¿Qué hace que un analista de datos sea excelente?
Sobre la naturaleza de la analítica, parte 2 de 2
Traducido por David Regalado del original por Cassie Kozyrkov, editado por Carlos Secada
Antes de diseccionar la naturaleza de la excelencia analítica, empecemos con un rápido resumen de tres conceptos erróneos comunes sobre la analítica de la parte 1ra:
- La analítica es estadística. (No.)
- La analítica es periodismo de datos / marketing / narración de historias. (No.)
- La analítica es la toma de decisiones. (¡No!)
Concepto erróneo nº 1: Analítica frente a estadística
Aunque las herramientas y las ecuaciones que utilizan son similares, los analistas y los estadísticos están formados para realizar trabajos muy diferentes:
- La analítica te ayuda a formular hipótesis, mejorando la calidad de tus preguntas.
- La estadística te ayuda a comprobar las hipótesis, mejorando la calidad de tus respuestas.
Si quieres saber más sobre estas profesiones, consulta mi artículo “¿Pueden llevarse bien los analistas y los estadísticos?”
Concepto erróneo nº 2: Analítica frente a periodismo/marketing
La analítica no es marketing. La diferencia es que la analítica trata de ampliar la perspectiva del responsable de la toma de decisiones, mientras que el marketing trata de reducirla.
Del mismo modo, el periodismo de datos trata de captar el interés de muchas personas de forma reducida, mientras que la analítica trata de atender las necesidades de unas pocas personas de forma amplia. El analista sirve primero y ante todo al responsable o responsables de la toma de decisiones.
Concepto erróneo nº 3: Analítica frente a toma de decisiones
Si soy tu analista, no estoy aquí para elegir por ti (aunque tenga más experiencia en el campo que tú). Tendrías que ascenderme a responsable de la toma de decisiones para que eso fuera algo ético.
Si quieres que alguien trabaje como un híbrido entre analista y responsable de la toma de decisiones, entiende que estás pidiendo dos roles en uno y asigna esa responsabilidad explícitamente.
Para saber más sobre los conceptos erróneos nº 2 y nº 3, vuelva a la parte 1ra. En este artículo, retomaremos donde lo dejamos y hablaremos de la excelencia analítica.
¿Qué hace que un analista sea excelente?
En El héroe más incomprendido de la ciencia de datos, describo las 3 excelencias de la ciencia de datos. La excelencia de un analista es la velocidad.
Los analistas buscan datos y producen inspiración para ti, mientras intentan perder el menor tiempo posible (¡y el tuyo!) en el proceso. Para obtener el mejor rendimiento del tiempo de inspiración, deben dominar muchas formas diferentes de velocidad, entre ellas
- Velocidad para obtener datos prometedores y relevantes. (Conocimiento del dominio.)
- Velocidad para obtener datos listos para su manipulación. (Conocimientos de software.)
- Velocidad para obtener datos resumidos. (Conocimientos matemáticos.)
- Rapidez en la introducción de los resúmenes de datos en sus propios cerebros. (Habilidades de visualización de datos.)
- Velocidad para hacer llegar los resúmenes de datos al cerebro de las partes interesadas. (Habilidades de comunicación.)
- Rapidez para inspirar al responsable de la toma de decisiones. (Perspectiva de negocio).
Este último punto tiene muchos matices (y también es el más importante de la lista), así que déjame que te lo explique.
Las trivialidades bellamente visualizadas y comunicadas con eficacia son una pérdida de tiempo. Los hallazgos emocionantes que resultan ser interpretaciones erróneas son una pérdida de tiempo. Las incursiones meticulosas en fuentes de datos basura son una pérdida de tiempo. Las anécdotas irrelevantes son una pérdida de tiempo. Cualquier cosa que un analista te traiga y que no te parezca digna de su tiempo… es una pérdida de tiempo.
El juego de la analítica consiste en optimizar la inspiración por minuto.
Los analistas te harán perder el tiempo — eso forma parte de la exploración — , así que el juego de la analítica consiste en perderlo lo menos posible. En otras palabras, optimizar la inspiración por minuto (de su tiempo y del tuyo, sujeto a algún tipo de cambio relacionado con lo valioso que es cada uno de ustedes para su organización).
No te dejes engañar por una interpretación simplista de la velocidad. Un analista descuidado que sigue cayendo en “ideas” brillantes sin sentido sólo retrasará a todos a largo plazo.
