La Ciencia de Datos tiene aplicaciones prácticas en la empresa. Muchas compañías ya han comenzado a realizar su transformación tecnológica, mientras que otras van a tener que comenzar este camino. Es un proceso y una utilización de la tecnología que no siempre se realiza bien.
Y su correcta utilización y aplicación de la Ciencia de Datos en la empresa es fundamental para que se aporte realmente valor para lo que hay que tener en cuenta unas claves, que ha dado Pablo González, responsable del Área de Inteligencia Artificial Secure e-Solucions de GMV en la ponencia 'Transformación tecnológica gracias al a Ciencia de Datos: dificultades y lecciones aprendidas', que ha impartido en la X Jornada Procom sobre 'Aplicaciones prácticas de la Ciencia de Datos', organizada por el Cluster IDiA y celebrada en la sede de Ibercaja en Zaragoza.
Son claves que se extraen de la experiencia de GMV -grupo empresarial tecnológico que ofrece soluciones en sectores como la banca, defensa, seguridad o sistemas inteligentes de transporte, entre otros muchos-, y de los proyectos que han llevado a cabo en este ámbito.
"Tenemos proyectos de diez años en lo que antes era Business Intelligence y que, ahora, es Ciencia de Datos. En base a nuestra experiencia hemos aprendido muchas cosas, que son relevantes y que tienen mucho impacto en plazos, costes... y en los resultados del proyecto", según ha explicado Pablo González, en declaraciones a elEconomista.es
1. Hacer Big Data por hacer Big Data: "Hubo una época en la que todo el mundo quería hacer Big Data y no sabían muy bien lo que era. Nos llamaban muchas empresas que querían hacer Big Data sin saber muy bien qué". Sin embargo, no es el camino adecuado plantear antes una tecnología que un problema. De hecho, este tipo de proyectos suelen estar abocados al fracaso y llevan a conclusiones absurdas. Lo correcto es que "una empresa tenga un problema que se pueda resolver con Big Data". Solo así se realizarán proyectos que aporten valor a la compañía.
2. Ilusión del Iceberg: las empresas tienen que ser conscientes de que la mayor parte del tiempo que se dedica a un proyecto es, precisamente, la que no se ve. "Todos hemos visto ejemplos de empresas que son capaces de predecir cualquier cosa, saber cuándo va a pasar algo... pero no se dan cuenta de que ese trabajo que hay detrás es un 15% ó 20% del proyecto" en el que detrás hay todo un trabajo de recopilar datos, enviarlos, hablar con los expertos... Esto es lo que se llama "la ilusión del iceberg" en la Ciencia de Datos.
3. Retorcer el dato: "hay que empeñada en que los datos tienen un significado oculto". Y esto es un error al que estar atento porque puede "llevar a tomar decisiones equivocadas por muy convencido que esté tu jefe o el experto de negocio". De esta manera, es fundamental "saber cuándo parar". Para ello, es recomendable fijarse unos plazos y saber detectar si una línea no tiene futuro para lo que se precisa contar con expertos y empresas que lleven tiempo trabajando en este tipo de proyectos y no perfiles "de pulsera", que están surgiendo en torno al Data Science y que tienen una formación mínima a través de unos cuantos cursos online.
4. No fiarse de los resultados: otra de las claves para que la Ciencia de Datos se aplique de forma correcta a la empresa es no fiarse siempre de los resultados. En la actualidad, se habla de que el perfil profesional del científico de datos tiene que ser multidisciplinar, teniendo que tener conocimientos de informática, ingeniería, negocio... Pero cada negocio es diferente y hay que conocerlo. "Hay muchos ejemplos de algoritmos y resultados sobre los que el experto de negocios se ha dado cuenta al verlos de que no eran posible, no tenían sentido. Es verdad que hay veces que los datos relevan cosas sorprendentes" como, por ejemplo, ha sucedido con las empresas repartidoras y su optimización de márgenes en función de una toma de decisiones basadas en hacer giros a la izquierda o la derecha, "pero esto no suele suceder".
5. Involucrarse: en la aplicación de la Ciencia de Datos en la empresa es importante involucrar a los expertos de cada negocio. Es clave "involucrarles y que todas las personas que participen en el proyecto se impliquen y sepan de lo que se está hablando".
