sensación que nos llena al descubrir un hallazgo inesperado que se produce cuando buscamos otra cosa distinta. Y eso buscaba el restaurante. Una serendipia estudiada. Planificada.
Al recopilar datos sobre nuestras costumbres y analizarlos adecuadamente, pueden mejorar nuestra experiencia ofreciéndonos esa experiencia que no creíamos estar buscando.
Para lograrlo, están usando análisis y ciencia de datos. Disciplinas relativamente nuevas que se enfocan en recopilar, manejar y analizar datos.
¿De qué se trata el análisis de datos, o en inglés, data analytics? A grandes rasgos se trata de recopilar datos históricos y analizarlos para descubrir patrones, tendencias y relaciones. Su objetivo principal es responder a preguntas específicas, y en consecuencia, ayudar a las empresas a tomar decisiones más informadas. Los analistas de datos utilizan herramientas y técnicas estadísticas para explorar grandes conjuntos de datos. La idea es encontrar respuestas a preguntas clave, como "¿Qué tan efectiva es nuestra campaña de marketing?", "¿Cómo podemos mejorar la satisfacción del cliente?" o “¿Cómo podemos mejorar nuestra producción?”.
Un analista de datos, exponente de esa nueva profesión que surgió hace poco más de una década, es un profesional que no solo posee habilidades técnicas para manejar datos digitalmente, sino también habilidades analíticas, comunicativas, conocimientos de negocios e industria en la que trabaja, resolución de problemas, trabajo en equipo y, principalmente, mucha curiosidad por aprender y explorar qué hay detrás esos datos que tiene entre manos.
Como profesión, la analítica de datos ha estado experimentando un crecimiento significativo en todo el mundo en los últimos años y, por supuesto, en Argentina. Con el aumento de la cantidad de datos disponibles y la necesidad de tomar decisiones basadas en ellos, es probable que el número de personas que trabajen en Data Analytics en Argentina siga creciendo en el futuro cercano.
En otro nivel, la ciencia de datos o data science, se enfoca principalmente en desarrollar algoritmos y modelos de manipulación de datos con el objetivo de lograr esa capacidad “mágica” de predecir o prescribir situaciones y/o acciones futuras. El científico de datos ya no sólo utiliza modelos estadísticos y de visualización, sino que a todo esto le añade el la creación y entrenamiento de modelos matemáticos complejos que nos permitan descubrir patrones y relaciones, hasta hoy ocultos o difíciles de visualizar a simple vista, para optimizar la toma de decisiones en la empresa. El científico de datos utiliza herramientas computacionales de aprendizaje automático, análisis predictivo y minería de datos para crear estos modelos.
Un analista de datos enfoca casi todas sus actividades en el análisis de datos y en la creación de informes y visualizaciones para respaldar la toma de decisiones. Un científico de datos, por otro lado, concentra su día a día en la construcción de modelos para la resolución de problemas complejos.
Los primeros a menudo trabajan para mejorar los procesos y la eficiencia de una empresa, mientras que los científicos de datos trabajan para encontrar soluciones innovadoras para problemas complejos en el ámbito que les toque trabajar; sea empresarial, educativo o gubernamental.
Ambas profesiones, desde sus surgimientos, se han beneficiado del aumento exponencial de la capacidad de procesamiento y de las comunicaciones, así como de la significativa disminución de los costos de almacenamiento y procesamiento de datos.
Suele creerse que un analista de datos debe poseer un título universitario en un campo relacionado con las estadísticas y las matemáticas. Sin embargo es muy común, hoy en día, que profesionales de negocios o industria desarrollen y adquieran adicionales de análisis de datos a través de distintos recursos de formación, como por ejemplo cursos en línea o bootcamps inmersivos y prácticos.
Convertirse en un científico de datos requiere una formación más especializada y avanzada en ciencias de la computación, estadística y matemáticas. Un científico de datos necesita tener conocimientos avanzados de programación, aprendizaje automático, minería de datos y estadísticas. Para ello es muy recomendable dedicarle tiempo a una formación específica, intensiva y práctica en ciencias de la computación, estadística y aprendizaje automático que permita rápidamente salir al ruedo profesionalmente e ir incorporando experiencias y conocimiento.
Lo seguro es que ambos roles requieren una pasión por los datos y por comprender y resolver problemas empresariales. En ambas profesiones, el objetivo es hacer a los datos preguntas adecuadas para obtener respuestas superadoras que no estábamos esperando. Serendipia.
* La columna fue escrita por Lucas González Day, profesor de Data Science en Le Wagon Argentina