¿OTRA VEZ CON BIG DATA Y DATA SCIENCE?

Transformación digital, Big Data y Data Science, decisiones estratégicas basadas en datos, etc. Los relatos de nuestro tiempo tienen cambios apreciables. El potencial del análisis inteligente de los datos para mejorar como sociedad está generando toda clase de lecturas. Es importante introducir alguna consideración sobre la construcción de la imagen profesional que simboliza como ninguna los tiempos actuales. ¿Otra vez con Big Data y Data Science?

¿Exactamente para qué nos sirve la tecnología? ¿Es tan absolutamente necesario que cambie tan rápido? La respuesta a estos interrogantes va a depender de a quién se le pregunte. Para muchos científicos de datos y expertos y especialistas en Big Data, la apuesta tecnológica sirve para dar una mayor seguridad a los procesos productivos.

Es el sueño de la rapidez, de la eficiencia en el manejo de los recursos, de la eliminación de errores con origen humano, etc. Se trata de que la ejecución de los procesos sea flexible, más adaptable y operativa. La razón por la que esas condiciones se asocian con la seguridad se debe a que vivimos tiempos de incertidumbre, donde es imprescindible cambiar rápido y sin grandes traumatismos para la estructura.

En efecto, eficiencia y seguridad son cuestiones que hoy corren paralelas. A partir de aquí, los estudios parecen coincidir en que lo mejor es basar las decisiones estratégicas en el estudio de los datos a nuestro alcance.

Por supuesto, no hace falta tener talento con los números para saber lo anterior. Así que la cuestión tiene cierto retorno: ¿Un análisis de los datos de qué clase? Ahí es donde cambia todo. Hemos hablado hasta la saciedad de uno de los grandes fenómenos que marcan nuestra época: la transformación digital.

La transformación digital está asociada a un crecimiento en el flujo de datos jamás visto. Hasta el punto de desencadenar grandes cambios en las culturas organizacionales. Las empresas están ya inmersas en cambios donde la Inteligencia Artificial, el Internet de las cosas, Big Data, etc. se convierten en variables a considerar.

El escenario actual es descrito con una terminología que, sin ser del todo nueva, va redefiniéndose día a día. Los relatos corporativos están girando sobre decisiones y estrategias basadas en datos, economías y modelos productivos apoyados en información, etc. Ahora bien, literalmente nos referimos a los paradigmas tecnológicos que están permitiendo una etapa nueva de innovaciones en el comercio, los transportes, la agricultura o las finanzas.

Uno de los aspectos que más notorios en el ámbito del conocimiento a través del Big Data y el Data Science es que, efectivamente, sirven para aumentar la riqueza de las empresas, pero también resultan útiles para mejorar la calidad de vida o hacer al mundo más habitable (el principal ejemplo está en la lucha contra el cambio climático).

Big Data y Data Science son conceptos íntimamente unidos a la idea aceptada sobre desarrollo sostenible. Son muchos los que se asoman a las promesas hechas por el análisis inteligente de los datos y ven ciudades inteligentes, campos de cultivo inteligentes, donde la movilidad tiene cero emisiones, donde la electricidad no es desperdiciada y las técnicas de reciclaje están continuamente optimizadas.

Así, tenemos el surgimiento de una industria nova, alrededor de los datos, que le interesa a empresas y Administraciones, pero también a las organizaciones ciudadanas. Respecto al interés ciudadano tenemos un ejemplo de relevancia en los modelos predictivos que se han construido en torno a la evolución de virus en situaciones de emergencia sanitaria. Esto puede permitir un nivel de preparación a las Administraciones que, sencillamente, salva vidas.

PROFESIONAL EN BIG DATA Y DATA SCIENCE, CONSIDERACIONES

A partir de los elementos anteriores, cualquier observador enfocado al mercado laboral se hará múltiples preguntas, dado que un perfil profesional en Big Data y Data Science (por la consideración estratégica del “sector del análisis de datos”) tiene ciertas características. En este sentido, podemos decir que el análisis de datos es una competencia profesional extraordinariamente demandada, pero a la hora de enfrentar todos los aspectos involucrados en un proyecto de esta área del saber las diferencias no tardarán en saltar a la vista.

Los retos actuales son mayúsculos (en Administración, comercio, transportes, banca, cambio climático, etc.), por lo tanto, los profesionales deben ser “mayúsculos” (no suelen bastar las herramientas adquiridas en formaciones breves o sin calidad de contenido).

Como en todas las disciplinas, el prestigio y seriedad de quien imparte cobra su peso. Pero también el valor curricular concreto. La solidez de unas credenciales académicas también se relacionan con la calidad y profundidad de los contenidos recibidos. Sin olvidar el componente práctico, ¿hasta qué punto conectaron con las necesidades reales del aparato productivo?

Al hilo de lo anterior, no debe olvidarse el enfoque. Hablar de necesidades reales de la producción puede sonar demasiado genérico. Sin embargo, si nos referimos a valores curriculares enfocados al análisis de datos la perspectiva y las posibilidades se amplían de forma espectacular. Por último, hay otro factor muy relacionado con lo comentado más arriba (los aportes potenciales del Big Data y el Data Science a la economía y la sociedad).

¿Por qué hemos de suponer que las nombradas mejores credenciales académicas, para desempeñarse con propiedad en análisis de datos, es algo que cuesta una auténtica fortuna y está destinado a una élite de matemáticos, estadísticos o ingenieros informáticos? Al contrario, precisamente por los beneficios y aportes del análisis de datos en los grandes retos del momento, la mejor formación será también aquella cuyas formulaciones pedagógicas pueden ser superables por un profesional llegado desde el Derecho, la Psicología, la Sociología, etc.