No cabe duda de que el mundo de la analítica avanzada de datos requiere de técnicas complejas, donde se puede tardar bastante tiempo en llegar a conclusiones interesantes para el negocio. A veces se olvida que las herramientas informáticas, así como la estadística, son un medio de obtener valor, y no un fin en sí mismas. El valor para el negocio se obtiene cuando, a partir de conclusiones basadas en datos, se toman decisiones consecuentes. Normalmente también hay que trazar un plan de acción (cambios a introducir) para llevarlas a cabo y, posteriormente, medir si se obtiene el valor esperado. Cuando hablamos de valor, habitualmente nos referimos a un concepto que se puede expresar en cifras económicas. No obstante es extensible a otro tipo de valor, como el aumento de la esperanza de vida o la reducción de la delincuencia.
Una de las claves para obtener valor medible es partir de las preguntas adecuadas, y dedicar un cierto tiempo a formularlas y reflexionar, antes de ponerse manos a la obra con la implementación. En este artículo presento ciertas características de dichas preguntas, para que se pueda completar todo el ciclo de retorno del valor, y ejemplos pensando en contextos de actividad comercial.
Preguntas que debemos hacernos para obtener valor y sus características:
¿Son relevantes para cierta audiencia?
Debemos estudiar si las preguntas están orientadas a unos destinatarios determinados. También quiénes tienen potestad para tomar decisiones y esponsorizar los cambios posteriores. No es lo mismo orientarse a los inversores de una startup, al equipo de ventas, o al de tecnología. Por ejemplo, un responsable de ventas puede estar interesado en esta pregunta: ¿Cómo afectará a nuestras ventas el aumento de un 5% de precios de unos determinados productos? Mientras, el inversor quiere saber: ¿Cuál es el retorno de la inversión previsto si el ciclo económico sigue expansivo?
¿Para qué preguntas actualmente no hay respuesta establecida?
Esto resulta muy claro en los estudios científicos. Si nos preguntamos por la correlación entre los niveles de CO2 en la atmósfera y la incidencia de ciertas enfermedades respiratorias, vamos a poder encontrar muchos estudios rigurosos con evidencias al respecto. Y si es necesario podemos seguir profundizando sin partir de cero, por ejemplo, restringir el estudio a una ciudad específica donde todavía no haya estadísticas fiables.
Llevado al mundo de los negocios, una pregunta del tipo "¿Cuáles son nuestros 10 mejor clientes?" seguramente es una lista que alguien ya ha elaborado en el pasado. Se trata de saber bajo qué hipótesis se realizó, e incluso si existe ya un procedimiento automatizado para disponer de la información. Además, es una pregunta que quizás se pueda contestar sin recurrir a técnicas analíticas avanzadas y, partiendo de ella, calcular el valor del ciclo de vida completo del cliente, que sí que requiere realizar estimaciones de futuro.
Nota: No saquemos la conclusión de que listar los 10 principales clientes es siempre algo sencillo. Poner de acuerdo a varios departamentos sobre qué se considera un mejor cliente, y de una manera medible para que sea automatizable, puede ser una tarea de semanas. Recopilar datos con la suficiente calidad para medirlo de manera efectiva también supondrá semanas o meses. E incluso un cálculo básico puede hacer conveniente el uso de Big Data, para ganar velocidad de proceso y alta disponibilidad. No se trata de no entregar información durante meses, podremos tener resultados antes. Pero que se admita cómo válida, corporativa y estable requiere mucho esfuerzo y gestión.
¿Son preguntas plausibles?
Aquí se trata de entender cómo funciona el negocio. Por ejemplo, plantear hipótesis sobre relaciones causa-efecto que se puedan justificar. Por poner algún caso extremo, en internet se encuentran correlaciones absurdas, como los datos de importación de crudo noruego vs los accidentes de tren. En el fondo esto tiene que ver con poner el foco correcto en qué datos son relevantes a priori para tomar decisiones basadas en los mismos.
