Citizen Data Scientist o cómo unir negocio y ciencia de datos

citizen-data

El escenario empresarial actual, en el que la competencia es altísima y evoluciona rápidamente, nos obliga a mejorar nuestra capacidad de respuesta. Para ello, lo más importante es disponer de la mejor información que nos permita tomar las mejores decisiones a todos los niveles (estratégico, táctico y operacional).

Esto implica apoyar a la dirección con la información adecuada (pasada, presente y futura) y anticiparnos y responder proactivamente a las necesidades del cliente.

La evolución de las tecnologías nos está dirigiendo hacia la empresa inteligente, explotando todo el conocimiento que los activos de datos nos pueden ofrecer para lograr los resultados que esperamos. Aprovechar tecnologías emergentes como Internet de las Cosas, Inteligencia Artificial y Machine Learning permite enfocarse en los resultados de mayor valor.

Estas tecnologías aportan las siguientes funcionalidades clave:

  • Visibilidad. La capacidad de recopilar y conectar datos que previamente estaban en silos y reconocer patrones invisibles.
  • Enfoque. Simular el impacto de opciones potenciales y direccionar recursos escasos hacia las áreas de máximo impacto.
  • Agilidad. Responder más rápido a los cambios del mercado o negocio y orientar los procesos negocio hacia las áreas demandadas.

En este punto es cuando encontramos que la cultura empresarial debe cambiar. La ciencia del dato implica a todos los niveles, desde operaciones a estrategia corporativa y necesita de la implicación de todos los actores asociados. Es entonces cuando aparecen los primeros problemas, ya que estamos hablando de procedimientos novedosos y la visión de negocio de dichos procedimientos es difícil de vislumbrar.

Una vez superada la fase de temor a la transformación digital, y cuando todos los niveles de negocio se han dado cuenta de la necesidad de convertirse en una empresa inteligente, es cuando nos damos cuenta de la dificultad de iniciar este proceso de transformación.

Necesitamos analizar las necesidades reales de este proceso de transformación y diseñar una línea de trabajo que nos permita, por un lado, proporcionar resultados reales a corto plazo y, por otro, evolucionar en el nivel de sabiduría.

En resumen, necesitamos empezar a evolucionar poco a poco y generar resultados que den valor a este proceso de transformación.

Una vez que hemos decidido dar este paso es cuando nos damos cuenta de que necesitamos un perfil que nos permita saber:

  • ¿Qué necesitamos?

Entender las necesidades de negocio.

  • ¿Qué nos puede aportar la ciencia de datos?

Como puede resolver esas necesidades la ciencia de datos y la analítica.

  • ¿Cómo voy a empezar y hasta donde voy a llegar?

Definir las fases evolutivas y el nivel de profundidad de la aportación de la ciencia de datos.

  • ¿Qué necesito tener?

Definir un equipo de ciencia de datos con las siguientes necesidades:

- Roles técnicos (arquitecto, estadístico, data scientist, programador…).

- Herramientas de ciencia de datos (analítica, estadística, inteligencia artificial…).

  • ¿Cómo puedo hacer que la ciencia de datos aporte valor?

Diseñar procesos que realmente respondan a las necesidades y nos proporcionen los resultados esperados.


New call-to-action

Es en este punto donde aparece uno de los roles que más valor pueden aportar a la empresa inteligente: el de Citizen Data Scientist. Pero… ¿Qué es realmente un Citizen Data Scientist?

Se trata del perfil que sirve como punto de unión entre el mundo de negocio y la ciencia de datos y consigue aplicar estas nuevas tecnologías dentro del entorno empresarial.

Este perfil ayudará a detectar las necesidades que tiene negocio y cómo resolverlas. También será capaz de definir las fases evolutivas y el nivel final deseado dentro de esta transformación, así como determinar los roles y herramientas necesarias.

El Citizen Data Scientist aporta la habilidad de un analista de negocio, que conoce el funcionamiento de la empresa, más el conocimiento técnico que permite definir los proyectos que resuelvan las necesidades detectadas.

Hablando de una manera más simple, para el usuario es difícil explicar cuáles son sus necesidades de información (sobre todo futuras) y también entender el valor que pueden aportar los resultados finales, mientras que para los científicos de datos es difícil comprender las necesidades de negocio (solo ven datos, no información) y también es difícil explicar el valor que aportan sus resultados; y es aquí donde se explota el valor del Citizen Data Scientist.

