Cómo ser un científico de datos exitoso

Estás leyendo la publicación: Cómo ser un científico de datos exitoso

El crecimiento de datos parece indiscutible. En 2020, cada persona generó 1,7 megabytes de datos por segundo y hoy una persona tardaría más de 180 millones de años en descargar todos los datos de internet. Definitivamente existe una oportunidad de consumir estos datos para tomar decisiones, y esta es la razón por la cual El 94% de las empresas dice que los datos son importantes para el crecimiento de su negocio y la transformación digital..

En este contexto, el el campo de la ciencia de datos tiene la misión de hacer que los datos sean útiles. ¿Cómo se maneja esta cantidad de datos para brindar información y recomendaciones al negocio? Esta es una de las preguntas de oro para las que se ha contratado a los científicos de datos: la Oficina de Estadísticas Laborales de EE. UU. predice que el la cantidad de trabajos en el campo de la ciencia de datos crecerá aproximadamente un 28 % hasta 2026.

Pero, ¿alguna vez has pensado en qué tipo de problemas pueden trabajar los científicos de datos? Solo para darle un ejemplo, aquí en Rock Content, trabajamos para predecir cuándo un cliente abandonará antes de tomar esta decisión en función de los datos.

A partir de este hallazgo, es posible tener otros equipos interactuando con los clientes y ahorrar estos ingresos de forma proactiva. Esta no es la única aplicación de la ciencia de datos. Desde desafíos relacionados con la adquisición de nuevos clientes hasta oportunidades de venta cruzada en los negocios: los científicos de datos se enfocan en consumir datos para resolver problemas.

Es natural que los científicos de datos aborden esos problemas comerciales con diferentes estrategias. Aunque es saludable, especialmente cuando un equipo está lleno de profesionales de diferentes orígenes, hay una característica entre las más exitosas que me gustaría discutir.

Los proyectos de Data Science en la vida real no son exactamente los mismos que encontramos en entornos de aprendizaje o en webs de competición de datos, como Kaggle. No significa que esas competencias de datos sean malas, pero lidiar con esos desafíos no significa que se logrará el mismo éxito en proyectos de la vida real.

🔥 Recomendado:  10 estadísticas de trabajo remoto que debes saber en 2023 [Infographic]

¿Qué tan diferente es manejar datos en la vida real y en un entorno de aprendizaje?

En su rutina diaria, es posible que no tenga un conjunto de datos listo para usar para cada escenario. Si lo hace, tal vez podría considerar reflexionar sobre ello. Ciertamente, será el principal impulsor del resultado de su entrega. La reflexión sobre este punto es: ¿cómo puedes responder por un resultado de tu impulso principal, si no trabajaste en él?

A partir de esta pregunta, es importante reforzar: la ciencia de datos definitivamente comienza mucho antes que los datos. Recomiendo encarecidamente a los científicos de datos que pongan mucha energía en la definición del problema, y ​​no solo piensen en el producto analítico que se entregará al final. El negocio es lo primero. Siempre.

Esto es muy similar a cuando los especialistas en marketing hacen su planificación anual, por ejemplo. Es una tentación lanzar tu presencia en el metaverso solo porque todo el mundo está hablando, por ejemplo. Pero, espera: ¿por qué quieres estar en el metaverso? ¿Qué problemas de negocio quieres resolver? Recuerde: las estrategias siempre vienen antes que las tácticas.

Cuando hablamos de datos, usar el mismo enfoque garantizará que no se esté pensando en la solución antes de explorar lo que realmente podría resolverse. Es importante que los líderes se comprometan con los científicos de datos tan pronto como puedan.

A pesar de que El 38% de los profesionales de datos están involucrados en la toma de decisiones., es posible que sientan que sus ideas no se consideran con precisión. Varias preguntas pueden surgir de esto, pero ciertamente un grupo de ellas están relacionadas con la diferencia entre comprender los datos y comprender el negocio en sí.

Con esto en mente, podemos explorar una pregunta más profunda: ¿cómo pueden los científicos de datos reflexionar sobre los problemas comerciales si no entienden el negocio en profundidad? Definitivamente estoy de acuerdo en que el proyecto de ciencia de datos no es una actividad individual, sin embargo, creo firmemente que los científicos de datos pueden contribuir al diseño de hipótesis.

🔥 Recomendado:  Cómo reducir los costos de las operaciones de su centro de llamadas

Es relevante traer a la mesa el hecho de que en un campo con una brecha de talento, el equilibrio entre el conocimiento de la industria y las habilidades de datos duros puede ser crucial para proyectos exitosos.

Los datos pueden ser solo la punta del iceberg

La inmersión profunda en la comprensión del negocio no debe verse como un científico de datos que va más allá de su trabajo. Esto no es verdad. Este tipo de comportamiento es una inspiración para diseñar finalmente el conjunto de datos necesario para el proyecto de ciencia de datos y también para iniciar otro esfuerzo en otros desafíos técnicos.

Tenga en cuenta que los datos son solo la punta de un iceberg que implica reflexiones mucho más profundas sobre los objetivos comerciales. Cuando asume que su trabajo comienza desde la punta del iceberg, debe haber perdido miles de oportunidades.

El esfuerzo de enmarcar el problema comercial es probablemente la característica más visible que he notado en varios científicos de datos de diferentes orígenes. Naturalmente, no depende solo del científico de datos, sino también del liderazgo para llevarlos a la etapa de toma de decisiones.

Cierre: reúna a los científicos de datos para discutir el negocio

Para concluir, hay discusiones relacionadas con los roles de científicos de datos que están siendo eliminados por nuevas herramientas que puede aplicar automáticamente el aprendizaje automático. Estoy totalmente en desacuerdo. Esas herramientas probablemente estén matando roles que solo están escribiendo código sin interpretación, o lidiando con la punta del iceberg.

Aquellos capaces de profundizar en el océano pueden no ser fácilmente reemplazables. Requiere una combinación de habilidades que entra en acción mucho antes que los datos. Data Science es mucho más que discutir algoritmos y modelos de ajuste. Esta es la respuesta para comprender por qué tenemos tantos científicos de datos que realizan un excelente trabajo y que provienen de diferentes áreas además de la ciencia, la tecnología, la ingeniería y la administración: se trata de explorar y utilizar habilidades duras como herramientas que se pueden aprender y que ayudarán a generar negocios. mejoras

🔥 Recomendado:  Google Research presenta una extensión de PyGlove: una biblioteca de Python de propósito general que ahora puede compartir de manera fácil y escalable ideas de aprendizaje automático como código

Después de todos esos puntos, una gran recomendación es asegurarse de que los profesionales de datos entiendan el negocio en sí antes de lidiar con problemas técnicos. El contacto con el producto es uno de los mejores regalos que un líder puede dar a un científico de datos y la mayoría de las veces este esfuerzo conducirá a valiosos conocimientos y un ritmo acelerado de proyectos en el futuro cercano. Cuanto más cerca esté el equipo técnico del producto, definitivamente mayores serán las oportunidades que puedan ver.

Por otro lado, recuerde que la magia de la disputa de datos es solo un “cómo” para alcanzar los objetivos comerciales. Al entenderlo, podemos inferir que no hay nada mejor que los expertos en negocios para apoyar los proyectos de conducción de datos.

Lo invito a reflexionar sobre qué tipo de científico de datos puede ser un verdadero cambio de juego para su negocio, y también le recomiendo que se suscriba a nuestro boletín, para que pueda mantenerse actualizado sobre temas nuevos relacionados con el marketing y los negocios.