Tomar decisiones objetivas, mejores y más efectivas, basadas en un análisis de datos adecuado es una necesidad para las empresas de cualquier tamaño y tipo. Cuando hablamos de qué es un big data analyst (analista de datos) nos referimos, precisamente, al profesional encargado del análisis avanzado de grandes cantidades de datos.
[hde_related]
Qué es el big data analytics
Según Gartner, “el big data es un activo de información de gran volumen, alta velocidad y / o gran variedad que requiere formas innovadoras y rentables de procesamiento para una mejor comprensión, toma de decisiones y automatización de procesos». Por lo tanto, el big data analytics (analítica de datos) es el proceso de recopilar y analizar grandes volúmenes de datos para extraer información útil.
Tras procesar estos datos, se crean informes que se pueden aprovechar para diferentes propósitos. Para ello se utilizan software, servicios específicos y recursos de infraestructura.
Entre las ventajas del big data analytics destaca la posibilidad de delinear estrategias de forma más estructurada y consciente. Los costes de almacenamiento de datos se pueden reducir en gran medida aprovechando tecnologías como Hadoop y Analytics en la Nube. Además, las decisiones se pueden tomar con mayor rapidez, reaccionando con prontitud ante cualquier imprevisto o emergencia.
Por último, es posible entender qué es lo que realmente interesa al público objetivo, y qué nuevos productos y servicios hay que desarrollar para obtener resultados casi seguros. En definitiva, las oportunidades de negocio son numerosas y un big data analyst puede contribuir sustancialmente al éxito de una actividad.
Ejemplos de aplicaciones del big data analytics
Sanidad, industria, administración, turismo. Todos los sectores pueden aprovechar los datos. Según su uso, existen tres categorías principales de acción implementable:
- La primera se refiere a información útil para garantizar la eficiencia y reducir los riesgos operativos. De hecho, especialmente en el sector financiero, es importante recopilar datos que ayuden a prevenir y evitar el fraude.
- Luego está el big data analytics destinado a garantizar la máxima eficacia de los servicios, examinando los problemas de entrega e identificando posibles soluciones. De esta forma es posible garantizar un seguimiento adecuado, útil para reaccionar ante cualquier tipo de evento y responder con prontitud ante cualquier cambio.
- Por último, están los análisis realizados con fines de marketing: los datos recopilados proporcionan información importante sobre los consumidores que se encuentran dentro del target de interés.
Tecnologías clave dentro del big data y críticas
Un big data analyst realiza análisis descriptivos, predictivos y prescriptivos.
El análisis descriptivo sirve para tomar los datos sin procesar y hacerlos utilizables para los decisores. Utiliza técnicas como el data visualization.
El análisis predictivo emplea técnicas estadísticas y de machine learning (cada vez más sofisticadas gracias a los avances de la inteligencia artificial) para realizar predicciones. Es decir, simular posibles situaciones o escenarios.
El análisis prescriptivo es complementario al análisis predictivo, ya que se centra en sugerir las acciones a realizar para que un determinado evento, considerado probable en la previsión, se produzca efectivamente. También hace un uso extensivo de los sistemas de aprendizaje automático y la inteligencia artificial. Lo que varía es la forma en que se entrenan estos sistemas, ya que están orientados a extraer evaluaciones de diferente tipo.
Antes de cada acción, los datos deben en todo caso ser encontrados y seleccionados con procesos de data mining y data cleaning, imprescindibles para extraer valor informativo.
Dicho esto, big data no es la piedra filosofal. Como ya se ha observado ampliamente, no es fácil separar la información útil de la inútil. Además, incluso logrando implementar una selección precisa, siempre existe el prejuicio subyacente ligado a la imposible imparcialidad del algoritmo. La inteligencia artificial y el aprendizaje automático, de hecho, sufren inevitablemente los mismos prejuicios y sesgos cognitivos de quienes los programaron.
Ya se han dado numerosos casos en los que algunos segmentos de la población han resultado marginados o penalizados por el análisis estadístico encomendado a procesos automatizados. Básicamente, el big data analyst seguirá necesitando el instinto humano para tomar las decisiones correctas.
Cómo formarse para trabajar como big data analyst
El big data analyst es una figura con gran demanda en muchos sectores. Según análisis realizados por la Oficina de Estadísticas Laborales de Estados Unidos, las empresas con analista de datos aumentaron un 57 % en la década 2010-2020. Este profesional suele empezar como analista de datos júnior, para luego llegar a ocupar puestos de mayor responsabilidad. Hasta especializarse como big data analyst o científico de datos.
Es recomendable tener una formación científica y se privilegian los egresados en materias como Estadística, Matemáticas, Informática, Ingeniería Informática, Data Science. Pero también Economía, Finanzas o Administración de Empresas, ya que el rol también está vinculado a comprender la dinámica del mercado en el que opera la empresa. Además, existen varios másteres o boot camps para especializarse en big data analytics con un enfoque práctico.
En todo caso, son necesarias las siguientes habilidades:
- Básicas: estadística, probabilidad, informática.
- Técnicas: programación y uso de software de análisis y BI, así como herramientas de informes y técnicas de visualización de datos; conocimiento de lenguajes de programación (SQL, Python, R, VBA); conocimiento de los sistemas de gestión de bases de datos.
- Especialidades: data management, data modeling, data mining y data enrichment, cluster analysis, text mining.
- Socio-relacionales: capacidad para comunicarse de forma sencilla, propensión a la resolución de problemas, pensamiento analítico, atención al detalle.
Por Alberto Barbieri
Imágenes I Adeolu Eletu/Unsplash, https://unsplash.com/photos/unRkg2jH1j0
Carlos Muza/Unsplash, https://unsplash.com/photos/hpjSkU2UYSU
Myriam Jessier/Unsplash, https://unsplash.com/photos/eveI7MOcSmw
