La transformación digital se ha acelerado significativamente debido al impacto social y económico producido por la pandemia. Sin embargo, un estudio sobre ésta realizado por SAS, líder en analítica avanzada e IA, revela que los científicos de datos todavía observan la existencia de importantes obstáculos para el desarrollo de un trabajo eficaz y un alto grado de descontento laboral en algunos ámbitos.
Ciencia de datos, en auge tras la pandemia
La figura del científico de datos ha crecido en importancia al haber cada vez más organizaciones que aceleran los proyectos de transformación digital utilizando la tecnología para mejorar sus operaciones. Más del 90% de los encuestados indica que el valor de su trabajo es igual o mayor que antes de la pandemia, y más de dos tercios están satisfechos con los resultados de los proyectos analíticos.
Este estudio también demuestra que la pandemia ha alterado las hasta entonces prácticas habituales en las compañías, modificando los supuestos y las variables de los modelos y algoritmos predictivos, provocando así un efecto dominó de adaptaciones en los procesos, prácticas y parámetros operativos.
En este sentido, el 42% de los científicos de datos se muestran insatisfechos con el uso que su empresa hace de la analítica y el empleo de modelos, lo que sugiere un problema en la forma en que se utilizan los conocimientos analíticos para la toma de decisiones. Esto fue respaldado por otro 42% que afirma que la información que ellos presentan no es tenida en cuenta en la toma de decisiones, lo que constituye uno de los principales problemas.
Una inversión necesaria
El estudio de SAS pone de manifiesto algunas carencias en determinadas competencias. Menos de un tercio de los encuestados declara tener capacidad de escritura de código avanzada, requerida para tareas como la gestión de la nube y la administración de bases de datos. Esto es un problema dado que el uso de los servicios en la nube ha aumentado significativamente. Así el 94% afirma que ha experimentado el mismo o un mayor uso de la nube desde que se inició la pandemia.
“En relación con esto, a partir de este estudio podemos apreciar las preocupaciones sobre el apoyo a los equipos de científicos de datos y la falta de talento, que ha sido un problema durante algún tiempo con una demanda superior a la oferta. Las organizaciones deben darse cuenta de que invertir en un equipo de científicos de datos con habilidades complementarias podría aportar un enorme valor para el negocio, por lo que el coste de la contratación debe tener en cuenta el retorno de esa inversión a medida que avanzamos hacia procesos empresariales significativamente más digitales e impulsados por la IA”.
La investigación también identificó lagunas en lo que respecta a la ética de la IA, con el 43% de los encuestados indicando que su organización no lleva a cabo revisiones específicas de sus procesos analíticos con respecto al sesgo y la discriminación. Solo el 26% de los encuestados explica que el sesgo injusto se utiliza como una medida de éxito del modelo en su organización.
Mayor productividad y más tiempo dedicado a la preparación de los datos
La investigación reveló resultados positivos de la interrupción global de la pandemia. Casi tres cuartas partes (73%) afirmaron ser igual de productivos o más desde la pandemia, mientras que una proporción similar (77%) reveló tener la misma o mayor colaboración con los compañeros de trabajo. Esto sugiere que muchos de los retos señalados ya existían, posiblemente en mayor medida, antes de la pandemia.
Otro reto experimentado a lo largo de estos dos años ha sido la cantidad de tiempo dedicado a la preparación de datos frente a la creación de modelos. Así, los científicos de datos dedican ahora más tiempo (58%) de lo que desearían en recopilar, explorar, gestionar y limpiar los datos.
«En general, el especialista en datos tiene muchas razones para sentirse capacitado y optimista sobre cómo la pandemia ha puesto de relieve la importancia de su papel dentro de su organización y cómo podría evolucionar con el tiempo. Esto es especialmente cierto si los responsables de los datos pueden aprovechar todo el espectro de herramientas disponibles para gestionar el ciclo de vida de la analítica, buscar oportunidades de formación y desarrollo de habilidades en ciencia de datos y adoptar la preparación de los datos como primer paso en la modelización» concluye Cortellino
