Categoría: Data Management

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

En sumamoOs Academy te ayudaremos a convertirte en científico de datos. Descubrirás, de la mano de docentes certificados por corporaciones como Microsoft, cómo llevar a cabo un proyecto de ciencia de datos: desde analítica avanzada hasta aprendizaje automático. Consulta nuestros cursos e inicia tu camino junto a nosotros.

Datos, datos y más datos. Una palabra cada vez más escuchada. ¿Cómo puede ser tan importante algo que ni siquiera es tangible? Entiendo que los datos son usados por las empresas, pero, ¿de qué manera afectan a mi vida diaria?

Bien, el ser humano genera y analiza datos en sus decisiones diarias. Elegir tu hamburguesa favorita y sus complementos, por ejemplo, requiere un análisis de datos. Con pepinillo, sin pepinillo, da igual. Lo importante es que el cerebro es una máquina que transforma e interpreta los datos para obtener la mejor solución posible para nosotros, ya sea o no racional.

Sorprendente, ¿verdad? ¿Qué ocurre cuando no se observa a una única persona, sino a más de 7,9 mil millones?

Según el informe Data Never Sleeps 9.0 de Domo, a día de hoy algunas cosas que suceden en un minuto son:

  • 6 millones de usuarios compran online.
  • Se comparten 240.000 fotos en Facebook.
  • 12 millones de mensajes.
  • 5,7 millones de búsquedas en Google.
  • 167 millones de vídeos vistos en TikTok.

Esta magnitud diaria supone que, 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. Esto es posible gracias a la existencia de casi 5,4 mil millones de usuarios en Internet en 2022, lo que representa el 67,9% de la población mundial.

Volumen total de datos en el mundo, 2010, 2025

Fuente: Stadista

¿A qué conclusión llegamos? Los seres humanos cada vez generamos más datos. Estos datos, estos 181 zetabytes en 2025, ¿qué integran? Necesidades, deseos, interacciones, vidas, relaciones, es decir, información valiosa.

La evolución galopante del mundo en que vivimos supone que las empresas, para poder acceder a esta información valiosa, deben analizar cada vez más datos. Para poder analizar correctamente estos datos y obtener soluciones, las empresas demandan cada vez más un perfil conocido como científico de datos. Sin la ciencia de datos, la toma de decisiones empresarial queda mucho más limitada y con mayor incertidumbre, por lo que la demanda del perfil crece exponencialmente, mientras que la escasa oferta ofrece una situación muy propicia para aquellos que estudian y se dedican a esta disciplina. Esto también puede verse en la remuneración media, de unos $117.345 en EE.UU y 35,000 € en España según Glassdoor.

Evolución de la demanda de científicos de datos

La brecha existente entre la oferta y demanda del profesional del dato origina problemas en las organizaciones, ya que no se pueden adaptar correctamente a los rápidos cambios del entorno. La capacitación técnica de los equipos de trabajos existentes en las empresas es un factor relevante en la mejora de la toma de decisiones organizacional, independientemente del departamento en el que te encuentres (finanzas y contabilidad, ventas, gerencia de negocio, etc.). Hazte esta pregunta:

¿Necesito datos para hacer mi trabajo? Si la respuesta es ‘Sí’, entonces podemos decir que eres un científico de datos en potencia. 

Puede que te preguntes, «¿qué es la ciencia de datos?», «¿en qué consiste?» o «¿por qué es importante?». Aunque no sepas la respuesta a estas preguntas, sí, potencialmente eres un profesional del dato porque tienes iniciativa y necesidad de aprender esta disciplina, todo lo que necesitas es un poco de formación técnica.

Si eres una persona que desea comenzar la transición a este campo y saber responder a estas preguntas, mejorar sus capacidades o explotar el talento de tus equipos de trabajo, sumamoOs cuenta con un curso especializado de ciencia de datos para analistas de negocio. También contamos con la posibilidad de ofrecer esta formación en tu organización con contenidos adaptados y utilizando tus datos. Si te interesa esta Formación In Company, contáctanos y te realizaremos un presupuesto adaptado a tus necesidades.

