Doxa 1763

4 Habilidades que la próxima generación de científicos de datos necesita desarrollar

Por Joel Shapiro

Tecnología y Análisis

Harvard Business Review

#Doxa #tecnología #generación #científico #datos #industria #agricultura #manufactura #médica #financieros #servicios #líderes #roles #estrategia #aprender

Resumen. A medida que la dependencia de los datos y el análisis continúa expandiéndose en industrias que van desde la agricultura hasta la manufactura, pasando por la atención médica y los servicios financieros, es lógico que la próxima generación de líderes de datos tenga roles de gran alcance que impacten la estrategia, la toma de decisiones, las operaciones y otras innumerables funciones.

Una vez al año, enseño un curso a aspirantes a científicos de datos. Al comienzo de la primera clase, les pregunto a mis alumnos qué esperan aprender. A menudo, sus respuestas son “ analizar datos ” o “ construir buenos modelos. ” Compare esas respuestas a los talleres que realizo con científicos de datos en práctica que hablan en diferentes términos cuando discuten lo que hacen. Lo llaman “ problemas de resolución ” — un paso en la dirección correcta — pero incluso eso es demasiado estrecho.

A medida que la dependencia de datos y análisis continúa expandiéndose a través de las industrias desde agricultura a fabricación, cuidado de la salud a servicios financieros, es lógico que la próxima generación de líderes de datos tenga roles de gran alcance que impacten la estrategia, la toma de decisiones, las operaciones y muchas otras funciones. Para ayudar a preparar este nuevo talento, He desarrollado un marco compuesto por cuatro áreas clave de habilidades y capacidades que ayudarán a los científicos de datos actuales y futuros a perfeccionar sus habilidades para agregar el máximo valor a una empresa. Esto se hace asegurando que el trabajo de ciencia de datos sea visto como importante e indispensable por sus contrapartes de función comercial.

Usando este marco, y con una mayor comprensión de lo que implica cada área de negocios, Los científicos de datos de hoy y aquellos que ingresan a este campo pueden ver cómo se acumulan sus conocimientos y experiencias — y dónde necesitan más desarrollo.

1). Problema de detección: ver el problema real

A medida que profundizan en el análisis en todo el negocio, los líderes de datos tienen un asiento de primera fila para casi todas las operaciones y funciones. Esto les proporciona un punto de vista único tanto para resolver problemas como para identificar otros nuevos. Aquí hay un ejemplo del mundo real. El jefe de relaciones con los huéspedes de una cadena hotelera de rango medio estaba recibiendo críticas de la alta gerencia por las bajas calificaciones en su proceso de check-in. Las encuestas revelaron que los invitados pensaron que el check-in estaba mal administrado, tomó demasiado tiempo y no proporcionó los resultados que querían — específicamente, una experiencia fluida y placentera. La gerencia también descubrió que las personas que calificaron mal el check-in tenían una tasa más baja de regreso al hotel.

El departamento de relaciones con los huéspedes contactó al equipo de análisis de datos para descubrir la raíz del problema del check-in. Incluso cuando miraban la demografía de los clientes, el tipo de habitaciones que querían y si se registraban en la recepción, en un quiosco, o en su teléfono — más la hora del día, la hora del año y si los clientes estaban en el programa de fidelización —, el equipo de datos no pudo señalar la causa subyacente.

Luego, un empleado sugirió que analizaran las encuestas de clientes que se habían recopilado de forma continua. Algunos análisis de texto en lenguaje natural analizaron algunos temas —, a saber, la infraestructura del hotel no era óptima. Los huéspedes tendrían problemas con el Wi-Fi, las llaves de la habitación ocasionalmente no funcionarían, los muebles estaban rotos o las habitaciones no estaban limpias cuando llegaron. Estos problemas no estaban directamente relacionados con el check-in, pero los invitados los atribuyeron al proceso de check-in porque eso era lo que recordaban. En pocas palabras —, el problema era cómo se gestionaba el hotel, no el proceso de check-in.

La comida para llevar: Resolver el problema que está frente a usted puede significar perder oportunidades para ayudar a la empresa a mejorar de otras maneras. Aquellos que trabajan con datos a menudo tienen acceso a ideas profundas y únicas sobre numerosos aspectos del negocio. Para ser expertos en la detección de problemas, los líderes de datos deben adoptar esa visión general y obtener ideas más profundas, con mayor transparencia sobre lo que más le importa a los líderes empresariales. De esta manera, los líderes de datos pueden agregar valor identificando problemas que de otro modo escaparían del aviso.

