¿Hay necesidad de científicos de datos?

El análisis de datos se está convirtiendo en una misión crítica para más y más empresas. Uno de los mayores desafíos a los que se enfrentan: reclutar científicos de datos.

“Hay muy pocos científicos de datos por ahí repartiendo sus currículums”, dijo Allen Blue, cofundador de LinkedIn. “Los científicos de datos ya están casi todos empleados, porque tienen mucha demanda”.

Esa demanda ya no se limita a los ámbitos de alta tecnología y software, dijo Blue. En los últimos tres años se ha observado un “crecimiento masivo — 15 veces, 20 veces el crecimiento” en los empleos basados en la ciencia de los datos en sectores como la educación, la comercialización y la industria manufacturera. Hay una brecha cada vez mayor entre las necesidades de las organizaciones y las habilidades de los candidatos a puestos de trabajo para satisfacer esas necesidades.

¿Cómo están lidiando las empresas con los obstáculos de contratación? Blue, junto con líderes de finanzas, salud, telecomunicaciones y otras industrias, compartieron sus ideas en “The Future is Now: Closing the Data Analytics Skills Gap”, un ayuntamiento patrocinado por Wharton Customer Analytics y WorkingNation . WorkingNation es una campaña sin fines de lucro fundada por el filántropo y capitalista de riesgo Art Bilger que estudia e informa sobre el desempleo estructural y la brecha de habilidades laborales. La cumbre fue moderada por la colaboradora de CNBC Michelle Caruso-Cabrera

¿Qué causó el auge de la analítica de datos

Al entregar el discurso principal, Blue proporcionó una ventana sobre cómo surgió el campo de análisis de datos y por qué sigue creciendo, basado en parte en su experiencia personal desarrollando LinkedIn. “Es difícil de creer que hace apenas 20 años, toda la noción de ciencia de datos era completamente nueva. No creo que nadie haya usado el término todavía”. La creciente popularidad de Internet fue el catalizador, dijo. Cada acción que un usuario de Internet tomó fue visible y rastreable, lo que llevó a un enorme y continuo volumen de información capturada. Esto, a su vez, permitió nuevos tipos de investigación. Los científicos informáticos comenzaron a hacer análisis en tiempo real de cómo la gente estaba usando productos particulares.

Blue informó que los empleos relacionados con la ciencia de los datos y el aprendizaje automático, tomados en conjunto, representan cinco de los 15 mejores empleos en crecimiento en Estados Unidos hoy en día.

LinkedIn fue fundada en 2003, y alrededor de 2005 es cuando “la segunda mitad de la ciencia de los datos entró en juego”, según Blue. Esta segunda mitad no consistía simplemente en rastrear el uso de los productos por parte de la gente, sino en construir nuevos productos para que los utilizaran. Blue dijo que el esfuerzo empleado en el aprendizaje automático y desarrollo de algoritmos para predecir qué información un usuario encontraría valiosa. Un ejemplo temprano de esto, dijo, fue la característica de LinkedIn “People You May Know”: averiguar con qué otros miembros de LinkedIn un usuario podría estar familiarizado (y estar tentado a conectarse con) de trabajos anteriores, escuelas y otras experiencias de vida documentadas en Internet.

En 2009, dijo Blue, LinkedIn tenía varios millones de usuarios. A él y a sus colegas se le ocurrió otro ángulo sobre el análisis de datos, este un poco sorprendente: con su vasta base de datos de miembros, podrían tratar de arrojar luz sobre las tendencias económicas a gran escala.

“[Teníamos] una gran idea: tal vez si pudiéramos ver los trabajos, las habilidades que requerían, las habilidades que la gente tenía y las empresas para las que han trabajado, podríamos ser capaces de proporcionar información sobre dónde están las brechas de habilidades y las mejores oportunidades”.

LinkedIn se ha dedicado a este tipo de investigación desde entonces. Una de las tendencias que han seguido implica oportunidades de trabajo de análisis de datos (así que en un giro interesante, han utilizado la ciencia de datos para averiguar sobre el crecimiento de la ciencia de datos). Blue informó que los empleos relacionados con la ciencia de los datos y el aprendizaje automático, tomados en conjunto, representan cinco de los 15 mejores empleos en crecimiento en Estados Unidos hoy en día. Y hay miles de empleos más en el campo que profesionales calificados para llenarlos.

Análisis de datos: el nuevo Sine Qua Non of Business

En la conferencia, un panel de líderes empresariales de Morgan Stanley, PwC, Comcast y otras organizaciones discutieron el papel en expansión de la analítica de datos. Tsvi Gal, CTO de la infraestructura de Morgan Stanley, hizo hincapié en la importancia de la ciencia de los datos en la industria financiera actual. “Nosotros [podríamos] estar en la banca, pero vivimos y morimos de información... El análisis de datos es el oxígeno de Wall Street”, dijo Morgan Stanley utiliza la ciencia de los datos para entender y anticipar el comportamiento de los clientes, así como predecir las tendencias de la industria y los cambios regulatorios. Otra aplicación es asegurar que el contacto del cliente con los asistentes virtuales de la firma esté a la par de las interacciones humanas. La ciencia de los datos también es esencial para la seguridad, dijo Gal, protegiendo los datos de la compañía de “anomalías, amenazas y comportamientos que no deberían estar allí”.

En una nota similar, Bhushan Sethi, un socio y líder global conjunto en PwC, dijo que su firma está incorporando análisis de datos en casi todas las actividades. “Está en todos nuestros productos y servicios”, dijo. Con los clientes, “ya no es lo suficientemente bueno para decir, aquí hay una estrategia viable; esto es una especie de lo que podría parecer. En realidad tenemos que visualizar cuáles serían esas decisiones; cuáles serían los resultados; qué significa eso para el crecimiento, para las finanzas, para el compromiso”.

“Nosotros [podríamos] estar en la banca, pero vivimos y morimos de información... El análisis de datos es el oxígeno de Wall Street”. –Tsvi Gal

Ravi Kandikonda, vicepresidente senior de estrategia y planificación de marketing en Comcast, habló sobre cómo su empresa, uno de los mayores anunciantes de medios del país, utiliza el análisis de datos para informar las decisiones sobre dónde gastar dólares publicitarios. “¿Cómo se asignan en los canales tradicionales como TV versus canales digitales que están en marcha y cuyo valor aún no está probado? ¿Cómo se hace el caso y... demostrar que es un diferenciador clave?” Cuanto antes te adelantas a esta curva, dijo, es una ventaja competitiva.

En el lado sin fines de lucro, Steve Kern, subdirector de ciencias cuantitativas de la Fundación Gates, dijo que el análisis de datos estaba ayudando a su organización a combatir los problemas globales al permitirle comparar información con otros científicos y en una amplia gama de geografías. Por ejemplo, la base se basa en datos genómicos para identificar factores comunes en diferentes países que causan malnutrición infantil y retraso en el crecimiento.

También ha llegado el análisis de datos en el sector de la salud. Para Kevin Mahoney, vicepresidente ejecutivo y director administrativo del Sistema de Salud de la Universidad de Pennsylvania y vicedecano ejecutivo de servicios integradores de la Escuela de Medicina Perelman de Penn, una de las emocionantes promesas de la ciencia de los datos y especialmente la visualización de datos es “obtener algo rápidamente que sea aplicable a un médico, así que [dicen], ‘lo veo; sé qué hacer’”. Los médicos podrían conseguir a los pacientes la ayuda que necesitan sin tener que revisar muchas páginas de notas.

Describió cómo los análisis de datos podrían potencialmente producir mejores enfoques para el manejo de enfermedades graves como la esclerosis múltiple. Muchos pacientes de EM experimentan recaídas impredecibles, pero la progresión general de la condición es "realmente muy lineal", dijo. Mahoney esbozó un escenario hipotético en el que los pacientes suministrarían con frecuencia información sobre cosas como su capacidad para caminar, a través de teléfonos inteligentes o iPad. Los análisis de datos se aplicarían para anticipar las recaídas y los médicos proporcionarían tratamiento antes de que ocurran problemas, mejorando en gran medida la calidad de vida de los pacientes.

Seguimiento del científico de datos elusivo

¿Cómo están las empresas encontrando analistas de datos para contratar? Los panelistas estuvieron de acuerdo en que no era una tarea sencilla. Kern dijo que su organización colabora con universidades para trabajar con estudiantes que salen no sólo de la informática, sino también de otros antecedentes analíticos como la estadística y la ingeniería. Blue señaló en su charla que los graduados en ciencias como la física, la química y la biología también podrían ser candidatos prometedores. “Ya han aprendido a pensar correctamente en los datos, [así que] solo necesitan aprender las herramientas”.

Morgan Stanley dirige un programa para que los graduados universitarios aprendan ciencias de los datos, según Gal. Señaló que aunque la mayoría de estos estudiantes provienen de los orígenes STEM, algunos son de las artes liberales y, sin embargo, lo hacen muy bien en la empresa. Gal dijo que era un mito que la analítica de datos es trabajo mecánico; en cambio, requiere mucha creatividad. “No es sólo que ejecutes un algoritmo y lo sigas... Es necesario buscar patrones en los datos que pueden o no existir”. Las personas con una orientación artística liberal “tienen historias, y pueden pensar de una manera diferente y más abstracta”, lo que puede ayudar a su éxito, dijo.

“[La analítica de datos es] como digital: todo el mundo va a necesitar un nivel básico de la misma”. –Bhushan Sethi

Gal agregó que traer graduados en artes liberales en análisis de datos también ayuda a aumentar el número de mujeres en una disciplina fuertemente dominada por los hombres, afirmando que el programa de Morgan Stanley había logrado un equilibrio de 50-50. “Creemos que todos deberían estar participando en este viaje, y no debería ser sólo masculino”, dijo. Se refirió a la declaración de Blue de que actualmente hay cuatro hombres por cada mujer en el campo, con hombres ocupando la mayor parte de los papeles de liderazgo. Blue había comentado que, a medida que el aprendizaje automático y la ciencia de los datos asumían un papel cada vez más importante en la vida cotidiana, era esencial que los analistas de datos provinieran de diferentes géneros y contextos.

Varios panelistas señalaron que si bien era importante para sus organizaciones formar su personal de análisis de datos, también hay una creciente necesidad de que los empleados en cada función de trabajo tengan una comprensión básica de la disciplina. En el mundo de la atención médica de Mahoney, “incluso si eres un tecnólogo [médico], vas a estar en análisis de datos, [aunque] tu punto focal podría ser más estrecho que algunos de los Big Data de los que hemos hablado”. Dijo que Penn Medicine se dedicaba actualmente a readiestrar su fuerza laboral en ciencia de datos, ayudando a la gente a entender “cómo la explosión de datos puede ayudarte a hacer mejor tu trabajo”.

En la misma línea, Kern comentó, “no es que necesitemos que todo el mundo vaya y se convierta en el próximo gran analista de datos, sino que necesitamos tener gente que entienda cómo consumir los datos”, y que pueda trabajar productivamente con los científicos de datos. Sethi, de PwC, dijo que su firma estaba “democratizando” el análisis de datos, tomando medidas para asegurar que todos sus 55.000 empleados estadounidenses adquirieran una comprensión básica del mismo.

Sethi añadió que se ha dado cuenta de muchas más organizaciones similarmente mirando cómo volver a matar a su gente de mitad de carrera. Él observó, “Tengo que creer que en los próximos años, el análisis de datos va a ser [extremadamente] prevalente. Es como digital: todo el mundo va a necesitar tener un nivel básico de comprensión de la misma”.