Ignacio Larrú. Profesor IE BUSINESS SCHOOL
Big Data y data science son dos de los conceptos que resuenan en todas las conversaciones de ejecutivos a nivel mundial. Es normal dado el enorme potencial de ambos para la disrupción tanto sectorial como dentro de las propias organizaciones.
Antes de continuar conviene definir brevemente Big Data como el conjunto de tecnologías que permiten el almacenaje y tratamiento de datos que presentan características que hacen que su almacenaje y tratamiento por métodos tradicionales (bases de datos relacionales y reportes tradicionales) sean muy costosos o simplemente no factible. Data science sería el conjunto de algoritmos y técnicas que nos permiten extraer conocimiento de todos estos datos. Por poner un símil sería como si las tecnologías de Big Data fuesen el coche de F1 y data science el piloto que permite obtener nuestras metas conduciendo con pericia el coche.
La región de Latinoamérica no es ninguna excepción a esta norma. Según varios estudios el mercado del Big Data y los servicios relacionados tiene un tamaño actual de unos 900 M$ en 2014 pero se espera que este tamaño se multiplique por cinco en los próximos cinco años dando muestras del interés y esperanza puestos en este sector. Todo este desarrollo a futuro necesitará de mano de obra cualificada para poder llevarse a cabo no en vano se espera que el sector genere en torno a 4,4 millones de puestos de trabajo nuevos a nivel mundial en 2015.
Con estos datos y la escasez de empleados con los conocimientos necesarios para poder aportar valor mediante la implantación de tecnologías de Big Data (Hadoop, Mongo DB, Hive, PIg, etc…) y sus análisis mediante los algoritmos y técnicas del data science (arboles de decisión, filtrado colaborativo, reglas asociativas, etc…) es normal que la figura del Data Scientist sea uno de los puestos de trabajo con mayor demanda actualmente. En 2012 el profesor Thomas Davenport de la universidad de Harvard nombro la profesión de Data Scientist como “el trabajo más sexy del siglo XXI”.
Todos estos indicadores junto a lo atractivo de intentar usar los datos existentes para predecir futuros comportamientos de los clientes o posibles averías en la maquinaria de la compañía hacen que muchos recién licenciados quieran emprender el camino para convertirse en data scientists pero pronto descubren que no es un camino fácil que presenta múltiples obstáculos.
El primero de ellos se debe al carácter multidisciplinar de la materia, a medio camino entre la ingeniería (programación, arquitectura de computadores, estructuras de datos), la estadística (diseño de experimentos, validación de la significancia estadística) y la administración de empresas (de nada sirve tener un potente sistema de análisis si no se le hacen las preguntas oportunas y se comunican al resto de la organización de manera clara y comprensible). Este carácter multidisciplinar de la materia choca frontalmente con unos planes de educación universitaria rígidos basados en una visión anacrónica de la educación donde el alumno debe escoger entre una formación enteramente técnica o una formación en la administración de empresas.
Adicionalmente a esta dificultad de cultivar todas las habilidades necesarias se une la falta de formación sobre comunicación y presentación de la información en los programas de grado universitario. Por este motivo los alumnos que desean enfocar su carrera como data scientist deben complementar su formación universitaria de grado con algún estudio de post grado que les permita disponer del amplio arsenal de herramientas y habilidades necesarias para poder aportar valor a una organización como data scientist.
Con la formación adecuada los jóvenes latinoamericanos pueden contribuir significativamente a que el Big Data y el data science no solo sean conceptos que se comenten desde la distancia con una mezcla de recelo e incredulidad por parte de los ejecutivos sino una realidad que ayude al progreso de la región.
COMENTARIOS
DEJE SU COMENTARIO
La finalidad de este servicio es sumar valor a las noticias y establecer un contacto más fluido con nuestros lectores. Los comentarios deben acotarse al tema de discusión. Se apreciará la brevedad y claridad.