¿Sus científicos de datos saben el "por qué" detrás de su trabajo?
Por Thomas C. Redman
Datos
Harvard Business Review
La ciencia de datos, ampliamente definida, ha existido durante mucho tiempo. Pero las tasas de fracaso de los proyectos de big data en general y los proyectos de inteligencia artificial en particular siguen siendo alarmantemente altos. Y a pesar de la exageración (por ejemplo, "los datos son el nuevo petróleo"), las empresas aún tienen que citar las contribuciones de la ciencia de los datos a sus resultados finales. Que esta pasando?
Recientemente, Ron Kenett, el distinguido científico de datos con base en Israel, y yo comparamos las notas sobre nuestros propios éxitos y fracasos, y los de nuestros colegas, para ayudar a las empresas con la ciencia de datos. De inmediato quedó claro que los mayores éxitos no se debían simplemente a la excelencia técnica, sino también a factores más suaves, como una comprensión profunda de los problemas empresariales; construir la confianza de quienes toman las decisiones; explicando los resultados de manera simple y poderosa; y trabajar pacientemente para abordar docenas de preocupaciones entre los afectados. Por el contrario, el excelente trabajo técnico murió en la vid cuando no pudimos conectarnos con las personas adecuadas, en el momento adecuado o de la manera correcta.
En muchas empresas, los científicos de datos no están realizando una cantidad suficiente de este trabajo más suave, sino más difícil. Dos razones subyacentes contribuyen. Primero, muchos científicos de datos están mucho más interesados en realizar sus trabajos, es decir, en encontrar datos interesantes escondidos en datos, que en resolver problemas de negocios. En algunos aspectos, esto es natural. Después de todo, se les enseña un enfoque estrecho sobre los datos y las herramientas necesarias para explorarlos, y al hacerlo, les ayuda a obtener el reconocimiento de sus compañeros. Además, aplicar técnicas avanzadas es más divertido que lidiar con las realidades desordenadas de la vida corporativa.
La segunda razón: desde la perspectiva de la compañía, el talento es raro y proteger a los científicos de datos del caos del trabajo diario simplemente tiene sentido. Pero hacerlo aumenta la distancia entre los científicos de datos y los problemas y oportunidades más importantes de la compañía. Exacerbando esto, para muchas organizaciones, los científicos de datos son nuevos y desconocidos, y las compañías aún están aprendiendo cómo administrarlas. Es tentador incluir la ciencia de los datos en su organización existente y esperar lo mejor.
Entonces, ¿qué deben hacer los gerentes para obtener más de sus programas de ciencia de datos?
Primero, aclare los objetivos de su negocio y mida el progreso hacia ellos. Si bien la ciencia de los datos requiere una inversión inicial, debe esperar resultados reales, en términos de ahorro de costos, nuevos ingresos, mejor satisfacción del cliente o reducción de riesgos, dentro de un par de años. Por obvio que parezca, las implicaciones son profundas. Para la mayoría, significa reconocer que no está listo para las tecnologías exageradas, como el aprendizaje automático, y centrarse primero en oportunidades más básicas, como controlar los procesos operativos, mejorar la calidad de los datos y desarrollar una comprensión más profunda de los clientes.
En segundo lugar, contrate a los científicos de datos que mejor se adapten a los problemas que enfrenta y sumérjalos en el trabajo diario de su organización. La competencia técnica importa, por supuesto. Pero también debe buscar contratar a aquellos que sienten curiosidad por su negocio y les apasiona ayudarlo a mejorarlo. Luego, asegúrese de que estén completamente conectados con las partes interesadas importantes y el trabajo en bruto. Cuidado con la creación de silos de científicos de datos. En su lugar, considere integrarlos en los departamentos que apoyan.