Y recuerda, las personas que estudian esta disciplina aportan un valor diferencial a la toma de decisiones de las empresas y son un activo muy importante. Con ayuda de sumamoOs, aventúrate en este sector.

En la actualidad se está produciendo una alta demanda de profesionales del dato, lo que, unido a la necesidad de conocer bien el negocio, hace que los proyectos de ciencia de datos se demoren o que incluso, no lleguen a entrar en producción. Dada esta compleja situación…

¿Dónde podemos encontrar científicos de datos?

Bueno, ¿has pensado alguna vez en la formación interna de tus equipos de trabajo como científicos de datos? La mayoría de las organizaciones se encuentran en proceso de adaptar el cambio cultural que implica la transformación digital, y algunas de ellas incluso inician su implementación sin una clara definición de objetivos. Un elemento importante dentro de la transformación digital es la implementación de la Inteligencia Artificial en procesos organizacionales o empresariales. Aunque la mayoría de las organizaciones entienden qué es el análisis predictivo o la ciencia de datos, no conocen en detalle todo lo que esto implica.

Entre las múltiples causas por las que no se implementan iniciativas de análisis avanzado, está la falta de un equipo de ciencia de datos. La alta demanda y la escasa oferta de profesionales de científicos de datos implica, en ocasiones, una alta rotación en este tipo de equipos de trabajo. El coste de rotación de estos profesionales puede alcanzar entre el 60% y el 150% del salario bruto (coste de liquidación, coste de selección, costes de contratación, ramp up, etc.)

Los gerentes de recursos humanos y los gerentes de datos generalmente resuelven este problema enfocándose en lo siguiente: 

  1. Adquirir el mejor talento nuevo en ciencia de datos.
  2. Retener al mejor talento existente.
  3. Mantener la motivación.

Desafortunadamente, esta receta no siempre funciona en las organizaciones. Entonces, ¿cómo mitigar la alta rotación de científicos de datos?

Comencemos analizando los diferentes tipos de profesionales de datos disponibles en el mercado: 

  1. Recién graduado que ha aprendido ciencia de datos y aprendizaje automático, pero sin experiencia en el mundo real.
  2. Científico de datos con unos años de experiencia en la industria y que ha implementado varios proyectos en producción.
  3. Cualquier otro profesional que hizo la transición a la ciencia de datos en algún momento de su carrera.

Cada categoría tiene sus pros y sus contras. Un gerente de adquisición de talento debe decidir cuándo y cómo contratar a un científico de datos en función de la necesidad más inmediata y el estado de madurez general de la organización.

Si la organización está en medio de un gran proyecto y necesita reemplazar a alguien, es muy probable que prefiera un científico de datos con experiencia relevante en la industria. Esto es complejo de encontrar y muy costoso, por supuesto.

Por otro lado, si la organización está al comienzo del viaje en términos de madurez de análisis de datos, quizás una buena combinación de los 3 perfiles puede ser un buen enfoque.

Descubriendo al científico de datos oculto.

Hay una gran fuente de talento potencial en ciencia de datos, generalmente sin explotar o incluso oculto, en cada organización: los equipos de trabajo existentes. ¿Alguna vez has considerado a los analistas de negocio, los gerentes de proyectos, el personal de IT, de finanzas, contables, profesionales de recursos humanos, ventas y comerciales, desarrolladores de negocio, analistas de mercado, etc. como especialistas en análisis avanzado de datos? En caso de que seas cualquier tipo profesional ‘no-científico de datos’, hazte esta pregunta:

¿Necesito datos para hacer mi trabajo? ¿Necesito analizar datos para hacer mi trabajo? Si la respuesta es ‘Sí’, entonces podemos decir que eres un científico de datos en potencia. Todo lo que necesitas es un poco de formación técnica.