Evaluar el rendimiento de los analistas
Para los amantes de las evaluaciones de rendimiento, se les advierte que no pueden utilizar la inspiración por minuto para medir a sus analistas.
Esto se debe a que la cantidad máxima de inspiración (definida subjetivamente por el responsable de la toma de decisiones) que puede extraerse varía de un conjunto de datos a otro. Pero podrías evaluar sus habilidades (no su rendimiento laboral) dejándolos sueltos en un conjunto de datos de referencia cuyo contenido ya conoces bien.
Como analogía, si se pide a dos analistas que se inspiren a partir de un libro de texto de un idioma extranjero, el mejor analista (más rápido) para el trabajo podría ser el hablante nativo de ese idioma. Podrías evaluar su habilidad relativa midiendo la velocidad con la que comprenden un pasaje escrito en ese idioma.
Si no te apetece crear tú mismo una carrera de obstáculos de análisis estandarizada, quizá quieras echar un vistazo a byteboard.dev. Byteboard es una startup que está revolucionando las entrevistas tecnológicas y recientemente ha lanzado una evaluación de habilidades para el análisis de datos. Utiliza escenarios del mundo real y una interfaz ingeniosa para medir la competencia en tareas como la exploración de datos, la extracción de datos, la comunicación cuantitativa y el análisis de negocio. Seguro que lo pensaron como una forma de ayudarte a entrevistar a nuevos candidatos, pero no hay razón para que no puedas utilizarlo también para poner a prueba a tus analistas actuales.
La habilidad no garantiza impacto. Eso depende de sus datos.
Pero una vez que hayas evaluado las habilidades, recuerda que la habilidad no garantiza impacto. Eso depende de tus datos. Volviendo a la analogía anterior, si se apunta a ambos analistas a un misterioso libro de texto que nunca han abierto, no se les puede responsabilizar de la inspiración por minuto que encuentren porque el libro podría estar lleno de basura. Si ese es el caso -¡no importa su nivel de fluidez! — ninguno de los dos encontrará inspiración para traértela… y eso no es culpa suya. Tener un libro de texto no significa que vayas a aprender algo útil. Lo mismo ocurre con los conjuntos de datos; su calidad y relevancia son igual de importantes.
Los libros de texto son una gran analogía de los conjuntos de datos, por lo que hay que tener en cuenta un par de cosas más sobre los conjuntos de datos y los libros de texto:
- La basura de un responsable de toma de decisiones puede ser el tesoro de otro. Al igual que los libros de texto, los conjuntos de datos sólo son útiles si cubren un tema sobre el que quieres aprender. (He escrito sobre ello aquí).
- Si tiene un autor humano, es subjetivo. Al igual que los libros de texto, los conjuntos de datos tienen autores humanos cuyos prejuicios pueden contagiar el contenido. (He escrito sobre los datos y los prejuicios aquí y aquí).
Nunca castigues a los analistas por lo que no está en los datos
Los responsables de la toma de decisiones deben pensar en su analista como un nuevo órgano sensorial que acaba de evolucionar: un nuevo tipo de ojo que le permite percibir información a la que, de otro modo, habría estado ciego.
Si diriges tus nuevos ojos a algo que no merece la pena ver, no te los arrancarías por ello, ¿verdad?
Del mismo modo, si los analistas no encuentran nada valioso en un conjunto de datos que les pediste que examinaran para ti, no los castigues. Mantenerlos a tu lado es una inversión para que seas capaz de ver de nuevas maneras. Si no te gusta lo que están viendo, diríjelos hacia un escenario con más potencial.
La analítica es la diferencia entre ver hacia dónde vas, y volar a ciegas. A no ser que estés cubierto de burbujas de plástico y no vayas a ninguna parte, merece la pena invertir en sentidos agudos.
Para profundizar en la excelencia analítica, continúa en este artículo.
¡Gracias por leerme! ¿Te ha gustado el autor?
Si quieres leer más de mis escritos, la mayoría de los enlaces de este artículo te llevan a mis otras reflexiones. ¿No puedes elegir? Prueba con éste:
Declaración
No soy totalmente imparcial en lo que respecta a la prueba de velocidad de análisis de Byteboard, ya que yo ayudé a diseñarla. Espero que te guste.
Obtén más información sobre ciencia de datos e inteligencia artificial en español aquí.
