Análisis de datos: una necesaria alfabetización

Hoy en día, podemos encontrar datos prácticamente en todas partes. Cada vez que observamos y evaluamos algo en el mundo, recopilamos y analizamos datos. Ya sea en nuestro tiempo de ocio o trabajo, analizar datos nos ayuda a encontrar formas más fáciles de hacer las cosas, identificar patrones para ahorrar tiempo y descubrir nuevas perspectivas sorprendentes que pueden cambiar por completo la forma en que experimentamos las cosas.

Desde un punto de vista corporativo, una filosofía basada en los datos puede ayudar a las empresas a tomar mejores decisiones, crear nuevos productos, identificar tendencias o mejorar la satisfacción de su cartera de clientes. Todo ello desde una perspectiva fundamentada en los datos y no en presunciones humanas.

Además, la materia prima de este análisis, los datos, crece exponencialmente. Para 2025, Internet acumulará 181 zetabytes. Para hacernos una idea de la inmensidad de esta cantidad, un zetabyte permite almacenar 30 mil millones de películas en 4K o 60 mil millones de videojuegos, según Seagate, Apr 8, 2021. 

A mayor número de datos, los volúmenes con los que trabajamos se incrementan. Las hojas de cálculo no son suficientes. Herramientas como Python y sus librerías, SQL o R se abren paso cada vez más como las opciones más recomendadas para analizar ingentes cantidades de datos.

Por ello, el análisis de datos se está convirtiendo en la habilidad más necesaria y crítica, independientemente de cualquier profesión o trabajo. Sí, cualquier trabajo. Desde servicios financieros hasta el marketing, desde la contabilidad hasta la operación comercial, desde los servicios legales hasta los recursos humanos, todo el mundo necesita analizar datos para hacer su trabajo.

Hay una alta demanda y una gran cantidad de herramientas. ¿Cuál es el problema?

La educación y formación en datos.

La necesidad de alfabetización de datos

Hoy en día, todo profesional necesita ser educado en el uso de muchas herramientas y técnicas modernas en el análisis de datos. Sin embargo, esta formación no ha sido cubierta correctamente por la educación formal.

No está cubierta en la escuela secundaria, tampoco en instituciones superiores como la universidad, con excepción de las carreras técnicas y posgrados/maestrías.  Los jóvenes tienen miedo de las matemáticas y la estadística, miedo alientado por un sistema educativo que percibe la mentalidad técnica y analítica como algo superfluo. Todo esto propicia una curva de aprendizaje muy baja, porque ni siquiera se ha establecido una situación adecuada para desarrollar las destrezas analíticas del analista de datos.

El núcleo del problema

Si bien hemos culpabilizado la lentitud de la educación formal como la principal causa del analfabetismo de datos, podemos desgranar este problema en causas subyacentes:

1. Los currículos de aprendizaje están desactualizados en términos de habilidades técnicas en análisis de datos.
2. Falta de educadores y profesores con esas habilidades técnicas.
3. Creencia generalizada de que el análisis de datos del análisis corresponde únicamente al perfil técnico, por lo que no debe enseñarse en otras especialidades.

Ahogar el crecimiento de las destrezas analíticas, una práctica común

Las destrezas analíticas son cualidades y características asociadas con la resolución de problemas usando hechos. Estas, que son un total de cinco, son vitales para desarrollar un perfil analítico. Sin embargo, observa cómo, en el contexto actual, están totalmente purgadas:

1. Curiosidad: algo tan simple como querer aprender algo es la destreza analítica más importante. No tener ambición de absorber nuevos conocimientos es el principal impedimento para convertirse en analista o científico de datos. A día de hoy, cada vez somos menos curiosos. Buscamos una solución rápida y no preguntamos el por qué de las cosas.
2. Comprensión del contexto: el contexto es la situación en la que algo existe o sucede. Comprendiendo el contexto, estructuras las relaciones de las variables. No tener claro el contexto supone una mayor sensibilidad a incorporar valores atípicos y sesgados a tu análisis. Como decía antes, no preguntamos el por qué de las cosas. Preguntar es la primera fase del análisis de datos. Permite obtener información para crear el contexto.
3. Mentalidad técnica: se basa en diseñar tareas en pasos más pequeños para poder medir y optimizar tu trabajo. ¿Cuántas veces has tenido tareas con entregas mensuales y has dejado todo para el último día? Al no dividir tu trabajo en pequeños pasos, pierdes la visión global, no aprendes y tu productividad cae.
4. Diseño de datos: se trata de diseñar la forma más viable y óptima de organizar la información de la que harás uso. Va de la mano de la anterior destreza. Una falta de organización y mentalidad técnica supone un total fracaso en el diseño de datos. Cuando realizas un trabajo, ¿dedicas unos minutos antes a organizar cómo lo vas a desarrollar? Ahí reside la esencia de un buen diseño.
5. Estrategia de datos: se basa en la gestión de las personas, procesos y herramientas que se usan en el análisis de datos. ¿Te consideras estratega? ¿Cuántas veces has tenido que dedicar más horas en un trabajo grupal como consecuencia de una falta de control y organización con los otros miembros? Si la estrategia falla, el plan falla. 

Recomendaciones

Ante la gravedad de esta situación, es imprescindible que cualquier profesional, independientemente de su especialidad, continúe formándose con un posgrado o maestría en análisis de datos, inteligencia de negocios o inteligencia artificial. 

Pertenecer a otra especialidad e iniciar este camino no debe asustarte. Podrás obtener educación de calidad de grandes corporaciones (IBM, Microsoft, Oracle, SAP, Salesforce…) y compañías especializadas en capacitar a personas en análisis de datos.

Comienza o impulsa tu carrera con sumamoOs Academy