Muchas organizaciones se han dado cuenta de que sus equipos de trabajo internos son realmente una fuente de talento en ciencia de datos, y tan sólo invirtiendo un poco en capacitación técnica, consiguen impactos muy positivos. El resultado de esta capacitación y formación interna suele ser mucho más positivo que contratar nuevos científicos de datos, ya que este personal conoce la cultura de la organización, las operaciones comerciales y el estilo de gestión de adentro hacia afuera.

Hay que considerar que el conocimiento de la actividad o la cultura organizacional podría ser aún más importante que las habilidades técnicas en ciencia de datos, algo que el personal interno ya posee. Esto, además, se ve reforzado por la aparición de tecnologías que nos facilitan enormemente la aplicación de la analítica avanzada en las organizaciones.

Beneficios de capacitar a los equipos de trabajo internos en Ciencia de Datos:

En el corto plazo: 

  • Mejorar la comunicación entre los miembros del equipo.
  • Menor necesidad de contratar externamente.
  • Sentido de propiedad del talento existente.

A medio plazo:

  • Tasa de rotación más baja.
  • Menor coste de contratación.
  • Aumento de la productividad.
  • Valor agregado exponencial.

¿Te podemos ayudar?

En sumamoOs creemos en la capacitación de los equipos y te ofrecemos un curso especialmente dedicado para analistas de negocio y profesionales de cualquier disciplina no técnica. Si quieres más información no dudes en consultarnos.

Actualmente las empresas generan una gran cantidad de datos que provienen de distintas fuentes (ERPs, CRMs, datos de comportamiento en la web, redes sociales, open data…) y en diferentes formatos, por lo que resulta muy complicado poder extraer información relevante si no existen unos procedimientos previos a la hora de gestionar y tratar los datos.

El objetivo del Gobierno del dato es la planificación, aplicación y monitorización sobre la gestión y el uso de los datos en una compañía. Incluye personas, procesos y las tecnologías para administrar y proteger los activos de datos de la empresa a fin de garantizar unos datos corporativos comprensibles, correctos, completos, confiables y seguros.

Por tanto, establecer un buen Gobierno del dato no solo va de definir procesos y tecnologías, también va de personas. Entonces, ¿qué personas/perfiles hacen falta para crear una estructura e implantar un Gobierno del Dato en una compañía? Déjame contarte a continuación ?

La importancia de los roles en el Gobierno del Dato

De igual forma que las compañías disponen de un departamento de Recursos Humanos encargado de organizar, planificar y administrar las personas que integran la compañía, para gobernar el dato se precisa de una estructura que permita asegurar el ciclo de vida del dato, velar por la calidad de los datos y actuar durante todas las fases por las que pasa en el dato dentro de la organización.

Sin unos roles definidos será imposible llevar a cabo las acciones a corto, medio y largo plazo que permitan impulsar a la organización hacia una correcta gestión del dato con el objetivo de convertirse en una compañía data-driven (impulsada por datos).

Y te preguntarás, ¿qué roles debería tener en cuenta mi compañía si quiero establecer y mantener un modelo de Gobierno de Datos estable y que garantice su funcionamiento? Pues aquí podríamos hablar largo y tendido pero tenemos la suerte de contar con DAMA, asociación a la que pertenecemos y que establece en su framework los roles precisos para la gestión de un modelo de Gobierno del Dato en una organización.

DAMA y la definición de roles

DAMA España es el capítulo español de la International Data Management Association, la principal organización internacional para profesionales de la gestión de datos. DAMA, a través de su framework, establece muchos roles recomendados y que pueden participar en las actividades de gestión de datos.

Se establecen roles individuales como CDO (Chief Data officer), Data Steward o Data Custodian, e incluyen todos los perfiles técnicos como Data Model, Data Architect o Data Security.

A su vez, también se establecen roles híbridos, estos requieren una combinación de conocimientos técnicos y de negocio. Dependiendo de la organización, las personas en estos roles pueden informar a través del departamento de IT o de Business Intelligence.

