Descubriendo data scientists ocultos
Los proyectos de ciencia de datos están tardando mas de lo previsto en impletarse, o casi nunca entran en producción. No disponemos de profesionales suficientes. Donde los puedo encontrar... Ha pensado alguna vez en la formacion y capacitacion interna de sus empleados como data scientists?
La mayoría de las grandes organizaciones están tratando de entender que es la transformación digital, y algunas incluso hasta intentan implemetarla, aunque no entiendan muy bien de que se trata.
Lo que si sabe la mayoria de organizaciones -a grandes rasgos, eso si- es acerca de analitica predictiva; e incluso ciencia de datos (data science).
Entre las multiples causas, la más común es la falta de un equipo estable de ciencia de datos. Debido a la alta demanda de estos profesionales, la tasa de rotación es muy alta en ciencia de datos. Este coste de rotacion en estas profesiones de alta especializacion, puede rondar entre el 60% y el 150% del salario (costes de despido, costes de seleccion de personal, costes de contratacion, coste de tiempo de incorporacion y coste de produccion a pleno rendimiento).
Los gerentes de recursos humanos o líderes de ciencia de datos generalmente resuelven este problema enfocándose en lo siguiente:
- adquirir el mejor talento en ciencia de datos
- retener el talento existente
- mantener la motivacion a los científicos de datos
Desafortunadamente, la receta anterior no funciona por sí sola para la mayoria de empresas. Como se mitiga entonces la alta rotacion de profesionales de la ciencia de datos?
Cortesia de Quora
Comencemos analizando las clases o tipos de profesionales que existen disponibles en el Mercado:
1. Recién graduados que han aprendido ciencia de datos y aprendizaje automático pero que aún no han conseguido el primer trabajo,
2. Un científico de datos experimentado que ha trabajado en la industria y ha desarrollado proyectos viables durante un par de años (al menos), y
3. Profesionales en otros campos profesionales, que han realizado una transición a la ciencia de datos.
Cada categoría tiene sus pros y sus contras. Un gerente de contratación tiene que tomar una decisión basada en lo que es una necesidad inmediata de la organización, asi como el estado general de madurez de la misma.
Si la organizacion está en medio de un proyecto y necesita un reemplazo, probablemente sería preferible un científico de datos con experiencia relevante en la industria. Esto es complicado de encontrar, y por supuesto costoso.
Por otro lado, si la organización está al comienzo de su viaje de ciencia de datos, entonces una combinación de estos 3 tipos de profesionales de datos podría ser más productiva y económica.
Descubriendo el profesional de datos oculto
Hay una fuente potencial -habitualmente oculta- de talento en ciencia de datos en cada organización. Se trata de talento existente en la propia organizacion, es decir, analistas de negocios, gerentes de proyectos, desarrolladores de software, personal de finanzas, contabilidad, recursos humanos, comerciales, profesionales de Mercado, comerciales… etc.
Hagase esta pregunta: para llevar a cabo su trabajo, necesita datos? necesita analizar datos? Si su respueta es afirmativa, cuente con un potencial cientifico de datos. Lo que necesita es formacion en conocimientos tecnicos.
La mayoría de las organizaciones no han prestado mucha atención a esta fuente de recursos humanos ya existente para aprovechar este talento al actualizar sus habilidades tecnicas a través de la capacitación básica en ciencia de datos.
Evalue que es mas viable -economica y operacionalmente hablando-:
a) Contratar profesionales escasos, de alta rotacion y elevados sueldos
b) Invertir en educar su personal existente
Hay muchos profesionales de datos (que tienen un título relacionado con el aprendizaje automático o la Iinteligencia Artificial) puede que esten en desacuerdo con esto. Aún así, el hecho es que el conocimiento del dominio es tan esencial -o incluso mas- como la experiencia técnica en ciencia de datos.
Un data scientist professional puede ser muy bueno en ciencia de datos científicos, métodos estadisticos o herramientas tecnologicas. Aún así, sin una comprensión de los procesos y las reglas del negocio, es imposible agregar valor al negocio.
Por el contrario, el recurso humano existente conoce bien la cultura de la organizacion, sabe identificar los principales problemas a resolver y entiende el impacto de la implementacion de una solucion en su propio campo professional.
Además, el papel de la ciencia de datos es muy inter-funcional, y la familiaridad de una organización juega un papel vital en el éxito. Por lo tanto, si el talento existente se actualiza, es mutuamente beneficioso tanto para el negocio como para el talento.
Beneficios para la organizacion
A corto plazo, la capacitación de los recursos existentes podría ayudar con lo siguiente;
- Mejor comunicación entre los miembros del equipo
- Menos necesidad de contratar de profesionales de datos, y
- Sentido de empoderamiento entre el talento existente
A largo plazo, la organización podría beneficiarse del seguimiento;
- Menor tasa de rotación
- Menor costo de adquisición de talento
- El aumento de productividad, debido a la calidad de la innovación interna
- Aporte de valor exponencial, ya que algunos de los talentos mejorados pueden enamorarse de la ciencia de datos y pueden aprender más por sí mismos