Data Science, o la ciencia de datos, se puede definir como la acción de recopilar los miles de millones de datos –tanto internos como externos– que poseen las organizaciones, y transformarlos en información combinable para generar valor de negocio.
En opinión de Santiago de Urquiza, director general de gA México, el primer desafío para las compañías es comenzar a consolidar los datos y cruzarlos, pues muchas veces están diseminados o duplicados a través de múltiples sistemas.
Para ello, las organizaciones requieren una plataforma que les permita procesar grandes volúmenes de datos, trabajarlos en forma dinámica y rápida, y transformarlos en acciones.
El reto, dice Urquiza, ‘es cómo comenzar a aglutinar los datos, unificarlos y completarlos, para después analizarlos, generar insights o ciencia de datos avanzada con predicciones basadas en esos datos’.
‘Este es el futuro de los negocios para los próximos 10 o 15 años, y para poder tener estas capacidades se requiere una plataforma capaz de procesar esos datos’.
Big Data
Big Data –explica de Urquiza–, hace referencia al volumen de datos y a la combinación de estos. Tradicionalmente, las empresas almacenan información en bases de datos con campos numéricos y de texto; Big Data agrega campos como voz o imágenes, que son datos menos estructurados. ‘Data Science es el elemento que transforma ese Big Data en insights‘.
‘Como humanos, no podemos procesar millones de datos, ni siquiera en 100 años. Por ello, a través de algoritmos de ciencia de datos, lo que se hace es transformar esa información en valor, en indicadores o en predicciones’, explica el responsable de gA para México.
Lo anterior, requiere el desarrollo de habilidades para saber cómo combinar estas variables y cuáles son relevantes para una determinada predicción.
Data Scientists
Según el directivo, en los últimos tres o cuatro años ha crecido la demanda de científicos de datos, quienes son los responsables de generar los algoritmos relevantes en cuanto a las predicciones y el procesamiento de los datos; ‘son los que en definitiva construyen la lógica y la matemática para transformar todas las variables en una predicción’.
‘Ellos entienden los datos’, y con el apoyo de los analistas de negocios, pueden determinar cuál es la necesidad de negocio y transformar esa necesidad en un algoritmo que aporte valor a la organización. ‘Todas las compañías están buscando capturar el valor que aportan esos talentos en el mercado’, asegura de Urquiza.
Inteligencia artificial y analítica
Las capacidades de estos especialistas también son indispensables en el campo de la inteligencia artificial.
Hoy, cuando se habla de inteligencia artificial, se refiere más a redes neuronales, o Deep Learning, ‘que es como una ecuación gigante donde sus distintos parámetros se van ajustando’ con base en un proceso automatizado, y este proceso requiere de muchos datos para poder ajustarse, de muchas ‘fotos’.
Esa información, que es inteligencia artificial, se genera a través de millones de datos disponibles para procesar y trabajarlos.
Process mining
La minería de procesos, o process mining, permite sacar una ‘foto en línea’ de lo que realmente está sucediendo y, con base en ello, identificar cuáles son los ‘cuellos de botella’ en una determinada gestión, todo en beneficio de la productividad de las empresas.
También, la combinación de herramientas de minería de procesos permite ver en tiempo real como están ocurriendo todos los procesos dentro de la compañía.
En este ecosistema, la analítica también juega un rol importante, ya que permite ver los datos en forma gráfica. No obstante, de Urquiza considera que aunque las empresas ya han iniciado ese camino de analítica tradicional, son pocas las que dan un uso real a los resultados obtenidos.
Otro componente adicional es la automatización de las tareas, derivado de la información recopilada a través de la minería de procesos, lo que permite identificar áreas de oportunidad para automatizar tareas repetitivas y no muy complejas, con herramientas como RPA (Robotic Process Automation).
‘Nuestra estrategia es simplificar la visualización de los datos sin usar millones de dashboards hasta el ultimo nivel de detalle, si no tener sólo tres o cuatro visualizaciones que realmente sean accionables desde el punto de vista de negocios y que ello genere una acción de mejora que se pueda monitorear’, concluye de Urquiza.