Quizá una de las mayores dificultades a la hora de explotar los datos sea el encontrar un caso de uso. Desde nuestra experiencia podemos aportar valor a todos los niveles, y como casos de uso proponemos los siguientes ejemplos:

Finanzas
   Flujo de caja y forecasting
   Simulación de presupuestos
   Análisis de márgenes y beneficios
   Riesgo financiero – predicción de impagos
   Consolidación de pagos automatizada

RRHH
   Modelos de retención de empleados
   Estimación de abandono de empleados

Ventas y marketing
   Reducción de abandono de clientes
   Clasificación de Leads
   Optimización de campañas      
   Recomendación de productos (cross-selling y up-selling)
   Segmentación de clientes
   Next Best Offer/Action
   Análisis de tendencias

Fraude y Riesgos
   Análisis de cumplimiento de SLA
   Detección de fraude y abuso
   Análisis de reclamaciones
   Puntuación crediticia de clientes/proveedores
   Modelos de riesgo operacional
   Análisis de riesgos y beneficios

Operaciones
   Mantenimiento predictivo
   Estimación y predicción de consumo eléctrico
   Optimización de precios
   Optimización de procesos de expedición          
   Detección de anomalías y aseguramiento de la calidad
   Optimización de demanda / inventario
   Optimización del proceso de fabricación
   Gestión integral de la producción basada en el beneficio
   Gestión de planta

¿Cómo empiezo a transformar mi empresa, a explotar toda la información de la que dispongo y a anticiparme a las necesidades del cliente?

Desde Techedge estamos convencidos que nuestros Citizen Data Scientist son capaces de proporcionar este valor en cualquier escenario.

La experiencia adquirida en distintos sectores (industria, logística, retail, oil&gas, finanzas…) y los casos de éxito acumulados nos permiten proporcionar este servicio con la seguridad de que los resultados serán los esperados por el cliente.

Partiendo del conocimiento del negocio podemos definir una estrategia para convertir al cliente en una empresa inteligente, respondiendo a las necesidades actuales y planteando nuevas soluciones que aporten valor. Con esto crearemos un roadmap en el que definiremos las distintas etapas, evaluaremos los resultados de cada una de ellas y analizaremos hacia donde evolucionar, adaptando la gestión de proyectos Agile al desarrollo de la analítica predictiva y la ciencia de datos dentro de la empresa.

Desde el punto de vista técnico, podremos asesorar en la plataforma adecuada para cada escenario, los roles necesarios y la estructura de soporte para que se haga realidad.

En este punto podremos definir las siguientes tipologías de solución:

  • Plataformas de analítica predictiva a nivel usuario. Permiten trabajar con datos, descubrir relaciones y predecir resultados sin necesidad de grandes conocimientos de análisis predictivo ni estadística. Ideales para las primeras etapas de desarrollo de la analítica predictiva.
  • Soluciones predictivas integradas dentro del ERP. Sirven de apoyo a los procesos de negocio aportando valor desde el punto de vista de análisis del dato. Implica conocimientos de programación y de ciencia de datos.
  • Plataformas de analítica avanzada. Soluciones específicas para científicos de datos, permiten obtener resultados muy precisos, pero requieren de altos conocimientos de estadística y manejo de datos.
  • Lenguajes de ciencia de datos. Plataformas de desarrollo open source con multitud de librerías de estadística, analítica avanzada, inteligencia artificial y machine learning. Permiten adaptarse a cualquier necesidad, pero implican altos conocimientos de programación.
  • Tecnologías Cloud. Soluciones de analítica avanzada con gran potencia, muy adaptables y económicas (solo pagas por lo que usas), pero se necesita de conocimiento específico de la herramienta.

 

Haz inteligente tu empresa 

¡Predecir el futuro de tus negocios ya es posible! El miércoles 28 de noviembre celebramos un webinar sobre analítica predictiva: mostraremos algunos casos de uso y te contaremos cómo se adapta a cada necesidad.

¡Regístrate!

Francisco Javier Corredera

Francisco Javier Corredera

Francisco Javier es responsable de proyectos en el ámbito de la industria (IoT, Big data, analítica avanzada, mantenimiento predictivo, inteligencia Artificial...) y posee una experiencia de 15 años en proyectos de inteligencia de negocio, sobre todo enfocados al mundo de la industria y la innovación, intentando extraer todo el valor a la información.

Acostumbrado a trabajar en todas las fases de un proyecto, desde el desarrollo de la idea, Preventa, relación con el cliente y desarrollo técnico del proyecto, se declara un entusiasta de la innovación y de las nuevas tecnologías.

Actualmente, Javier ha estado involucrado en proyectos de inteligencia de negocio en el sector bancario y químico con tecnologias SAP y SAS, así como proyectos de innovación (Mantenimiento Predictivo, Gestión Energética).

También está implicado en el desarrollo de nuevas tecnologías y productos (tiempo real, Big Data, Machine learning) sobre distintas plataformas como Microsoft Azure, Google Cloud y Amazon Web Services.

FOLLOW-ME