OpiniónAnalytics

Analista de datos VS científico de datos

Por Luis Narro, Data Analyst de Solunion.

Los datos están de moda. Es muy probable que hayas escuchado el siguiente titular “Data scientist: el trabajo más sexy de la década”, dijo en una entrevista Hal Varian, economista jefe en Google. De ahí se pueden extraer dos conclusiones importantes:

  1. No se habla literalmente de data scientist sino de perfiles estadísticos. Si extrapolamos estos perfiles estadísticos a las realidades de los negocios y cómo se pueden incorporar a sus cadenas de valor, surgen los dos roles que dan título a este artículo: el analista de datos y el científico de datos.
  2. La importancia estratégica de extraer información de los datos. Creo que lo mejor es citar al propio Varian: “La capacidad de tomar datos y entenderlos, procesarlos y extraer un valor de ellos que se pueda visualizar y comunicar, va a ser una habilidad crucial en las próximas décadas”. 
Luis Narro, Data Analyst de Solunion.
Luis Narro, Data Analyst de Solunion.

A continuación, hago un resumen de lo que, a mi entender, abarcan estos dos perfiles profesionales. Adicionalmente, incluyo unos ámbitos que son los que más deberían desarrollar estos profesionales, según explica la experta en datos Vicky Yu basándose en su experiencia.

  • Analista de datos. Este rol comparte similitudes con un analista de negocio: está enfocado en la descripción y la visualización del panorama actual de los datos de un ámbito determinado, informa y explica los resultados de los análisis a los usuarios no técnicos. Estas serían las características y habilidades que el analista de datos debería desarrollar y potenciar:
  1. Aprender a contar historias con datos. No solo fijarse en KPIs aislados. Es mejor tener en cuenta varios de ellos y el contexto en el que nos encontramos, observando el negocio de forma conjunta. Esto permite identificar áreas que se influyen entre sí.
  2. Proporcionar conocimientos prácticos. Es importante ofrecer información procesable, que sea la solución a un problema o pregunta. Algo deseable es ser proactivo y suministrar esta información sin conocer el problema o la pregunta que planteará negocio de antemano.
  3. Convertirse en un asesor de confianza. Cuando surjan preguntas o problemas que resolver por parte de negocio, el analista o equipo de datos debería ser el referente para abordar estas necesidades. Es muy importante entregar análisis de alta calidad, basados en datos con la calidad suficiente, ya que cualquier error en los cálculos costará la credibilidad la próxima vez que se presente un informe.
  4. Aprender a comunicar resultados complejos de una forma clara. Este punto requiere práctica y tiempo. La clave es descubrir los temas más relevantes y recomendar acciones sobre estos para mejorar el negocio.
  • Científico de datos. Este rol se compone de profesionales con experiencia en matemáticas y estadística avanzada. Se encargan de recopilar grandes conjuntos de datos sin procesar, crear modelos matemáticos e interpretar los hallazgos, traduciéndolos en soluciones o mejoras comerciales de los procesos de negocio. Con respecto a los puntos clave para un científico de datos, a los mencionados anteriormente (para el analista) se pueden añadir los siguientes:
  1. Conocer los datos y los KPIs. Es muy importante conocer bien el modelo de datos y cómo estos están guardados. Esto permite al científico de datos encontrar nuevas funciones que mejoran la precisión de los modelos estadísticos.
  2. Asegurar la adopción del modelo mostrando el valor a los interesados. Al igual que en la parte de comunicación del analista de datos, el trabajo del científico de datos no tendrá éxito si los interesados no toman decisiones de negocio basadas en los modelos desarrollados. Una de las formas de conseguir esta adopción es encontrar puntos débiles en los procesos de negocio y demostrar cómo un modelo estadístico puede resolverlo.

A grandes rasgos, estas son las funciones y áreas de trabajo tanto de un analista de datos como de un científico de datos. Cada uno abarca diferentes tareas en la cadena de procesos que extrae valor de los datos de una compañía, generando información que es utilizada para dar respuesta a necesidades y a preguntas de la organización, cuyo negocio deben conocer profundamente, e incluso ser partícipes de él.

 

Computing 805