Según Harvard Business Review [1] la labor de un científico de datos es analizar grandes volúmenes de datos combinando conocimientos de matemáticas, estadísticas y programación. En función de los resultados de estos análisis logra tomar las mejores decisiones para un proyecto o estrategia de negocio. Pero a diferencia de la estadística tradicional que utilizaba muestras, el científico de datos aplica sus conocimientos estadísticos para resolver problemas de negocio aplicando las nuevas tecnologías, que permiten realizar cálculos que hasta ahora no se podían realizar.
Este mix de información, estadística y tecnología no puede trabajarse con tablas avanzadas de Excel, por tanto, hoy podemos hacer uso de lenguajes de programación como Python, R Studio o Scala y así poder simplificar y lidiar con esta marea datos.
Innovaciones disruptivas y tecnologías emergentes
El 63% de los directivos están preocupados por el creciente ritmo de innovaciones disruptivas y el incremento en el uso de nuevas tecnologías en los negocios dentro de su sector [2]. Este temor de la comunidad empresarial sugiere que el incremento de estos factores pueden afectar la gestión competitiva del riesgo empresarial. Por tanto es tiempo de hacerse algunas preguntas: ¿El acceso al software de inteligencia empresarial (business intelligent) creará una brecha de información?, ¿Será la desigualdad digital la fuerza disruptiva del siglo XXI?, ¿cuál es el costo de no saber o no tener acceso a los datos?
Nos guste o no, nos encontramos en medio de la revolución del big data. Nos enfrentamos a una multitud de datos disponibles, si los usamos correctamente, tenemos la oportunidad de descubrir información que antes no teníamos acceso. Esto nos permitiría hacer mucho más de lo que previamente hemos sido capaces de hacer.
Big Data, Inteligencia Artificial (AI) y Sostenibilidad
Tradicionalmente, los analistas financieros, auditores, consultores de RSC o RSE e investigadores pasábamos la mayor parte de nuestro tiempo leyendo y analizando informes financieros y no financieros. Ahora nos enfrentamos a un cambio dinámico en el enfoque. Las tecnologías de procesamiento de lenguaje natural (NLP en inglés) nos ayudan a través del aprendizaje de máquina (inteligencia artificial), comprender este tipo de informes, buscar palabras claves, encontrar asuntos materiales y tendencias con el objetivo de poder analizar esta marea de datos y poder tomar las decisiones correctas.
Según Thomson Reuters, hoy en día hay más de 13.000 analistas en el mercado publicando 2.7 millones de informes mensuales sobre estimaciones de beneficios empresariales. Es evidente que el análisis detallado de estos informes sobrepasa las capacidades de un individuo o grupo de individuos sin ayuda de la tecnología*. Un analista financiero de media evalúa 200 informes al mes, es decir, en torno a 1 informe cada 45 minutos. La tecnología está disponible hoy y puede proporcionarle esa información en 1 minuto, con tan solo unos pocos clicks. Esta es la gran revolución del Big data: ahora se puede obtener el resultado de un mes de trabajo, en una tarde.
Para finalizar, quisiera citar un ejemplo muy reciente que destaca la utilidad de los datos para las empresas, proviene de un estudio que utiliza los datos de la cantidad de “me gusta” de Facebook para predecir rasgos de personalidad. Usando estos datos, los investigadores fueron capaces de predecir la personalidad de alguien con más precisión que sus colegas, amigos o familiares. Y pensar que hasta ahora la única persona que podía predecir mejor su personalidad era su pareja!
Piense tan solo un momento, ¿qué pasaría si podríamos ser capaces de predecir la personalidad de alguno de los grupos de interés de su organización, como por ejemplo sus clientes?
*Fuente: FTSE Global Markets
