¿Quiénes son los miembros del equipo de ciencia de datos?

Los equipos de ciencia de datos suelen incluir diversos análisis y profesionales de datos y se pueden establecer de diferentes maneras, como se explica aquí junto con consejos para su gestión.

Las organizaciones ven cada vez más los datos como un activo valioso que les ayudará a tener éxito ahora y en el futuro. En una encuesta de 2019 entre profesionales de BI y de análisis, un 94% de los 500 encuestados citó datos y análisis como contribuyentes muy importantes o algo importantes para el crecimiento empresarial y las estrategias de transformación digital en sus organizaciones.

La encuesta, realizada para el proveedor de software de BI MicroStrategy y detallada en un informe titulado "2020 Global State of Enterprise Analytics ," también encontró que el 59% de esas organizaciones estaban avanzando en aplicaciones de análisis avanzadas y predictivas -- el reino de la ciencia de los datos. Esa cifra aumentó siete puntos porcentuales respecto de una encuesta similar realizada un año antes.

Encuesta r Los espondents enumeraron las preocupaciones de seguridad y privacidad como el No. 1 barrera para un uso más eficaz de datos y análisis, pero otra parte superior desafíos el acceso limitado a los datos siloed, el falta de talento cualificado , la insuficiente formación de los empleados y la ausencia de una estrategia analítica. Para ayudar a convertir los datos en información procesable, cada vez más las organizaciones no gubernamentales son creación de equipos científicos de datos para dirigir sus esfuerzos en áreas como minería de datos , modelado predictivo, aprendizaje automático e IA.

Echemos un vistazo. mejores prácticas para estructurar y gestionar un equipo de ciencia de datos , incluyendo las diferentes formas uno se puede configurar, las posiciones - Sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí., sí, sí, sí., sí, sí, sí., sí, sí, sí., sí, sí, sí, sí., sí, sí, sí, sí, sí, sí, sí, sí, sí., sí, sí, sí., sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí, sí., sí, sí, sí., sí, sí, sí, sí, sí, sí., sí. es probable que incluir y los ejecutivos a los que un equipo puede informar en una organización.

Diferentes modelos para estructurar un equipo de ciencia de datos

"Hasta cierto punto, construir y mantener un fuerte equipo de ciencia de datos es un arte", dijo John Bottega, presidente del Consejo EDM, una asociación mundial que se centra en las mejores prácticas, estándares y capacitación en gestión de datos.

Las responsabilidades en materia de recopilación, gestión y análisis de datos en un momento dado suelen recaer en el CIO, cuyo equipo de TI trabajó con usuarios empresariales para implementar almacenes de datos y Sistemas BI mantener y organizar los datos y hacer análisis básicos y la presentación de informes. Sin embargo, en los dos últimos decenios, más organizaciones separaron la función de datos en su propio departamento a medida que aumentaba la cantidad de almacenes internos de datos, evolucionaban las tecnologías de apoyo y las tareas relacionadas con los datos se hacían más diferenciadas y especializadas.

La creciente importancia de la analítica avanzada para el éxito empresarial también impulsó la necesidad de un equipo de ciencia de datos con expertos científicos de datos y otros trabajadores. Hoy en día, muchas organizaciones tienen un equipo o un departamento completo de ciencia de datos; las más grandes pueden tener múltiples equipos que operan de manera independiente o coordinada.

La forma en que las empresas estructuran sus equipos varía en función de la madurez de su programa de ciencia de datos, así como de sus objetivos de análisis de datos, estructura organizativa general y cultura empresarial. Sin embargo, han surgido algunos modelos comunes sobre la estructura del equipo de ciencia de datos, cada uno con pros y contras. Las estructuras de equipo pueden ser:

Descentralizado. Los miembros del equipo de ciencia de datos trabajan dentro de las unidades de negocio individuales que apoyan. Esto permite a los miembros del equipo colaborar estrechamente con ejecutivos de negocios y trabajadores en Proyectos de ciencia de datos , pero puede dificultar el uso estratégico de los datos a través de una organización y requerir más recursos de los que las empresas más pequeñas pueden tener disponibles.
Centralizado. La función de ciencia de datos se consolida a nivel de la empresa bajo un solo director, que asigna a los miembros del equipo a proyectos individuales y supervisa su trabajo. Este modelo permite más fácilmente una visión estratégica de toda la empresa y la implementación uniforme de las mejores prácticas analíticas, pero puede limitar la capacidad de los miembros del equipo para convertirse en expertos en un área particular del negocio. Algunas organizaciones establecen un centro oficial de excelencia en ciencia de datos para albergar un equipo centralizado.
Híbrido. El equipo de ciencia de datos se gestiona centralmente, pero los miembros son asignados a trabajar con operaciones empresariales específicas y son responsables de ayudar a esas unidades a alcanzar sus objetivos para tomar decisiones basadas en datos. En estructuras híbridas, un centro de excelencia también puede centrarse en promover mejores prácticas en materia de ciencia de los datos y normas. Al igual que con el modelo descentralizado, las limitaciones de recursos pueden ser un problema.

Funciones y responsabilidades del equipo de ciencia de datos

Hay algunos elementos comunes que un equipo de ciencia de datos debe tener éxito.

"Independientemente de la industria, los equipos de ciencia de datos necesitan ser fuertes en tres áreas principales: matemática, tecnología y perspicacia empresarial", dijo Bottega. "Encontrar una sola persona que sobresalga en los tres es bastante raro. Muchas compañías tendrán a alguien que sea fluido en dos de tres y luego el resto del equipo se puede construir alrededor de eso, llenando las brechas para asegurar que el equipo en su conjunto sea fuerte en los tres".

Las organizaciones pequeñas o aquellas con necesidades de análisis limitadas o iniciativas de ciencia de datos en etapas tempranas pueden tener un generalista manejando todas las tareas requeridas. Las entidades más grandes, así como aquellas con programas más maduros, suelen incluir alguna combinación de los siguientes roles en sus equipos de ciencia de datos.

Científico de datos. Como indica el título, los científicos de datos son los miembros principales de un equipo. Utilizan métodos estadísticos, algoritmos de aprendizaje automático y otras herramientas para analizar datos y crear modelos predictivos; algunos también construyen productos de datos, motores de recomendación, chatbots y otras tecnologías para diversos casos de uso. Los científicos de datos suelen tener una variedad de habilidades en áreas como matemáticas, estadísticas, forcejeo de datos, minería de datos, codificación y modelado predictivo, así como conocimientos empresariales y habilidades de comunicación y colaboración. Cada vez más, también tienen títulos avanzados en ciencias de los datos o nivel de posgrado certificaciones de ciencia de datos .

Analista de datos. Un analista de datos no tiene el conjunto completo de habilidades de un científico de datos, pero puede apoyar los esfuerzos de ciencia de datos. Las principales responsabilidades de los analistas de datos son recopilar y mantener datos de sistemas operacionales y bases de datos, utilizar métodos estadísticos e instrumentos analíticos para interpretar los datos, y preparar tableros e informes para los usuarios de negocios.

Ingeniero de datos. Los ingenieros de datos son responsables de la construcción, el ensayo y el mantenimiento de tuberías de datos; por lo general tienen experiencia en ingeniería de programas informáticos o ciencias informáticas que se adaptan a su enfoque en la infraestructura tecnológica y la recopilación, gestión y almacenamiento de datos. También a menudo trabajar en estrecha colaboración con científicos de datos sobre la calidad de los datos, la preparación de los datos y las tareas de despliegue y mantenimiento de modelos.

Arquitecto de datos. Un arquitecto de datos diseña y supervisa la implementación de los sistemas subyacentes y la infraestructura de datos que el equipo utiliza. En algunos casos, un ingeniero de datos también podría manejar este papel.

Ingeniero de aprendizaje automático. También a veces llamado ingeniero de IA, esta posición trabaja en conjunto con científicos de datos para crear, implementar y mantener los algoritmos y modelos necesarios para aprendizaje automático e iniciativas de IA .

En algunas organizaciones, los equipos de ciencia de datos también pueden incluir estos puestos.

Ciudadano científico de datos. Un papel informal, esto puede implicar analistas de negocios, usuarios de energía de unidades de negocio y otros empleados que son capaces de hacer su propio trabajo de análisis de datos. Científicos de datos ciudadanos a menudo tienen un interés en, perspicacia para, o algún entrenamiento en análisis avanzado, aunque las tecnologías que utilizan -- por ejemplo, aprendizaje automático automático herramientas -- típicamente requieren poco o ningún código. A menudo trabajan fuera de un equipo de ciencia de datos, pero pueden ser incorporados en aquellos que están integrados en unidades de negocio.