Tercero, exija que los científicos de datos se responsabilicen de su trabajo. No puedo insistir demasiado en la importancia del trabajo de análisis previo, en particular, comprender el problema. Sin una declaración de problemas claramente articulada, el trabajo resultante es solo una expedición de pesca. La clasificación de la declaración del problema puede ser complicada por agendas en conflicto, miedo y pensamientos confusos sobre las partes de quienes son dueños del problema. Se necesita habilidad y paciencia, especialmente para los nuevos científicos de datos, que están ansiosos por mostrar lo que pueden hacer. Los veteranos saben mejor. Un problema claramente establecido puede atravesar la bruma política, y sugiere soluciones más simples y poderosas que tal vez ni siquiera requieran ciencia de datos. En mi trabajo como asesor con empresas, a menudo encuentro que más de la mitad del valor que agrego está en ayudarles a entender sus problemas reales.
El trabajo posterior al análisis es igualmente crítico, ya que las perspectivas y los algoritmos deben hacer frente a los rigores del mundo real. Lo que más preocupa son los problemas políticos aparentemente menores, que ponen a prueba de nuevo la paciencia de los científicos de datos jóvenes sin experiencia. Más científicos de datos de alto nivel saben que la política también puede trabajar a su favor, y hacen tiempo para involucrar a todos los afectados por su trabajo.
Finalmente, insista en que los científicos de datos enseñen a otros, tanto dentro de sus departamentos como a través de la compañía. Todos se benefician cuando usan un poco más de ciencia de datos en sus trabajos, pero la mayoría de las personas no tienen las habilidades necesarias. La capacitación bien colocada y un poco de aliento pueden ayudar mucho a las personas a completar proyectos simples. Sus científicos de datos están en una posición única para impartir esa capacitación y capacitar a las personas a lo largo. Esto también ayudará a los científicos de datos a aprender el negocio.
La confianza es un hilo común en todas estas recomendaciones, y los gerentes deben insistir en que los científicos de datos trabajen para ganarse esa confianza. Y deben darles una oportunidad justa de hacerlo.
Para ilustrar estos cuatro puntos, considere a un científico de datos, que fue empleado por una nueva división dentro de una empresa de alta tecnología y que tenía la tarea de planificar la capacidad de la red de su división (yo me desempeñé como su asesor informal). La planificación de la red es notoriamente compleja. Una red que funciona "casi todo el tiempo" significa retrasos durante los momentos de mayor demanda, lo que enoja a los clientes, amenaza los acuerdos de nivel de servicio y daña la reputación. Pero los costos de mejorar el rendimiento durante las horas pico pueden crecer a un ritmo espantoso. Por lo tanto, es esencial que los líderes empresariales entiendan las compensaciones.
Este científico de datos introdujo las compensaciones a los líderes sénior de la división de esta manera: “Primero, tenemos que decidir qué tipo de red queremos. En términos generales, podemos tener una 'red de osos de papá', 'una red de osos de mamá' o una 'red de osos de bebés'. Y, a grandes rasgos, aquí están las implicaciones de cada uno ". de nuevas formas, y les ayudó a comprender por qué necesitaban entender los gráficos de "costo en función de la disponibilidad". Inmediatamente se ganó una medida de confianza de los líderes superiores. A su vez, como participante de pleno derecho en las discusiones, desarrolló una apreciación más profunda de la compañía, su plan a largo plazo, la posición deseada en el mercado y los valores.
Es fácil ver la iniciativa tomada por este científico de datos. De hecho, recomiendo que otros sigan su ejemplo. Tenga en cuenta, también, que esta división lo contrató tanto por su capacidad para trabajar con otros, su entusiasmo por aprender la cultura, y su voluntad de participar plenamente en los problemas difíciles tanto como lo hicieron por sus habilidades técnicas. Y que sus jefes lo ayudaron a hacerlo.
La ciencia de datos es un deporte de equipo, pero no es un juego. Los gerentes deben dejar en claro que el objetivo es mejorar el negocio y deben contratar a aquellos que puedan ayudarlos a hacerlo. Deben hacer todo lo posible para integrar a los científicos de datos en sus equipos e insistir en que los científicos de datos contribuyan de todas las formas posibles, antes, durante y después del trabajo técnico.
Thomas C. Redman, "The Data Doc", es presidente de Data Quality Solutions. Ayuda a empresas y personas, incluidas empresas de nueva creación, multinacionales, ejecutivos y líderes en todos los niveles, a orientar sus cursos a futuros basados en datos. Pone especial énfasis en la calidad, el análisis y las capacidades organizativas.
