Se necesitan Traductores en Data Science

traductor

Muchos os tiraréis de los pelos, otros me diréis que es intrusismo, pero lo cierto es que no es necesario tener habilidades analíticas como tal para aplicar los resultados a negocio. Nace la figura del Traductor o Divulgador analítico. He aquí por qué.

Como periodista, la principal función es informar y formar. Informar a través del lenguaje y su adaptación al público. De esta manera, el mensaje que se quiere dar  llegua de forma correcta y el público puede tomar sus propias decisiones. En el mundo de los datos pasa lo mismo.

En un mundo en el que cada vez más se habla de tecnología, Inteligencia Artificial, modelos analíticos, entre otros, las corporaciones se han dado cuenta de que se trata de un campo completamente transversal en donde se hace necesario el trabajo de Data Scientitss, Data engineers, data visualization y traductores de forma conjunta. ¿un traductor? Pues sí y os voy a explicar el por qué.

Resulta que los traductores  ayudan a garnantizar que las organizaciones obtengan un impacto real en sus iniciativas analíticas a través del entendimiento. Explican qué hacen y por qué lo hacen e incluso cómo lo hacen con un lenguaje más adaptado a las áreas de Negocio.  Recordemos que, los que van a implementar estrategias basadas en datos (data-driven strategy) no tienen por qué tener conocimientos analíticos. Ellos tienen un problema que quieren solucionar y es trabajo del equipo de Datos el encontrar solución, o aproximarse a ella.

Luego, en los diferentes departamentos se implementarán las estrategias necesarias para la consecución de los objetivos.

La figura del traductor se torna, por tanto, necesaria en los equipos de Datos. Pero antes de nada, y fijándome en un reciente artículo de HBR que recogía esta figura,  hay que definir este perfil y para ello tendremos que empezar por explicar lo que no son. Los traductores no son Data scientist ni data engineers ni han tenido que dedicarse profesionalmente a la analítica.  Tampoco poseen una profunda experiencia técnica ni en programación ni en modelado.

A estas alturas tenéis que estar flipando más de uno. ¿Cómo alguien que no sabe programar puede hacer de traductor? Fácil. Los traductores desempeñan un papel crítico al unir la experiencia técnica de los ingenieros y los científicos de datos con la experiencia operacional de los gerentes de Marketing, cadena de suministro, fabricación, etcétera. En su función, los traductores ayudan a garantizar que los conocimientos generados a través de análisis complejos se traduzcan en un impacto a escala en una organización.

Y eso es por utilizar un lenguaje adaptado a cada circunstancia. Si podemos hacer entendible el mensaje, éste se adoptará de una manera más simple que si empezamos a hablar con jerga técnica.

Además, a esto hay que sumar que se da por hecho que todos sabemos diferenciar conceptos como Machine Learning, Deep Learning, IA y redes neuronales y cuándo aplicar uno u otro. Y creedme, no es así para nada.

Cuando se inicia el proceso de utilizar analítica en una compañía, los traductores recurren a su conocimiento en ese campo a mejorar y ayudan a los directivos a identificar y priorizar sus problemas de cara a la solución más óptima. Luego, con los requerimientos de los directivos una vez que han entendido qué es lo que quieren hacer, el traductor utiliza sus conocimientos técnicos (que recordemos que no tienen que ser profundos) para hacer llegar al equipo de datos el problema y así estos se pondrán manos a la obra haciendo lo que mejor saben: analizar datos. Por último, el traductor comunica los resultados para que puedan aplicarse diferentes estrategias.

No se diferencia en nada a un Project manager, afrimaréis. Bueno, en realidad las habilidades de Project management es una de las tantas que ha de tener el Traductor. Veamos algunas habilidades que ha de tener este perfil:

Conocimiento del negocio.

Los traductores han de tener conocimientos tanto de la industria como de su propia empresa con el fin de identificar de manera efectiva el valor que la IA y la analítica avanzada puede ofrecer al contexto empresarial. Han de comprender los KPIs, los impactos que tendrá los beneficios y pérdidas y la retención de clientes. Es decir, conocimientos en cadena de suministro, marketing, gestión de inventario, predicción de abandono y fraude…

Conocimientos generales técnicos

No tienen que tener necesariamente habilidades el construir modelos cuantitativos ni cuántos de estos modelos existen. Si tienen una formación en áreas STEM es genial, pero también están los que se han autoformado en estas áreas, con lo que una titulación oficial no es necesaria. Lo que sí es un must es saber qué tipos de modelos existen y cómo aplicarlos a problemas de negocio. Esto es, qué es mejor para tu problema una regresión lineal o bien una estructura de redes neuronales. También tienen que saber interpretar los resultados

Sin embargo, y como todo últimamente, hay falta de perfiles como este. Gente con conocimientos técnicos suficientes como para poder hacer entendible algo tan complejo como la analítica avanzada, tecnología empleada y soluciones planteadas. Al no existir una formación como tal, las compañías están empezando a formar en estos campos a algunos de sus managers. También, las más atrevidas y transgresoras, buscan perfiles diferentes que sean capaces de realizar esta labor como pueden ser los periodistas, una vez hayan adquirido la formación necesaria en áreas técnicas.

Así que ya veis, no estaba tan loca cuando aseguraba que una de mis grandes ventajas en este mundo del big data es ser  una Outsider.

Comments are closed.