Podría decirse que es “la figurita difícil” entre los especialistas que se buscan para atender las demandas de industrias que atraviesan crecimientos vertiginosos como la de IT y la banca digital, pero también para servicios de consumo masivo. Se los conoce como “Data-scientists” o “científicos del dato”, y son fundamentales para definir estrategias de negocio, en el mundo de la digitalización, el consumo por vías digitales y la búsqueda de excelencia en el servicio.
Su materia prima son datos cuantitativos en cantidades que pueden ser masivas, y de múltiples fuentes, a la vez que realizan análisis cualitativos de cada nicho o negocio, según el caso. Por eso las empresas persiguen un perfil que logre combinar dos mundos que hasta hace muy pocos años se veían separados: la gestión estratégica y el análisis de datos. Sin embargo, en parte debido a su reciente consolidación, y en parte debido a la excesiva demanda que se dio en el mercado laboral, hoy son muy pocas las personas que realmente cuentan con estas capacidades, formación y experiencia.
En su lugar, se encuentra en el mercado laboral una gran cantidad de nuevos perfiles técnicos, con nula o poca experiencia, que realizan cursos específicos de corta duración, que dicen prepararlos para la tarea cuando, en realidad, enseñan destrezas más bien limitadas, centradas en un tipo particular de desarrollo de códigos de programación que no explora todas las áreas que un científico del dato debe cubrir. Esto genera inconvenientes que hacen que en casi la mitad de los códigos desarrollados, los procesos se vean frustrados o deteriorados por la imposibilidad de ajustar, actualizar o mejorarlos, por la falta de planificación y de una visión integradora a la hora de su configuración.
Qué hay detrás del título
Como en todo tipo de tarea científica, su trabajo va de la mano con un pensamiento abierto, para analizar un grupo de datos y métricas que plantean problemas para los cuales formular hipótesis de posibles soluciones. Y en este punto se da el “cortocircuito” entre la formación que la mayoría de las escuelas específicas ofrecen hoy, y la realidad de lo que demandan las empresas de tecnología.
A pesar de que se trata de un rol técnico, los data-scientists no siempre se encuentran creando nuevos procesos o algoritmos de manera expeditiva, sino que se analiza cada caso y se consideran las condiciones para ver si es necesario crearlo, o bien se opta por otro tipo de solución. Es por eso que muchas veces se refiere a estos procesos como “arquitectura de datos”, porque son verdaderas tareas de medición, planeamiento y construcción las que terminan moldeando los códigos, una vez que se entendió la problemática junto con sus datos concretos.
Según Daniel Menal, Head de data&analytics en everis Argentina, para obtener resultados efectivos, y especialmente, duraderos en el tiempo, lo principal es “tener un pensamiento abierto e innovador, que permita pensar más allá de los códigos que se desarrollan, e ir a los problemas reales para encontrar la mejor solución, y recién ahí planificar un sistema para lograrlo”. Lo opuesto de lo que sucede en la mayoría de los casos con los que se encuentra actualmente, en los que las personas que se terminan desempeñando como científicos de datos se limitan a desarrollar códigos repetidos y limitados, que luego se demuestran incompatibles con la realidad o imposibles de gestionar.
Mira también
“Las personas que realmente funcionan como data-scientists son quienes pueden tener en cuenta problemáticas cotidianas que surgen de la puesta en práctica de los modelos técnicos que aprenden a desarrollar en sus carreras, es decir que saben que no se trata de soluciones finales, que se aprueban y se mantienen por sí mismos. Ese es el gran diferencial entre los perfiles de los que hablamos”, concluye Menal. Desde everis, apuestan a la enseñanza y la construcción en conjunto con los profesionales de su grupo con escuelas internas de formación, y comparte información valiosa para los futuros profesionales de IT.
Mira también