Aunque tiene sentido implementar un “data lake” en ciertos contextos, no debemos caer en el llamado “síndrome de Diógenes de los datos”. Si empezamos a hacer cálculos estadísticos al azar con todos los datos disponibles, acabaremos por encontrar correlaciones irrelevantes para el negocio. Recordemos aquí una máxima fundamental, correlación no implica causalidad. Por esto es importante que los perfiles científicos de datos tengan un cierto conocimiento del negocio, o bien trabajen de manera muy cercana con otros perfiles mixtos.
¿Qué preguntas pueden ser respondidas?
Esto parece una obviedad, pero lo cierto es que los proyectos tienen como mínimo restricciones de coste y tiempo. Una vez excedidos, lo normal es que se consideren fracasados. También es posible que no contemos con datos relevantes para responder esas preguntas, y que recopilarlos no sea factible.
De nuevo un caso extremo puede ser el buscar un método para viajar hacia atrás en el tiempo. Si bien es una pregunta interesante, y donde tengo entendido que las leyes de la relatividad podrían permitirlo, es algo que con casi total seguridad no se va a implementar a 50 años vista, empezando por la falta de materiales adecuados. Podría ser algo peor, y que al final se demuestre inviable. Volviendo a ejemplos más cotidianos, una pregunta del tipo "¿cuál es la probabilidad de fuga de cada uno de mis clientes a un mes vista?" no es algo que vayamos a responder en dos semanas contratando a un Científico de Datos y a un Ingeniero de Big Data, si es la primera vez que abordamos un proyecto de este tipo. Quizás podamos establecer una prueba de concepto ayudándonos de tecnologías en la nube, pero no esperemos una precisión récord.
¿Son preguntas concretas y específicas?:
Es muy diferente preguntar "¿Cómo es el sentimiento de cliente acerca de nuestra marca?" a preguntar "¿Qué porcentaje de opiniones de twitter son negativas respecto a nuestro nuevo modelo de producto?" Ambas preguntas son legítimas en el contexto de negocio. Pero, en el segundo caso, es algo que vamos a poder empezar a implementar antes, ya que acota mejor las tecnologías a utilizar y los datos relevantes. Es decir, hemos acotado el alcance. Y cabe esperar que en el segundo caso podamos tomar también decisiones más rápidas, en el supuesto de que haya excesivas opiniones negativas, detectando si las mismas se asocian a aspectos de precio, calidad, soporte, incluso si existen o no intereses particulares, etc.
¿Qué preguntas permiten respuestas accionables?
Imaginemos que nos interesa conocer los segmentos “clusters” de nuestros clientes, para dirigir una campaña comercial específica a algunos de ellos. Mediante aprendizaje no supervisado descubrimos que hay un segmento que principalmente nos compra cuando hay descuentos disponibles, y raramente lo hace a precios normales. Sin embargo, a la empresa no le es posible técnicamente enviar un cupón de descuento solo a estos clientes, porque no dispone de los correos electrónicos actualizados de los mismos, sino que publicita cupones de descuento mediante banners de publicidad en sitios de terceros.
Aunque el conocer los segmentos tiene interés, y quizás se puede intentar un envío parcial o que el banner se muestre solo en ciertas circunstancias, al final se pierde gran parte del valor potencial al no poder contactar con muchos de los clientes de manera directa. En esta ocasión queremos utilizar técnicas avanzadas pero todavía no hemos resuelto otros aspectos más básicos como disponer de datos de calidad.
José Julio López, Business Intelligence, Data Science, IT Project Manager. SCRUM Master, PMP y exalumno del máster de Big Data & Analytics de datahack
Nota: Este artículo es de mi autoría original, si bien las propias características de las preguntas han sido obtenidas de un vídeo de la Universidad Johns Hopkins en Coursera.
Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.