2). Problema de alcance: ganando claridad y especificidad

Una vez que se ha detectado un problema, el siguiente paso es determinar su alcance —, es decir, obtener claridad sobre la naturaleza del problema y cómo los análisis pueden ayudar a resolverlo. Esto es especialmente importante si un líder empresarial se ha acercado al equipo de datos con una vaga preocupación o desafío.

En mis clases y mis talleres, practicamos el alcance con un ejercicio. Asumo el papel de un producto o estrategia o líder de marketing con un problema bien definido en mi cabeza. Por ejemplo, tal vez administro clientes, y queremos poder identificar qué clientes corren el riesgo de dar calificaciones bajas de promotor neto ( NPS ) para que podamos intervenir y mejorar su experiencia. Cualquier científico de datos razonable sabría cómo seleccionar los datos correctos y las técnicas de ciencia de datos para resolver este problema. Pero los líderes empresariales rara vez hablan así. Y entonces, analizo el problema usando jerga exagerada y términos demasiado generales. Es algo como esto: “ Estamos luchando por alcanzar los objetivos sat de nuestros clientes —, debemos concentrarnos en nuestras estrategias de lanzamiento al mercado. Podría ser un problema de tubería, pero simplemente no tenemos alineación.Creo que estamos jugando en los cajones de arena correctos, ahora solo necesitamos saber quién y por qué. ¿Suena bien? ”

Un estudiante, en el papel del científico de datos, practica haciendo preguntas aclaratorias — quizás comenzando con, “ ¿Qué quiere decir con ‘ alineación? ’ ” y “ ¿Cómo estamos midiendo los objetivos sat del cliente? ” y “ ¿Qué medidas indican que hemos tenido éxito ( o no )? ” Lo que sigue es un proceso iterativo de extracción de información para ayudar a crear un problema bien definido que pueda resolverse con herramientas y conceptos analíticos de datos.

En mi director de análisis trabajo con clientes, Una de las partes más importantes ( y desafiantes ) de mi trabajo es tomar lo que está en la cabeza de un líder empresarial y convertirlo en un problema comercial bien definido. Tengo una lista de verificación de preguntas de sondeo que hago, como:

• ¿Cuál es, precisamente, el problema que estamos tratando de resolver?
• ¿Qué resultados, si se mejoran, indicarían que el problema realmente se ha resuelto?
• ¿Qué datos estarían disponibles idealmente para resolver el problema y qué datos están realmente disponibles?
• ¿Cómo conducirá el análisis a una solución?

Responder a la última pregunta es posiblemente la parte más importante, ya que determinará la técnica analítica apropiada —, por ejemplo, algunas ideas simples o un modelo de inferencia predictiva o causal más formal. Aquí, corro muchos escenarios “ qué pasa si ” con el equipo de negocios; por ejemplo, “ ¿Qué pasa si los resultados muestran esto o aquello? ¿Cómo te ayudará eso a tomar una mejor decisión? ” A menudo, los líderes empresariales intentan hacer caso omiso de esta pregunta, lo que sugiere que podemos considerar acciones una vez que haya resultados analíticos disponibles. Eso es un error — saber cómo se traducirá el análisis en una solución es una parte clave de la formulación del plan analítico.

La comida para llevar: Para sobresalir en la resolución de problemas, Los líderes de datos necesitan buenas habilidades de comunicación para hablar sobre el problema con el líder empresarial para llegar a la especificidad necesaria que permitirá que las herramientas y conceptos de análisis de datos contribuyan significativamente al negocio. Solo entonces se puede entregar el problema al equipo de datos para su análisis.

3). Pastor del problema: obtener actualizaciones, recopilar comentarios

Una vez que se identifica y elimina el problema, muchos analistas de datos entran en aislamiento y solo surgen cuando han encontrado una solución. Este enfoque es muy problemático. Para ser más efectivo, el proceso requiere una gran cantidad de intercambio de información y establecimiento de expectativas — o lo que yo llamo pastoreo problemático.

Para los líderes de datos, esto significa empoderar a su equipo para que se sienta más cómodo con la provisión preliminar resultados para el equipo empresarial. Cada intercambio se convierte en una oportunidad para recopilar comentarios. Por ejemplo, “ ¿Son estos resultados iniciales de interés para el equipo empresarial? ” y “ ¿Estamos definiendo los términos correctamente? ” De una actualización a la siguiente, los resultados se unen con actualizaciones secuenciales hasta que se concluya el proyecto.