Son roles como Data Quality Analyst, Metadata Specialist, Business Intelligence Architect, Business Intelligence Analyst y Business Intelligence Program Manager. Como podéis ver por su definición, todos tienen relación directa con el desarrollo de negocio.

Cada uno de los roles definidos en el framework de DAMA disponen de las funciones que deben desarrollar para asegurar el buen funcionamiento del Gobierno del Dato en una compañía. Te dejo todos los roles definidos y sus funciones en el siguiente enlace ?:

Pero claro, no en todas las compañías se tendrán que definir todos los perfiles por lo que, se deberá priorizar, en base a las necesidades de la compañía, que perfiles se establecen y a qué personas les son asignados.

Y ahora… ¿cómo nos ponemos en marcha?

Una vez los roles han sido asignados podremos establecer grupos de trabajo que nos permitan entender, desde diferentes perspectivas, las necesidades de la compañía y que estas sean compartidas entre todos los usuarios.

Bajo mi experiencia, es muy recomendable crear dos grupos de trabajo diferentes dentro del modelo del Gobierno del Dato en una compañía.

El primero de ellos un Grupo de Gobierno del dato, liderado por el CDO, que permita llevar a cabo acciones seguimiento y mejora continua. Este grupo debe incluir expertos técnicos, comerciales, marketing y diversos roles de la compañía que nos permitan conocer los intereses y necesidades en materia de dato de toda la compañía. Se establecerá una estructura que permita asegurar la correcta gestión del ciclo de vida del dato, es decir, actuar durante todas sus fases a través de los diferentes roles asignados en la compañía.

El segundo de ellos es el Grupo de Calidad de datos. La calidad de los datos es sinónimo de calidad de la información de la compañía. No disponer de un proceso de análisis de calidad de los datos implica costes extra en las compañías, información inexacta y, por consiguiente, bajo rendimiento en el negocio. Por tanto, será conveniente que exista un Comité que desarrolle los procesos que permitan medir, monitorizar, controlar e informar sobre la calidad de los datos, y que esta información sea accesible con la finalidad de poder tomar medidas correctivas en tiempo y forma.

Conclusiones 

Aunque el objetivo será el de extender un modelo de Gobierno de Datos en toda la compañía es recomendable empezar con pequeños pasos que nos permiten ir avanzando en el establecimiento del modelo de Gobierno.

Los Grupos de trabajo serán el motor que favorezca el cambio cultural hacia la calidad de dato, haciendo ver a la compañía la importancia de disponer de una buena calidad en los datos y de unos correctos sistemas de gestión y control de los mismos.

Para ello será importante crear métricas que nos permitan medir tanto la calidad de los datos de la compañía, como las acciones que se realizan con la finalidad de cuantificar el éxito del establecimiento del modelo de Gobierno de Datos en la compañía.

Por último, recuerda que no existe un modelo de Gobierno de Datos único y compartido, sino que éste tiene que ser adaptado a las necesidades a corto, medio y largo plazo de tu compañía en materia de gestión de datos. Y que, será imprescindible la involucración de diferentes perfiles que nos permitan conocer, desde diferentes puntos de vista, el estado y las necesidades de todas las áreas de la compañía.

¿Quieres conocer más detalles?

Hemos preparado una infografía que puede ayudarte en la identificación de los roles que hemos mencionado en este post. A través del siguiente enlace podrás acceder a ella:

En sumamoOs desarrollamos y acompañamos en la implantación de modelos de Gobierno del Dato, adaptados al tamaño de tu compañía y entendiendo las necesidades y objetivos de tu empresa a corto, medio y largo plazo en materia de gestión de datos. De modo que, si quieres averiguar más detalles, puedes  echar un vistazo aquí o  contactar con nosotros  para conocer cómo implantar un modelo de Gobierno del Dato asegurando que los datos son gestionados correctamente.