El científico de datos y los problemas de Negocio

No importa en sector, la empresa o las funciones a desempeñar. En las entrevistas de trabajo que he realizado en los últimos años a científicos de datos siempre detecto el mismo patrón, tras repasar el curriculum del candidato, le hago la misma pregunta: “y tú, ¿Qué sabes hacer?”, aunque las respuestas son diversas, se focalizan en tecnologías, modelos y algoritmos. Sin embargo, nadie habla de negocio ni de problemas a resolver (como buen matemático, me gusta hablar de problemas en lugar de casos de uso).
Acto seguido les matizo la pregunta, “¿qué problemas puedes resolver con todo lo que me has comentado?”, entonces surgen las respuestas estándar que todos hemos estudiado: clasificación de fotos de perros y gatos, segmentaciones de plantas setosa, versicolor y virgínica, recomendación de películas de Netflix, reconocimiento de números, predicción del precio de las viviendas y análisis de sentimiento en Twitter. Alguno incluso se anima a decir que es capaz de resolver cualquier problema que le planteen y es probable que así sea. Al final esto se reduce a resolver problemas de clasificación, regresión, segmentación, recomendación, etc.
Entonces llega la pregunta clave: “si te contratásemos mañana, ¿qué harías? ¿Cuál sería el primer proyecto que desarrollarías que permitiese aumentar el ROI? ¿y cuánto crees que aumentaría?”. Esta pregunta suele pillar por sorpresa a casi todo el mundo y es dónde realmente detectas quien es un verdadero científico de datos.
En las empresas, los problemas no son de clasificación o regresión, se habla otro idioma, los problemas que preocupan a las empresas tienen que ver con el negocio y la cuenta de resultados y son tan ambiguos como evitar la pérdida de clientes, aumentar las ventas, minimizar los costes, fidelizar a los clientes, anticipar las averías de productos y maquinarias, gestionar las reclamaciones de los clientes, etc. Por lo que la mayor dificultad a la que se enfrenta un científico de datos es ser capaz de traducir esos problemas en problemas de regresión, clasificación, segmentación, recomendación, etc. Esto no es fácil y requiere de un contacto continuo con el negocio y sus problemáticas.
Este contacto permite descubrir que todas las empresas tienen innumerables procesos de toma de decisiones cómo, por ejemplo, a qué clientes les vendo un producto, que día es el más adecuado para lanzar una campaña comercial, a qué clientes debería realizarle acciones para que sigan vinculados. Estas decisiones se suelen resolver mediante heurísticas, más o menos complejas, desarrolladas mediante la experiencia, por ejemplo, ofrecer seguros de vida a las personas con hijos, realizar descuento a los que se llevan 30 días sin comprar, que diferenciemos el producto entre jóvenes y maduros, o simplemente son hábitos, por ejemplo, lanzar las campañas de publicidad los jueves porque es cuando se reciben las creatividades de la agencia, cambiar los precios todos los lunes tras el comité o empaquetar los pedidos con cajas marrones, si preguntas alguien te dirá que siempre se hizo así.

 

soluciones-de-negocio
Esto es una gran noticia, ya que estos procesos son oportunidades para demostrar las capacidades que tenemos los científicos de datos y el conocimiento que se puede extraer de los mismos, que bien comunicado, puede ayudar a mejorar la toma de decisiones de la empresa.
Es importante que en nuestro desarrollo como científicos de datos no perdamos de vista el objetivo fundamental: detectar oportunidades de negocio, en las que, ayudados con tecnología, modelos, algoritmos y por supuesto datos, podamos aportar ventajas competitivas a nuestra empresa.

 

 

Antonio Pita

Director y profesor del Curso de Soluciones de Negocio

para Científicos de Datos y Analistas


Widget not in any sidebars

No Comments

Post a Reply

css.php