Datos
Harvard Business Review
La ciencia de datos, ampliamente definida, ha existido durante mucho tiempo. Pero las tasas de fracaso de los proyectos de big data en general y los proyectos de inteligencia artificial en particular siguen siendo alarmantemente altos. Y a pesar de la exageración (por ejemplo, "los datos son el nuevo petróleo"), las empresas aún tienen que citar las contribuciones de la ciencia de los datos a sus resultados finales. Que esta pasando?
Recientemente, Ron Kenett, el distinguido científico de datos con base en Israel, y yo comparamos las notas sobre nuestros propios éxitos y fracasos, y los de nuestros colegas, para ayudar a las empresas con la ciencia de datos. De inmediato quedó claro que los mayores éxitos no se debían simplemente a la excelencia técnica, sino también a factores más suaves, como una comprensión profunda de los problemas empresariales; construir la confianza de quienes toman las decisiones; explicando los resultados de manera simple y poderosa; y trabajar pacientemente para abordar docenas de preocupaciones entre los afectados. Por el contrario, el excelente trabajo técnico murió en la vid cuando no pudimos conectarnos con las personas adecuadas, en el momento adecuado o de la manera correcta.
En muchas empresas, los científicos de datos no están realizando una cantidad suficiente de este trabajo más suave, sino más difícil. Dos razones subyacentes contribuyen. Primero, muchos científicos de datos están mucho más interesados en realizar sus trabajos, es decir, en encontrar datos interesantes escondidos en datos, que en resolver problemas de negocios. En algunos aspectos, esto es natural. Después de todo, se les enseña un enfoque estrecho sobre los datos y las herramientas necesarias para explorarlos, y al hacerlo, les ayuda a obtener el reconocimiento de sus compañeros. Además, aplicar técnicas avanzadas es más divertido que lidiar con las realidades desordenadas de la vida corporativa.
La segunda razón: desde la perspectiva de la compañía, el talento es raro y proteger a los científicos de datos del caos del trabajo diario simplemente tiene sentido. Pero hacerlo aumenta la distancia entre los científicos de datos y los problemas y oportunidades más importantes de la compañía. Exacerbando esto, para muchas organizaciones, los científicos de datos son nuevos y desconocidos, y las compañías aún están aprendiendo cómo administrarlas. Es tentador incluir la ciencia de los datos en su organización existente y esperar lo mejor.
Entonces, ¿qué deben hacer los gerentes para obtener más de sus programas de ciencia de datos?
Primero, aclare los objetivos de su negocio y mida el progreso hacia ellos. Si bien la ciencia de los datos requiere una inversión inicial, debe esperar resultados reales, en términos de ahorro de costos, nuevos ingresos, mejor satisfacción del cliente o reducción de riesgos, dentro de un par de años. Por obvio que parezca, las implicaciones son profundas. Para la mayoría, significa reconocer que no está listo para las tecnologías exageradas, como el aprendizaje automático, y centrarse primero en oportunidades más básicas, como controlar los procesos operativos, mejorar la calidad de los datos y desarrollar una comprensión más profunda de los clientes.
En segundo lugar, contrate a los científicos de datos que mejor se adapten a los problemas que enfrenta y sumérjalos en el trabajo diario de su organización. La competencia técnica importa, por supuesto. Pero también debe buscar contratar a aquellos que sienten curiosidad por su negocio y les apasiona ayudarlo a mejorarlo. Luego, asegúrese de que estén completamente conectados con las partes interesadas importantes y el trabajo en bruto. Cuidado con la creación de silos de científicos de datos. En su lugar, considere integrarlos en los departamentos que apoyan.
Tercero, exija que los científicos de datos se responsabilicen de su trabajo. No puedo insistir demasiado en la importancia del trabajo de análisis previo, en particular, comprender el problema. Sin una declaración de problemas claramente articulada, el trabajo resultante es solo una expedición de pesca. La clasificación de la declaración del problema puede ser complicada por agendas en conflicto, miedo y pensamientos confusos sobre las partes de quienes son dueños del problema. Se necesita habilidad y paciencia, especialmente para los nuevos científicos de datos, que están ansiosos por mostrar lo que pueden hacer. Los veteranos saben mejor. Un problema claramente establecido puede atravesar la bruma política, y sugiere soluciones más simples y poderosas que tal vez ni siquiera requieran ciencia de datos. En mi trabajo como asesor con empresas, a menudo encuentro que más de la mitad del valor que agrego está en ayudarles a entender sus problemas reales.