Este enfoque va en contra de cómo algunos científicos de datos prefieren trabajar. A veces se enamoran de sus modelos y sus técnicas creativas de resolución de problemas, y no pueden esperar la gran revelación. Pero “ grandes revelaciones ” son una mala práctica — en peligro de contraataque. Demasiada sorpresa en una presentación final puede poner a la audiencia a la defensiva. ¿La razón? Los resultados sorprendentes a menudo incitan a las personas a comenzar a cuestionar los datos y métodos subyacentes.

Cada modelo de datos requiere suposiciones (, por ejemplo, qué hacer con los datos faltantes, cómo tratar los valores atípicos, etc. ). Si los equipos de datos que trabajan activamente en análisis no revelan y discuten sus suposiciones con anticipación — y, en cambio, espere hasta el final — el equipo de negocios va a acumular preguntas y criticar las debilidades. Sin embargo, al incorporar al equipo empresarial a la toma de decisiones en el camino, comprarán los resultados y comprometerán su confianza.

Muchos líderes empresariales han compartido conmigo que los mejores entregables de datos finales son aquellos en los que no hay sorpresas. Han estado trabajando estrechamente con el equipo de datos todo el tiempo, y la entrega o presentación final es simplemente la culminación de su trabajo hasta la fecha. Así es como el pastoreo de problemas se compra a través de la colaboración, exponiendo las difíciles decisiones que los científicos de datos deben tomar.

La comida para llevar: El prospecto de problemas establece un proceso para proporcionar actualizaciones periódicas y recopilar comentarios del equipo empresarial. Los científicos de datos y los líderes de equipo que son fuertes en esta área pueden alentar y facilitar discusiones sinceras que garanticen que la entrega final llegue a la marca con el equipo empresarial — sin sorpresas.

4). Traducción de soluciones: hablar en el idioma de la audiencia

En este punto, hacemos la transición del problema a la solución, cuyo éxito depende de qué tan bien los líderes de datos y sus equipos hayan ejecutado en los primeros tres pasos. Más que determinar una respuesta final, el equipo de datos también debe ofrecer una solución que sea comprensible y, por lo tanto, procesable.

No se trata solo de poner los datos en un gráfico u otra pantalla visual. Más bien, la solución — ya sea información de datos o un nuevo curso de acción recomendado por el modelo — debe transmitirse en un lenguaje que el equipo empresarial pueda entender. Una herramienta que he recomendado es la memo de análisis de datos de dos páginas, que destaca los elementos más importantes del problema a resolver. Si bien dos páginas pueden parecer muy condensadas, especialmente en comparación con los informes contundentes que los equipos de datos a menudo generan, la brevedad es el poder detrás de esta arma secreta.

El límite de dos páginas puede evitar la tentación de seguir y seguir sobre los detalles del análisis de datos y alentar el enfoque en las recomendaciones que se están haciendo y la evidencia para ellos. Ciertamente no estoy solo en abogar por memorandos más cortos. El fundador de Amazon, Jeff Bezos, exigió a los ejecutivos que presentaran sus ideas en notas de seis páginas ( versus una presentación de PowerPoint ) que podría digerirse y discutirse fácilmente.

La comida para llevar: La traducción de soluciones requiere que los líderes de datos retrocedan y consideren cómo tener el mayor impacto con sus análisis y recomendaciones. Al usar un lenguaje simple, sin comprometer la complejidad, los líderes de datos que sobresalen en esta área pueden ofrecer el equivalente de un discurso de ascensor para involucrar a los líderes empresariales con soluciones convincentes y comprensibles.

A medida que los datos y los análisis se integran cada vez más en la toma de decisiones y soluciones comerciales, los equipos de datos deben ir más allá de simplemente resolver los problemas que se les han asignado. Los líderes de datos y sus equipos deben centrarse en los términos “ colaboración y comunicación. ” Esto significa volverse más expertos en roles más amplios que los ayudan a detectar el problema real, determinar su naturaleza e importancia, guiar el proceso con actualizaciones periódicas, y entregar y traducir soluciones que realmente tendrán un impacto.

Leer más en Tecnología y análisis o temas relacionados AI y aprendizaje automático, Algoritmos, Análisis y ciencia de datos., Gestión de datos, Informática empresarial y Gestión de la información

Joel Shapiro es profesor clínico asociado en el Kellogg School of Management en la Universidad Northwestern y director académico de Educación Ejecutiva.