Big Data y talento humano

Cuando arribamos a épocas donde se observan cambios en la base productiva, automáticamente entramos en exigencias nuevas dirigidas al factor humano.  Ante la realidad de la acumulación de grandes volúmenes de datos, aparecen renovadas presiones a todo aquello que entendemos por talento humano.

Una “materia” bruta relativamente novedosa demanda mejores y más diversas habilidades y herramientas para convertirla en un activo real. En tiempos recientes esto se experimenta como “nuevas salidas profesionales”. En el universo del Big Data no es distinto.

Con la implantación y aceptación de todos los análisis que consideran al procesamiento de información (en sí mismo) como riqueza y estrategia, se estructura también la imagen de un profesional “ideal” que pueda responder a todos los retos asociados.

El nuevoDocumento AECA (nº13), presentado en días pasados en la Facultad de Ciencias Económicas y Empresariales de la UNED, argumenta que son “varias la denominaciones de puestos de trabajo relacionados con BD: Analista de negocio, Analista de datos, Ingeniero de datos, Científico de datos, etc.”.

Dicho sea de paso que la AECA y la UNED (vanguardia en la formación online dentro de las universidades públicas españolas) colaboran en una de las principales formaciones superiores del momento en este ámbito: el Programa Modular de Experto, Especialista y Máster en Big Data y Data Science Aplicados a Economía y Administración y Dirección de Empresas.

Lo que es importante destacar nuevamente es que todo proceso productivo genera datos, éstos se acumulan y convierten en algo susceptible de explotación en beneficio para la empresa o la organización. Por supuesto, la demanda de profesionales no empieza siendo general, sino que se irradia desde el mundo de las consultoras tecnológicas de tamaño medio y embarcadas en proyectos de distinta potencia pero con buena proyección futura.

Los ámbitos desde donde comienza la actual demanda de profesionales en Big Data y Data Science son la industria, administraciones públicas, seguros, telecomunicaciones, turismo, marketing, servicios sanitarios y financiero. Se tiende a buscar un perfil trasversal y con algo de experiencia. Tal vez pueda subrayarse que la oferta de puestos de trabajo tiene cierto acento en la cuestión de las aplicaciones: interesa mucho un científico de los datos con conocimientos de economía, estructura empresarial e incluso con saberes que vienen de la Sociología y otras ciencias sociales. Aunque, como es de esperar, las formaciones base más presentes en el Big Data son las ingenierías de telecomunicaciones, informática, estadística, etc.

Podría decirse que el problema central es el análisis empresarial y las exigencias de conocimiento que éste impone en un mundo donde ninguna información está desconectada del todo general. Un gran proyecto en Big Data tenderá a apoyarse en un equipo multidisciplinar. Es decir, en realidad ninguna fuente de datos es exclusivamente matemática, financiera, sociológica o de marketing. Todo implica a varias ópticas para poder obtener las conclusiones adecuadas (conviene recordar el paradigma del Pensamiento Complejo).

A día de hoy, la noción de talento humano es inseparable de lo que entendemos como una visión integral y multidisciplinar; probablemente entre los perfiles con mayor necesidad de tal visión veamos al científico de datos.

Tenemos un ejemplo importante de ese escenario en la necesidad de incorporar al análisis empresarial (económico, financiero, etc.) fuentes de información no financiera, aspecto también abordado en el último Documento AECA .

Un proyecto en Big Data podría requerir fuentes de información no financiera (para ser combinados con datos de naturaleza cuantitativa), uno de los casos interesantes que nombra el Documento es el “indicador de sostenibilidad complejo formulado como cociente entre ventas y emisiones contaminantes”.

En este ejemplo se explica cómo ese indicador es el ensamblaje de un dato (expresado en euros y aportado por la Comisión Nacional del Mercado de Valores) con otro desgranado desde la normativa del Carbon Disclosure Projet (CDP), expresado, entre otras magnitudes, en toneladas de CO2. Una de las cosas más importantes es que la información resultante, el indicador, puede desglosarse en una línea de tiempo; lo que nos permitiría estudiar si una compañía puede ampliar el primer dato (éxito financiero) sin alterar e incluso reduciendo el segundo dato (emisiones contaminantes).

Estrategias para desvincular éxito empresarial y contaminación es uno de esos desafíos clave de nuestro momento histórico, para el que necesitamos habilidades varias (visión integral y multidisciplinar) y donde la estructura productiva no puede prescindir de un plan sólido en analística de datos.

El talento humano ahora también tiene que hablar el lenguaje de los datos.