El trabajo posterior al análisis es igualmente crítico, ya que las perspectivas y los algoritmos deben hacer frente a los rigores del mundo real. Lo que más preocupa son los problemas políticos aparentemente menores, que ponen a prueba de nuevo la paciencia de los científicos de datos jóvenes sin experiencia. Más científicos de datos de alto nivel saben que la política también puede trabajar a su favor, y hacen tiempo para involucrar a todos los afectados por su trabajo.
Finalmente, insista en que los científicos de datos enseñen a otros, tanto dentro de sus departamentos como a través de la compañía. Todos se benefician cuando usan un poco más de ciencia de datos en sus trabajos, pero la mayoría de las personas no tienen las habilidades necesarias. La capacitación bien colocada y un poco de aliento pueden ayudar mucho a las personas a completar proyectos simples. Sus científicos de datos están en una posición única para impartir esa capacitación y capacitar a las personas a lo largo. Esto también ayudará a los científicos de datos a aprender el negocio.
La confianza es un hilo común en todas estas recomendaciones, y los gerentes deben insistir en que los científicos de datos trabajen para ganarse esa confianza. Y deben darles una oportunidad justa de hacerlo.
Para ilustrar estos cuatro puntos, considere a un científico de datos, que fue empleado por una nueva división dentro de una empresa de alta tecnología y que tenía la tarea de planificar la capacidad de la red de su división (yo me desempeñé como su asesor informal). La planificación de la red es notoriamente compleja. Una red que funciona "casi todo el tiempo" significa retrasos durante los momentos de mayor demanda, lo que enoja a los clientes, amenaza los acuerdos de nivel de servicio y daña la reputación. Pero los costos de mejorar el rendimiento durante las horas pico pueden crecer a un ritmo espantoso. Por lo tanto, es esencial que los líderes empresariales entiendan las compensaciones.
Este científico de datos introdujo las compensaciones a los líderes sénior de la división de esta manera: “Primero, tenemos que decidir qué tipo de red queremos. En términos generales, podemos tener una 'red de osos de papá', 'una red de osos de mamá' o una 'red de osos de bebés'. Y, a grandes rasgos, aquí están las implicaciones de cada uno ". de nuevas formas, y les ayudó a comprender por qué necesitaban entender los gráficos de "costo en función de la disponibilidad". Inmediatamente se ganó una medida de confianza de los líderes superiores. A su vez, como participante de pleno derecho en las discusiones, desarrolló una apreciación más profunda de la compañía, su plan a largo plazo, la posición deseada en el mercado y los valores.
Es fácil ver la iniciativa tomada por este científico de datos. De hecho, recomiendo que otros sigan su ejemplo. Tenga en cuenta, también, que esta división lo contrató tanto por su capacidad para trabajar con otros, su entusiasmo por aprender la cultura, y su voluntad de participar plenamente en los problemas difíciles tanto como lo hicieron por sus habilidades técnicas. Y que sus jefes lo ayudaron a hacerlo.
La ciencia de datos es un deporte de equipo, pero no es un juego. Los gerentes deben dejar en claro que el objetivo es mejorar el negocio y deben contratar a aquellos que puedan ayudarlos a hacerlo. Deben hacer todo lo posible para integrar a los científicos de datos en sus equipos e insistir en que los científicos de datos contribuyan de todas las formas posibles, antes, durante y después del trabajo técnico.
Thomas C. Redman, "The Data Doc", es presidente de Data Quality Solutions. Ayuda a empresas y personas, incluidas empresas de nueva creación, multinacionales, ejecutivos y líderes en todos los niveles, a orientar sus cursos a futuros basados en datos. Pone especial énfasis en la calidad, el análisis y las capacidades organizativas.
No hay comentarios:
Publicar un comentario