El científico de datos es uno de los perfiles más demandados. Es un puesto de trabajo con gran futuro y son muchas las ofertas de empleo que solicitan este perfil.
Pero, ¿de verdad sabemos lo qué es y la labor que desempeña? O, ¿creemos que se trata de una persona que se esconde detrás de unas gafas de pasta y se pasa el día analizando datos y más datos? Lourdes Hernández Vozmediano, directora de datahack, nos explicó qué es un científico de datos en un webinar de LIDLearning. Y en el siguiente vídeo, lo puedes disfrutar de nuevo.
¿Tú también quieres ser uno de ellos?
El máster de datahack tiene muchas salidas profesionales y esta es una de las más frecuentes y las más demandadas. Hazte experto en Big Data y Analytics con el Máster acelerado de datahack. Opta por la modalidad que mejor encaje con tus necesidades. Intensivo si puedes dedicarle todo tiempo al máster durante 10 semanas, o Executive si prefieres hacerlo en modalidad fin de semana en 6 meses.
Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.
Ya ha comenzado la era del Big Data. Un sinfín de posibilidades se han abierto a las empresas, desde la transformación de datos en conocimiento relevante para nuestro negocio hasta la optimización del conocimiento que tenemos sobre nuestros clientes, llegando incluso a poder predecir sus sentimientos mediante el análisis de sus intereses, comportamiento y necesidades. ¿Cómo va a transformarse esta explosión de posibilidades en empleos concretos? ¿Cómo podremos aprovechar las oportunidades que están surgiendo? ¿Cuáles son los perfiles Big Data y cómo va a ser su futuro puesto de trabajo?
Para responder a estas preguntas es necesario que incidamos en dos aspectos: por un lado, nuestro perfil individual, analizando cuáles son mis capacidades y mi experiencia; por el otro, siendo conscientes de nuestros intereses, más allá de progresar en nuestra carrera laboral y obtener mayores remuneraciones, ya que una falta grande de interés puede llevarnos fácilmente a la frustración y el fracaso.
Podemos resumir en cuatro los requisitos y las funciones que debemos realizar si deseamos encajar en los perfiles Big Data:
- Observar nuestro entorno para definir problemas y plantear cuestiones.
- Poseer un conocimiento profundo de las fuentes de datos.
- Buscar herramientas y metodologías correctas para su análisis e investigación.
- Estar al tanto de la actualidad de las tecnologías emergentes de tratamiento de datos y de la aparición de nuevos métodos de trabajo.
Además, como el mundo de los datos es muy amplio, podemos seleccionar en cuál de los siguientes perfiles Big Data encajaremos mejor. Empezaremos por los menos técnicos:
- Data Steward. Realiza la doble acción de proteger los datos y resultados obtenidos y la gestión de los datos de acuerdo a las políticas, normativas y estándares éticos de la empresa donde trabaje. Es el guardián de los datos.
- Data Miner. El minero de datos se encarga de revisar el trabajo de Big Data. Evalúa los resultados de los análisis para definir si cumple el nivel de confianza requerido. También estima la precisión de los modelos y si las respuestas son tan exactas como deben.
- Analista de datos. Es quien sabe qué se puede hacer con los datos. Se encarga de identificar las limitaciones y proporcionar recomendaciones a partir de los resultados obtenidos en los análisis.
Por otro lado, encontramos otros perfiles Big Data que requieren una formación más técnica:
- Data Scientist. El científico de datos necesita contar con grandes conocimientos sobre estadística y programación, amén de poseer la destreza necesaria para la correcta resolución de problemas, realizar preguntas y explicar de forma clara los resultados obtenidos. Extrae el conocimiento de los datos.
- Desarrollador Hadoop. Es el respondable de la primera fase del procesamiento de datos, pues es el encargado de la obtención de datos desde su origen, su procesamiento y su almacenamiento para ponerlos a disposición de los analistas de negocios y los Data Scientists
