¿Cuándo fue la ultima vez que usaste una aplicación, por ejemplo Google Maps o Waze, para ubicar algún lugar? Si lo hiciste ayer, tomaste una decisión basada en datos. En la actualidad, nuestro día a día está configurado por la data y ese es el objetivo más importante de todos estos avances tecnológicos.

En este nuevo episodio del Late Show de Laboratoria conversamos con Ricardo Alanis, Head of Data Science en Nowports sobre las aplicaciones, resultados y aprendizaje de la data en las startups y empresas.

Para Ricardo, al hacer la Inteligencia Artificial y data más humanas, las empresas pueden sacar provecho y empoderar a las personas, ya sea con un chatbot hasta con un super dashboard.

En las startups, todo es data

Por definición, las startups ingresan a los mercados haciendo las cosas de manera diferente a la tradicional. Para Ricardo, la AI es una gran herramienta para este tipo de emprendimientos. Por ejemplo, para la toma de decisiones rápidas.

"Nuestro diferencial en Nowports es dar una certeza de dónde esta la carga en cualquier momento. Que para las empresas sea tan fácil acceder a esa información como pedir un Uber. Entonces nos valemos de la data, aceptamos los esfuerzos que conlleva esa promesa y trabajamos para empoderar a nuestros clientes".

Los equipos detrás de la data

Ricardo señala que en las empresas la combinación de habilidades más común está en las/los analistas de datos, las/los científicos de datos, y las/los ingenieras de datos. Estas personas trabajan con la información, la conocen, la interpretan y enseñan el valor de la data. Son apasionadas del uso de los datos, poseen mucha curiosidad y "contestan con dashboards lo que nosotros contestaríamos con palabras".

• Analista de datos. Es la persona que, como dice su nombre, recopila, filtra y analiza la información. Todas las personas tienen potencial de ser analistas de datos y, según Ricardo, es una habilidad indispensable para el trabajo del futuro.
• Científica/o de datos. Esta persona trabaja con la incertidumbre. Quienes desempeñan este rol están listos para encontrar patrones en la información y contestar, de manera inductiva o deductiva.
• Ingeniera/o de datos. Esta persona es la responsable de llevar los datos a la masificación. Es la más cercana al desarrollo de software, conoce las buenas prácticas de la programación y trabaja para crear códigos más eficientes.

Todos los perfiles se complementan para agregar valor y crear un equipo de datos increíble.

¿Cómo implementar Data Science en la empresa?

Ricardo describe tres pasos que todas las empresas deben realizar para implementar una estrategia de Data Science en sus tareas diarias:

1. Saber qué queremos hacer. "Para esto debemos preguntar qué necesitan a las y los stakeholders, y los equipos", comenta Ricardo. Con un desarrollo de producto adecuado y el detalle de lo que se necesita, la data será la más efectiva.
2. Diseñar la data. "Con los objetivos claros, pasamos a decidir qué fuentes de información necesitarás, cómo las obtendrás, para luego investigar lo que puedes hacer con la información".
3. Automatizar. Es decir, desarrollar el software. "En esta última etapa realizas prototipos para probar la información y tus stakeholders están conscientes de lo que están recibiendo". Es importante seguir los pasos porque, como señala Ricardo, si automatizas algo que no sirve de nada a nadie, ¿automatizaste algo en verdad?