olly - Fotolia

Evaluar Conozca los pros y contras de las tecnologías, productos y proyectos que está considerando.

Tendencia de científicos de datos ciudadanos compensa por falta de habilidades

Las herramientas de análisis de autoservicio están alimentando la tendencia de los científicos de datos ciudadanos, ayudando a las compañías a compensar la falta de habilidades analíticas en el mercado y haciendo que la analítica sea más accesible.

No hay duda de que la ciencia de los datos ha sido un cambio de juego para algunas empresas. Pero los científicos de datos, los magos detrás de la cortina, siguen siendo esquivos. Por lo tanto, en lugar de perseguir lo inalcanzable, algunas empresas están optando por poner el poder de la ciencia de datos en manos de equipos de negocios.

"Quiero que [los gerentes] puedan obtener respuestas sin necesidad de emplear un científico de datos", dijo Todd Knapp, propietario de la firma de consultoría de TI, Envision Technology Advisors LLC.

Este sentimiento se está volviendo cada vez más común hoy en día. Con la escasez de científicos de datos, y el alto precio que proviene de contratar uno, muchas empresas están optando por simplemente dejar que los usuarios de negocios obtengan ideas por sí mismos. Esta tendencia del científico de datos ciudadano es cada vez más frecuente, gracias a las herramientas emergentes que automatizan porciones grandes del proceso de la ciencia de datos.

Por ejemplo, Envision utiliza una herramienta de Sisense que revisa continuamente los conjuntos de datos y alerta a los usuarios empresariales de características interesantes en los datos, como valores atípicos o cambios estadísticamente significativos en las métricas a lo largo del tiempo. Esto no se refiere tanto a las actividades más intensivas de ciencia de datos, como el aprendizaje automático, sino que son tareas que normalmente implican algunas matemáticas avanzadas. Al automatizarlas, cualquier persona puede obtener conocimientos que solían requerir que un científico de datos estuviera involucrado.

"Con la mayoría de las aplicaciones de datos, usted tiene que ser un científico de datos", dijo Knapp. "Tiene que ver una pregunta y cavar para obtener la respuesta".

Pero, añadió, las nuevas herramientas de analítica disminuyen la necesidad de una ciencia de datos práctica.

La democratización de los datos rompe los silos

Una de las ventajas de este enfoque, dijo Knapp, es que rompe los silos. No hay ningún equipo de datos trabajando en los informes de las unidades de negocio, que podrían estar utilizando sus propias herramientas y desarrollando diferentes informes. En lugar de eso, todo el mundo tiene alguna responsabilidad por el uso de datos, y todos utilizan la misma herramienta.

Pero solo porque la analítica se automatiza en los departamentos de cientificos de datos ciudadanos no significa que el autoservicio sea estrictamente una iniciativa de negocios. Olga Polyakov, que dirige un despliegue de analítica de autoservicio de Tibco Spotfire en el Colegio Nueva Granada en Bogotá, Colombia, dijo que no podría hacerlo sin la participación de TI.

"No es un departamento de una sola mujer", dijo Polyakov, analista de datos de evaluación de la escuela.

Polyakov utiliza Spotfire para producir informes de seguimiento del progreso de los estudiantes en pruebas estandarizadas y objetivos de aprendizaje, lo que le permite ver cómo las puntuaciones actuales se comparan con las tendencias a largo plazo.

Polyakov, cuya formación se centra principalmente en la educación y la investigación, dijo que, si bien la analítica puede complicarse, ella puede manejar todo. Pero el aspecto técnico de las cosas es más desafiante. Ella se apoya en TI para administrar el software en los servidores de la escuela e instalar actualizaciones, según sea necesario.

La ciencia de datos ciudadana no es gratuita

Esta es una de las grandes advertencias para todo el movimiento de científicos de datos ciudadanos. Aunque no se necesita un doctorado para extraer conocimientos profundos de los datos en estos días, se requiere algún conocimiento técnico para ejecutar en el back-end.

Otra gran advertencia, dijo el analista de Gartner, Jim Hare, es que las herramientas de ciencia de datos de autoservicio solo pueden abordar un negocio por ahora.

"La limitación es que, si usted está tratando de hacer algo que es vanguardista, estas herramientas no lo tienen", dijo. "Pero si está tratando de hacer algo básico, como una regresión lineal, puede hacerlo".

Por esta razón, Hare no ve herramientas de análisis de autoservicio que reemplacen a los científicos de datos en el corto plazo. Las empresas que sacan el máximo provecho de su dinero están utilizando estas herramientas para aumentar a los científicos de datos, lo que les permite ampliar las capacidades de las ciencias de datos en toda la organización.

"Las empresas buscan estas plataformas de ciencia de datos ciudadana más fáciles de usar", dijo Hare. "Y pueden tomar a personas que tienen algunas habilidades con estadísticas, y luego usarlas en casos de uso operacional".

Este artículo se actualizó por última vez en agosto 2017

Profundice más

PRO+

Contenido

Encuentre más contenido PRO+ y otras ofertas exclusivas para miembros, aquí.

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Enviando esta solicitud usted acepta recibir correos electrónicos de TechTarget y sus socios. Si usted reside afuera de Estados Unidos, esta dando autorización para que transfiramos y procesemos su información personal en Estados Unidos.Privacidad

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close