Los proyectos de ciencia de datos están tardando más de lo previsto en implantarse, o casi nunca entran en producción. No disponemos de profesionales suficientes. Donde los puedo encontrar… ¿Ha pensado alguna vez en la formación y capacitación 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 implementarla, aunque no entiendan muy bien de que se trata.
Lo que si sabe la mayoría de organizaciones -a grandes rasgos, eso si- es acerca de analítica predictiva; e incluso ciencia de datos (data science).
Entre las múltiples 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 rotación en estas profesiones de alta especialización, puede rondar entre el 60% y el 150% del salario (costes de despido, costes de selección de personal, costes de contratación, coste de tiempo de incorporación y coste de producción 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 motivación a los científicos de datos
Desafortunadamente, la receta anterior no funciona por sí sola para la mayoría de empresas. ¿Como se mitiga entonces la alta rotación de profesionales de la ciencia de datos?
Cortesía 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, así como el estado general de madurez de la misma.
Si la organización 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 organización, es decir, analistas de negocios, gerentes de proyectos, desarrolladores de software, personal de finanzas, contabilidad, recursos humanos, comerciales, profesionales de Mercado, comerciales… etc.
Hágase esta pregunta: ¿para llevar a cabo su trabajo, necesita datos? necesita analizar datos? Si su respuesta es afirmativa, cuente con un potencial científico de datos. Lo que necesita es formación en conocimientos técnicos.
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 técnicas a través de la capacitación básica en ciencia de datos.
Evalúe que es más viable -económica y operacionalmente hablando-:
a) Contratar profesionales escasos, de alta rotación 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 Inteligencia Artificial) puede que estén 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 profesional puede ser muy bueno en ciencia de datos científicos, métodos estadísticos o herramientas tecnológicas. Aun 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 organización, sabe identificar los principales problemas a resolver y entiende el impacto de la implementación de una solución en su propio campo profesional.
Además, el papel de la ciencia de datos es muy interfuncional, 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 organización
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
