El traductor en el entorno del Data Analytics

Hace tres y cuatro años, en este mismo lugar, escribí dos artículos bajo el mismo concepto. Uno de ellos (Menos big data, más big business), en referencia a cómo comienzan las charlas entre los analistas de datos y los analistas de negocios “-HDFS, MapReduce, Hive, Mahout, Oozie, Pig, Sqoop, ZooKeeper, Spark, Shark, Impala- ¡Para, para! ¿De qué me estás hablando? Háblame de negocios”. El otro de los artículos, (Analytics para encontrar oportunidades de negocios), en referencia una charla común que se da en entre un analista de datos (quizás con perfil más econometrísta/estadístico) y un analista o ejecutivo de negocios: “-R2, Estadístico-F, cointegración, estacionariedad, exogeneidad, y heteroscedasticidad- No entiendo lo que me estás diciendo. Háblame de negocios”. Pasa el tiempo y cada vez más estos dos artículos tienen más relevancia en el día a día de las empresas. Los que analizan los datos hablan un idioma, habitualmente el del analista de datos (data scientist, o algo así), y los ejecutivos hablan otro diferente. Quizás estén diciendo lo mismo, pero en un idioma diferente. Y esto no es bueno para ninguna de las dos partes. Es decir, los datos, y patrones de comportamiento que arrojan esos datos, habitualmente son oportunidades de negocios para las empresas, pero si las empresas no entienden que estos patrones son oportunidades de negocios para ellas, el trabajo del análisis de datos en realidad no creará valor. En realidad, el valor está creado, porque el analista de datos encontró patrones en ese volumen astronómico de datos, pero la empresa no puede apropiarse de ese valor porque no está explicado en su idioma. Por ende, no puede aprovechar esas oportunidades. Es por esto que entre el analista “puro” de datos, y el ejecutivo (o analista “puro” de negocios) debe haber un traductor. Un profesional que sepa hablar cada idioma perfectamente, que sepa de Data Analytics y sus técnicas, y por otro lado de cómo toman decisiones las empresas. Que pueda decodificar desde la perspectiva “del otro”, y pueda traducir el valor que se crea en los datos, y el valor potencial que puede apropiar la empresa en el mercado. Habitualmente es alguien que diseña propuestas de valor para el negocio en base a análisis avanzado de datos. Un perfil complejo, difícil de entender, pero que tiene varias características diferenciadas. De hecho, en un post de Harvard de hace un mes (Most Industries Are Nowhere Close to Realizing the Potential of Analytics) se ponen en blanco y negro algunas características comunes. Mientras que en otro post de MIT Sloan (Why Your Company Needs Data Translators) de hace un año, también define las características de estos “traductores”. Los que trabajamos en el “mundo del medio” entre la data y los negocios, diseñando, analizando y proponiendo soluciones de negocios que aporten valor real al mercado, sabemos que es crítico ser traductores. Y acá hablo de traductores, no personas que sepan dos idiomas. Pregúntenle a un traductor de idiomas profesional si una persona que sabe dos idiomas es un traductor, la respuesta se la darán enseguida. A su vez, estos traductores cada vez más deberán profundizar su conocimiento y capacidades, no solamente deben saber de data y negocios, sino que deben poder aprender, enseñar, transmitir y convencer con claridad, a medida que el mundo competitivo de los negocios avanza a gran velocidad en base al análisis de datos.   Contacto: Correo: [email protected] Twitter: @diego_vallarino LinkedIn: diegovallarinonavarro Las opiniones expresadas son sólo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes México.