Construyendo un equipo de Data Science

Por Milton Volpato,

Cuando se trata de sacar mayor provecho a los datos, ¿qué es mejor para las empresas? ¿Buscar terceros para sus proyectos o construir un equipo de Data Science?

Es tan común que las empresas busquen socios para tercerizar sus proyectos de TI y Analíticas. De hecho, es una buena práctica para maximizar recursos. Cuando hablamos de Analíticas de Datos, las compañías necesitan buscar socios que tengan mejores herramientas y que tengan la capacidad de apoyarlos al capturar los datos, descubrimiento de data, modelos y disponibilidad de data para ayudar al equipo de Data Science y a los tomadores de decisiones.

“El hecho de comprar herramientas de avanzada y tener una colección de Big Data no lo convierte en un científico de datos, tal como poseer un cuchillo de chef no lo convierte en chef”.

Como el análisis de información no es una solución plug and play que se instala y usa tal como está, se recomienda enfáticamente a las compañías que creen un equipo de Data Science interno para apoyar la adopción de las soluciones analíticas y modelos de datos creados y desarrollados por socios externos. Este equipo será fundamental para garantizar el retorno de la inversión (ROI) de los proyectos analíticos, y también ayudará a la empresa a diseminar la cultura de datos y preparar a los usuarios finales a colaborar más efectivamente. (Espere próximamente un nuevo artículo acerca de cómo los usuarios finales pueden comunicar mejor cuáles son sus problemas de negocio al equipo de Data Science).

Entonces, para formar su equipo de Data Science se debe preguntar: ¿qué tipo de integrantes necesita? ¿cómo formará el equipo? ¿qué tipo de tareas los integrantes del team realizarán? ¿cómo trabajarán juntos?

En su equipo de Data Science es importante separar análisis e interpretación. No permita que su equipo produzca solo análisis de información, hágalos preguntarse y responder preguntas interesantes (la interpretación). Para poder hacer eso, lo primero es tener un equipo formado por personas diversas que provengan de varias áreas de la organización.

Hay tres áreas de responsabilidad fundamentales para su equipo:

  • Recolectar, acceder y construir reportes basados en la información
  • Hacer buenas preguntas
  • Hacer que la data sea accionable

La idea es trabajar con personas que ya están en la empresa, separando el equipo de Data Science en tres roles:

  • Líder de investigación
  • Analista de Data
  • Gerente de Proyectos (Scrum Master si le quiere dar un sabor “Agile”)

¿Cómo hace que estos roles trabajen juntos, hagan buenas preguntas, reúnan evidencia y produzcan conclusiones?

Todo comienza con hacer buenas preguntas. Las empresas acostumbran a hacer foco en las respuestas porque las respuestas terminan con las discusiones, pero buenas preguntas pueden llevar a más preguntas y mejores respuestas. Tener a un team que administre este flujo de preguntas y respuestas comienza con el Líder de Investigación, el cual generalmente proviene de áreas diversas del negocio. El recurso no necesita ser un experto o un científico, pero debe ser capaz de cuestionar sus suposiciones.

También es importante separar los cuestionamientos de la información porque puede haber un conflicto de intereses inherente, por ejemplo: si Ud. sabe que tiene un set de datos inteligentes, podría limitarse a preguntas simples, también, identificar problemas claves puede ser un buen comienzo.

A medida que tenemos las preguntas o problemas clave identificados, el Analista de Data trabajará codo a codo con el Líder de Investigación para construir escenarios, verificar si tenemos la información adecuada para responder las preguntas, recomendar métodos estadísticos y herramientas, y crear visualización de la información mediante la construcción de reportes, consolas, historias, etc…

Para completar el equipo, necesitamos un Gerente de Proyectos quien protegerá al Líder de Investigación y al Analista de Data de reuniones interminables, asegurará que el negocio va a ejecutar partiendo de las conclusiones, aplicará gestión del cambio para mejorar la adopción y además este rol es responsable de negociar los accesos y permisos basándose en las políticas de seguridad de la información de la empresa.

Con la alta competencia actual y la volatilidad del mercado, las empresas se encuentran ahora con que el uso de la ciencia de datos y las conclusiones se convierten en fundamentales para tomar las decisiones correctas y mejores, necesarias para que los CIOs, CDOs y CEOs preparen sus recursos para responder mejor a los desafíos.

Me gustaría recibir comentarios acerca de lo siguiente: ¿ya ha construido su equipo de Data Science? ¿Cómo está enfrentándose a este desafío su empresas ¿Cuáles han sido las estructuras de equipo que mejor han funcionado y las que no lo han hecho en sus empresas? Comparta su respuesta en nuestras redes sociales: Facebook / Twitter / LinkedIn / Instagram / Whatsapp


© 2018 SAP SE. All rights reserved. SAP and other SAP products and services mentioned herein as well as their respective logos are trademarks or registered trademarks of SAP SE in Germany and other countries. Please see http://www.sap.com/corporate-en/legal/copyright/index.epx#trademark for additional trademark information and notices.