Datos en la toma de decisiones: de la materia prima a la sabiduría
¿Sabías que el 80% del éxito de un proyecto de Inteligencia Artificial no está en el algoritmo, sino en la limpieza de los datos? En esta Masterclass que hemos organizado en NEOLAND junto a Javier González, Analytics Team Leader en Generali, se explica cómo las empresas transforman números en bruto en decisiones que salvan millones de euros. Aquí te resumimos las lecciones clave de una sesión imprescindible para cualquier apasionado del Data Analytics o Data Science.
Las bases: mirar los datos correctos y apostar por la limpieza de los datos
Javier González, Analytics Team Leader en la compañía de seguros Generali, comenzó esta Masterclass con una lección histórica: la paradoja del superviviente.
En la II Guerra Mundial, analizaron los aviones de combate que regresaban a la base, para ver dónde tenían más impactos de bala y reforzar esas zonas. A priori parece una decisión lógica basada en datos pero era un error. La realidad es que debían reforzar donde no había impactos, que eran los motores y la cabina. Porque los aviones que recibieron disparos ahí eran los aviones que no volvían.
«Tener los datos no es lo mismo que entenderlos. Si no los tratas bien, tomarás decisiones equivocadas, por mucha tecnología que uses», destacó Javier.
A ello se suma otra necesidad: hay que garantizar la calidad y limpieza de los datos antes de su análisis y su utilización en modelos predictivos o de inteligencia artificial.
Y es que el 80% del trabajo es limpiar datos porque, si los datos de entrada son deficientes, los resultados serán igualmente defectuosos. Ante esto debemos:
- Priorizar calidad sobre cantidad: Es mejor tener pocos datos limpios que un Big Data lleno de basura.
- Normalizar los datos: Fechas, monedas y categorías deben hablar el mismo idioma para evitar errores
- Gobernanza y linaje: Asegurar la trazabilidad y calidad de los datos a lo largo de todo su ciclo de vida. La gobernanza de datos permite conocer el origen de la información y garantizar su veracidad, mientras que el linaje facilita la identificación y corrección de errores.
Las etapas en el análisis de datos
Tras explicar la pirámide DIKW (Data, Information, Knowledge and Wisdom) que nos muestra cómo pasar de los datos a la sabiduría, Javier utilizó una analogía para explicar los tipos de análisis de datos que existen, comparándolos con un coche:
- Business Intelligence (El retrovisor): Es un análisis descriptivo. Nos dice qué ha pasado. Es mirar las estadísticas de ayer y por eso se compara con un espejo retrovisor.
- Analítica Predictiva e IA (Las luces largas): Miramos hacia adelante y permite anticipar lo que va a pasar. Son como las luces largas o el GPS de un coche.
- Analítica prescriptiva (El coche autónomo): El sistema toma decisiones automáticas, como hace un coche autónomo.
También, nos advierte que no es cuestión de tener muchos dashboards o gráficos. Es mejor tener un Actionable Insight. Es decir, un gráfico solo es útil si, al verlo, sabes exactamente qué acción debes realizar. Y, por eso, un buen dashboard es el que te permite tomar decisiones.
Casos de éxito de uso de datos en empresas y cuestiones éticas y legales
La Masterclass no se quedó solo en la teoría. Además de diferentes dinámicas y talleres con los alumnos, Javier compartió ejemplos muy interesantes de cómo el dato ha impactado en diferentes sectores. Por ejemplo:
- Logística: UPS descubrió que evitar los giros a la izquierda (en EE. UU.) ahorraba millones en combustible y accidentes, simplemente optimizando las rutas con datos.
- Retail: El análisis de afinidad permite saber que quien compra el producto A, probablemente comprará el B. Por eso Amazon tiene siempre una sección que dice “Los que han comprado este producto también compran…”
- Banca y Seguros: El control del fraude en tiempo real. Si usas tu tarjeta en Madrid y a los 10 minutos hay un cargo en Tokio, la IA bloquea la operación antes de que parpadees.
Eso sí, también ha destacado la importancia de la ética en el uso de datos, advirtiendo sobre los riesgos de introducir sesgos en los modelos de inteligencia artificial. Si los datos históricos tienen sesgos (por género, raza o religión), la IA los multiplicará.
Además, el marco legal es diferente en función del país. No tienen nada que ver los modelos de gobernanza de datos e IA en la Unión Europea, con Estados Unidos o con China.
Trabajar con datos: perfiles profesionales
Como una de las preguntas más comunes entre quienes quieren dar el salto al sector es: “¿En qué debo especializarme?” Javier González dedicó una parte clave de la Masterclass a clarificar los roles profesionales, utilizando una analogía muy clarificadora para diferenciar las funciones principales dentro de una empresa real como Generali.
Así, un equipo de datos eficiente se sostiene sobre tres perfiles fundamentales que deben trabajar en sintonía:
1. Data Engineer: El constructor de tuberías
Es el perfil más técnico y de infraestructura. Sin él, el resto del equipo no tiene material con el que trabajar. Se encarga de la ingesta, el almacenamiento y la transformación de los datos. Construye las «tuberías» (ETLs) para que el dato fluya desde la fuente (un servidor, una web) hasta el almacén de datos (Data Warehouse o Lake) de forma segura y eficiente. En palabras de Javier: “Son los que pican piedra, los que montan las bases de datos y se aseguran de que el dato llegue limpio y estructurado a donde se necesita”.
2. Data Analyst: El narrador de historias
Este perfil une el mundo técnico con el de negocio. Su objetivo es traducir números complejos en insights accionables. Es decir, toma los datos estructurados por el ingeniero y los analiza para encontrar patrones, crear dashboards visuales (usando herramientas como Tableau o Power BI) y responder a preguntas de negocio específicas. Según Javier: «Es el perfil de Business Intelligence. Coge el dato, lo pinta y saca conclusiones para que el director de marketing o de ventas pueda tomar decisiones”.
3. Data Scientist: El visionario del futuro
Es el perfil que lleva el análisis al siguiente nivel, utilizando matemáticas avanzadas y programación para predecir escenarios. Utiliza algoritmos de Machine Learning y modelos estadísticos para predecir comportamientos futuros o automatizar decisiones. Javier explica: “Coge esos mismos datos e intenta predecir el futuro. Crea modelos matemáticos para anticiparse a lo que va a pasar”.
Por último, aunque existan estos 3 perfiles, Javier insistió en que estos roles trabajan en equipo y todos son fundamentales para el éxito. En un proyecto real, el científico de datos necesita que el ingeniero le prepare los datos, y el analista necesita entender el modelo del científico para comunicar los resultados a los equipos de negocio. La magia ocurre cuando los tres hablan el mismo idioma.
Si quieres ver la clase al completo la tienes aquí:
Esta clase es solo un ejemplo de los eventos organizados por NEOLAND. Todos nuestros alumnos tienen acceso a Masterclass impartidas por reconocidos profesionales de empresas muy destacadas, como es el caso de Javier. En ellas, pueden interactuar en directo, haciendo preguntas o participando en las dinámicas que organiza cada ponente.
Además, desde el área de Job Support, se organizan charlas, talleres o encuentros con empresas. Todo ello, con el objetivo de ayudar a los estudiantes de la escuela a estar actualizados con las últimas tendencias y de poner en contacto a alumnos con profesionales del sector tecnológico y digital, potenciando así su empleabilidad y creando oportunidades de networking.
¿Qué estudiar para trabajar en esos puestos del sector del dato?
En un mundo donde se generan 16.000 millones de vídeos en TikTok o 5,9 millones de búsquedas en Google cada minuto, la capacidad de extraer sabiduría del dato es una de las habilidades más demandadas del siglo XXI.
En NEOLAND nos hemos especializado en impartir formaciones de profesiones en auge y, por eso, te ayudamos a trabajar en cualquiera de esos perfiles profesionales que ha explicado Javier en la Masterclass. Puedes estudiar:
- Análisis de datos: disponible tanto en modalidad Bootcamp como Máster Online. Aprenderás visualización en Power BI o Tableau; gestión de bases de datos con SQL, programación en Python y R, así como las bases del Machine Learning y Big Data.
- Data Science & AI: también disponible en modalidad Bootcamp y Máster Online. Profundizarás en Machine Learning, Deep Learning, Generative AI y herramientas de automatización.
Además, por tiempo limitado tienes incluido un Máster Online con la matrícula de tu Bootcamp. Así, podrías cursar el Bootcamp de Análisis de Datos y, posteriormente, el Máster Online en Data Science & AI. ¡Serás el perfil más completo!
Si quieres saber si aún está disponible esta Edición Limitada de Bootcamp + Máster Online, ponte en contacto con nosotros.
