PuroMarketing

El big data es una de las tendencias de moda en el mundo de las empresas. La avalancha de datos ha hecho que las compañías puedan contar con un volumen de información sobre sus consumidores que nunca antes habían podido tener y que les permite tomar decisiones mucho más efectivas a la hora de lanzar sus productos o a la hora de acercarse a sus potenciales clientes. Ahora no se sabe solo que se quiere llegar a un target concreto: también se sabe cómo es realmente ese grupo de consumidores. Se sabe lo que les gusta, se sabe cómo consumen y se sabe qué decirles para que les guste lo que oyen.

Pero a pesar de que el big data es vital - y muy importante - a la hora de tomar decisiones de negocio, no son los profesionales del marketing o de la administración los que se han convertido en los trabajadores elementales para sacar todo el provecho del big data. El profesional clave en esta revolución de los datos (y por el que las empresas se pelearán de forma recurrente en los próximos años) será el científico de datos, el data scientist.

Según estimaciones de Gartner, en 2015 se crearán 4,4 millones de empleos en todo el mundo relacionados con el big data y, solo en Estados Unidos, por cada puesto de trabajo relacionado con el big data de forma directa se crearán de forma indirecta tres nuevos empleos en otras áreas gracias al empuje del big data. "Pero supone un reto", explicaba Peter Sondergaard, vicepresidente senior en Gartner y jefe global de investigación. "No existe talento suficiente en la industria. Nuestros sistemas públicos y privados de educación nos están fallando. Así pues solo un tercio de los puestos de TI se cubrirán. Los expertos en data serán un bien escaso y valioso". Los líderes de las empresas, aseguraban, tendrán que luchar por ellos y los trabajadores de los departamentos de TI tendrán que actualizarse para poder cubrir esas necesidades. "Esos trabajos son el futuro de la nueva economía de la información", destacaba Sondergaard.

No es de extrañar, por tanto, que hace unos años Harvard Business Review, una de las revistas más influyentes del mundo de los negocios, dedicase su portada a esta profesión y la bautizase como "la más sexy de la década". El nombre data scientist no es nuevo. Data science se usaba ya en los 60, aunque no era un término popular y, sobre todo, no significaba lo que significa ahora. En 2009, Troy Sadkovsky, la usó para dar nombre a un grupo de LinkedIn en la que se hablaba de la profesión y que era, por cierto, la que él desempeñaba. LinkedIn, por cierto, también tenía a sus propios científicos de datos y fue uno de ellos el que descubrió cómo establecer los lazos de unión que hacen que ahora sus usuarios vean en sus perfiles recomendaciones de otras personas con las que quizás también tengan relación profesional.

De hecho, algunas empresas realizan hackatons específicos para descubrir y retar a este talento y, aunque como explica a FastCompany una ganadora en serie de estos concursos, son más por la gloria que para llamar la atención de los responsables de recursos humanos, lo cierto es que no solo sirven para que los responsables de RRHH los vean sino también para conseguir mejores ofertas. Al fin y al cabo, son un bien demasiado preciado para dejarlo escapar.

¿Qué hace un data scientist?

Su papel en la empresa es básicamente el de desbrozar el monte de los datos para que los responsables de otros departamentos puedan hacer su trabajo. El data scientist hace el camino más llano para que, por ejemplo, el responsable de marketing pueda establecer una campaña eficaz porque tendrá los datos en la mano.

Sus labores son, como no se cansan de repetir desde las empresas que están liderando la conversión, "mitad artista, mitad analista". "Es casi como un individuo del Renacimiento que realmente quiere aprender y generar cambios para su organización", apunta Anjul Bhambhri, vicepresidente de productos de big data en IBM en un site especial que la compañía ha dedicado a estos profesionales.

Ellos ven el flujo de información (un flujo de información realmente, porque los datos llegan de la forma más variopinta y no siempre de la forma más pulida) y lo convierten en algo organizado, en un valor añadido para la empresa. Los data scientist son quienes saben convertir todas esas avalanchas de información que llegan de los datos de compra de las tarjetas de fidelidad de los supermercados en un chivato de lo que hay que decirle a los consumidores que deben comprar ahora.

Características de un data scientist

"Hay más demanda que nunca para los especialistas en Big Data, pero también cada vez se pide más a los candidatos", aseguraba a finales del verano pasado Andrew Jennings, responsable de analítica de FICO y de FICO Labs. "Nos hemos dado cuenta de que las habilidades numéricas no son suficientes. Necesitamos personas que sean capaces de resolver los problemas a las empresas y que puedan explicarles las soluciones a los directivos, que no tienen por qué contar con una formación científica".

Según la experiencia de FICO, el data scientist debe ser un geek, aunque eso no significa más que que debe contar con una licenciatura en alguna disciplina relacionada tradicionalmente con ellos, como informática pero sobre todo matemáticas o estadística. Matemáticas es, por cierto, la carrera habitual que aparece como referente en prácticamente todos los análisis de las empresas del sector sobre cómo debe ser el data scientist ideal. Además, y volviendo a las conclusiones de FICO, debe tener una elevada capacidad de resolución de problemas, debe adaptarse fácilmente a cualquier nueva situación y debe tener alta capacidad analítica. Al fin y al cabo, lo que se le va a pedir no es tanto que genere algoritmos sino que sepa ver preguntas y luego darles respuesta.

El data scientist tiene que ser la llave para saber qué preguntar a los datos, por lo que conocimientos de economía o de otras ciencias (como puede ser la banca o la relacionada con el terreno en el que trabaje) son muy valorados por las empresas.