Analista de negocios. En algunos casos, los analistas empresariales pueden ser miembros de un equipo de ciencia de datos en su función habitual, que incluye la evaluación de los procesos institucionales y la traducción de las necesidades empresariales en planes de análisis, esferas en las que pueden ayudar a apoyar la labor de los científicos de datos.

Traductor de datos. Una nueva incorporación a la lista, estos profesionales -- también conocidos como traductores de análisis -- actuar como enlace entre los equipos de ciencia de datos y las operaciones empresariales y ayudar a planificar proyectos y traducir las ideas extraídas de la analítica de datos en acciones empresariales recomendadas.

Desarrollador o ingeniero de visualización de datos. Tienen la tarea de... creación de visualizaciones de datos hacer que la información sea más accesible y comprensible para los profesionales de las empresas. Sin embargo, los científicos de datos y los analistas de datos pueden manejar este papel ellos mismos en algunos equipos.

¿Quién gestiona y supervisa los equipos de ciencia de datos?

Un equipo puede estar dirigido por un director de ciencia de datos, gerente de ciencia de datos, científico de datos principal o un puesto directivo similar. La estructura de presentación de informes para los equipos también varía. En general, sin embargo, las organizaciones asignan a un ejecutivo de nivel C o un gerente funcional de alto rango para supervisar el equipo de ciencia de datos.

El líder científico de datos más visible es el oficial jefe de datos . La posición de CDO se remonta a 2002, con la firma de servicios financieros Capital One ampliamente reconocida como la primera empresa en implementar el papel. Muchos otros han seguido el ejemplo desde entonces: Consultoría de datos y análisis NewVantage Partners informó que el 65% de las 85 grandes empresas encuestadas en 2020 tenían CDO, frente al 12% cuando hizo la encuesta anual en 2012. Inicialmente centrado principalmente en la gobernanza de los datos, la gestión y las funciones de seguridad, muchos CDO ahora también lo han hecho. asunción de responsabilidades para la ciencia de los datos, el análisis y la inteligencia artificial.

Otras organizaciones han creado una función de director de análisis (CAO) para supervisar sus equipos de análisis y ciencia de datos , mientras que algunos han combinado las posiciones CDO y CAO en un único jefe de datos y análisis oficial. Además, el jefe de un equipo de ciencia de datos puede informar a un ejecutivo diferente -- por ejemplo, el COO, CFO o CIO, o un puesto como vicepresidente de análisis, vicepresidente de datos de negocios o director de datos y estrategia.

Cómo trabajan los científicos de datos con los usuarios de empresas

Las organizaciones de todo tipo son: Esforzarse por ser impulsados por los datos , y con razón: Muchos lo ven como una clave para seguir siendo competitivo en la era digital. Con ese fin, los equipos de ciencia de los datos deberían trabajar en colaboración con los administradores de empresas para:

Claramente entienden las preguntas de negocios que quieren que el equipo responda.
Articular los objetivos que tienen para utilizar la información que proporciona.
Mapa de cómo aplicar la información para tomar decisiones y tomar acciones.

"Los científicos de datos necesitan trabajar estrechamente con la unidad de negocios para entender cómo los datos que proporcionan ayudan a impulsar el negocio y comprender exactamente lo que [los usuarios de negocios] necesitan de los datos", dijo Josh Drew, vicepresidente regional del área de Boston para Robert Half Technology y The Creative Group, dos unidades de la firma de personal Robert Half International Inc.

Una vez que tienen esa comprensión, los equipos de ciencia de datos no pueden simplemente presentar sus hallazgos. Deben ayudar a sus colegas de negocios a comprender los conocimientos adquiridos de los datos y cómo esa información puede configurar las ofertas de productos y servicios, las campañas de marketing, la gestión de la cadena de suministro y otras partes clave de las operaciones empresariales para apoyar los objetivos empresariales, como el aumento de los ingresos, el aumento de la eficiencia y un mejor servicio al cliente.

Herramientas que un equipo de ciencia de datos necesita

Decenas de herramientas, que van desde software de visualización de datos e informes hasta análisis avanzados, aprendizaje automático y tecnologías de IA, permiten el trabajo que hacen los equipos de ciencia de datos. El número y la combinación de tecnologías necesarias es único para cada equipo, en función de sus objetivos y niveles de habilidad.

La siguiente es una lista de herramientas de ciencia de datos de uso común que incluye tecnologías comerciales y de código abierto: