TECNOLOGÍA Y TRABAJO

Cómo evitar expectativas poco realistas del proyecto de ciencia de datos: 8 consejos

Las organizaciones de todas las industrias están recopilando más datos que nunca y esperan que los científicos y analistas de datos recopilen información que les ayudará a mejorar su negocio. Sin embargo, con todo el alboroto que rodea a los grandes datos, las expectativas de los proyectos de ciencia de datos pueden salirse de control fácilmente.

«Las empresas están muy emocionadas de que los datos resuelvan todos los problemas que encuentran», dijo Andrea Danyluk, profesora de ciencias de la computación en Williams College y copresidenta del Grupo de Trabajo de Ciencias de Datos de la Asociación de Maquinaria de Computación. «Es probable que los datos y la ciencia de datos resuelvan muchos de sus problemas y hagan avanzar su negocio. Pero con cada proyecto que realice, debe sentarse y pensar detenidamente sobre los datos específicos que está recopilando y lo que eso significa el impacto potencial».

Ver también: Descripción del trabajo: Científico de datos (Tech Pro Research)

Cobertura de Big Data de lectura obligada

Eso significa, por ejemplo, considerar posibles sesgos en los datos mismos y cómo esos sesgos pueden afectar el avance de su negocio, dice Danyluk.

Al final del día, «la ciencia de datos no es una panacea», dijo Dave McCarthy, vicepresidente del proveedor de Internet de las cosas (IoT) Bsquare. «En cambio, es un análisis matemático continuo y muy avanzado de conjuntos de datos muy grandes para encontrar información única y procesable».

LEER  Nueve cursos asequibles para mejorar tus habilidades en la era digital

Aquí hay ocho consejos sobre cómo su organización puede evitar establecer expectativas poco realistas para los proyectos de ciencia de datos.

1. Comience poco a poco

Comience con un proyecto pequeño y de bajo riesgo, dice Meta S. Brown, consultora de análisis empresarial y autora de Data Mining for Dummies. Esto significa algo que no le preocupa demasiado en este momento, pero que tiene buenas posibilidades de éxito.

«Una de las cosas más comunes que la mayoría de las organizaciones realmente no hacen es probar algo en un correo electrónico», dijo Brown. Por ejemplo, la mayoría de los proveedores de boletines por correo electrónico ofrecen la posibilidad de probar versiones alternativas del correo electrónico. Puede comenzar a probar sus líneas de asunto para ver cuáles generan más aperturas y clics.

«Es el riesgo más bajo posible: no tiene nada que perder y no tiene que gastar dinero porque sus proveedores ya brindan las capacidades técnicas», dijo Brown. «Es posible que descubras que, oye, esta línea de asunto funciona mejor que esa. Es un gran ejemplo de dónde puedes hacer algo y puedes comenzar a mostrar valor».

Ver también: Política de Big Data (Tech Pro Research)

2. Crear un plan y proceso de análisis

Las organizaciones necesitan un proceso analítico, dijo Brown. “Cuando las personas se quejan de que los analistas no resuelven los problemas correctos o no les brindan la información correcta, eso es un reflejo de los problemas del proceso”, agregó.

El proceso puede comenzar acordando un problema en la organización, luego elegir un pequeño problema que todos puedan definir y acordar resolver, dijo Brown. Luego, tienes que evaluar si tienes los datos para resolverlo.

3. Ignora las tendencias

Evite comenzar con un proyecto llamativo, dijo Brown. «No se preocupe por lo que es bueno. Preocúpese por lo que es rentable para usted», agregó. «El factor cool puede ser un problema muy grande».

4. No te vuelvas adicto a las herramientas

Cuando se trata de proyectos basados ​​en datos, «las herramientas son lo último en lo que debe pensar», dijo Brown. Sin embargo, las empresas deben identificar qué productos específicos son importantes y gastar dinero cuando sea necesario, en lugar de perder mucho tiempo esperando o buscando otras soluciones, agregó.

5. Comprender los límites computacionales

Si bien el análisis de datos puede mejorar muchos procesos, «hay cosas que se pueden demostrar matemáticamente que no se pueden hacer incondicionalmente», dijo Danyluk. «Es genial pensar en un campo que pueda resolver todos los problemas del mundo con datos. Pero algunas cosas simplemente no se pueden hacer, no sucederán a menos que tengamos un marco completamente diferente para pensar en la informática».

6. Recuerda que no todos los datos están disponibles

Las organizaciones deben recordar que recopilar una gran cantidad de datos no significa que los datos estén limpios o utilizables, dijo McCarthy.

«Si bien las organizaciones pueden tener una gran cantidad de datos, no siempre son los datos correctos, estructurados correctamente o lo suficientemente ricos como para obtener los conocimientos que están buscando», agregó. «Los datos a menudo necesitan ser refinados, limpiados, reestructurados o incluso combinados con otras fuentes de datos para realmente agregar valor. No entender esto es una de las principales razones por las que a menudo no se cumplen las expectativas».

7. No espere encontrar unicornios de ciencia de datos

Cuando se trata de contratar científicos de datos, muchas empresas buscan candidatos increíbles con todas las calificaciones posibles, pero es difícil encontrarlos, dijo Brown. Agregó que cuando contratan, las expectativas de lo que pueden hacer los profesionales suelen ser demasiado altas.

«Francamente, muchas personas contratan científicos de datos y no obtienen lo que quieren de ellos», dijo Brown. «Empiece poco a poco y construya un buen proceso como su modelo operativo desde el principio».

8. Permita una curva de aprendizaje

Leonard N. NYU Stern School of Business, autor de Data Visualization Made Easy.

«Las organizaciones tienen un proceso de aprendizaje para comprender los datos», dijo Sosulski. «Proceda con precaución y no actúe demasiado rápido sin saberlo».

istock 965424616

LEER  El CEO de Twitter, Jack Dorsey, dice que Twitter abrirá la verificación de cuenta para todos

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba