3 Pasos previos para contratar a un Data Scientist

Hoy todos queremos explotar los datos de nuestra organización y probablemente hemos pensado en crecer los colaboradores, comprar herramientas o capacitar al personal que ya tenemos. Y muchas de estas veces estamos dirigiéndonos a atacar a moscas con escopetas. 

En este post, nos enfocaremos en 3 pasos previos para contratar a un Data Scientist y tener mejores resultados así como mejor aprovechamiento de recursos.

Problema

Para empezar a explotar datos, debemos de recorrer un camino previo que permita a los data scientist crear modelos, historias y conclusiones del porque del comportamiento de los clientes de la compañía. 

Es común escuchar que el 80% del tiempo de un proyecto de data Science se consume en el tratado, perfilado y limpieza de los datos. Para prevenir escenarios como este, se debe trabajar con un Ingeniero de datos que almacene, organice y distribuya los datos de la mejor forma posible y esta información pueda ser consultada por los colaboradores de la organización.

Si esta parte no se tiene, la integración de un Data Scientist no tiene mucho sentido, por lo menos si lo vemos por el lado del costo, que aunque serán capaces de preparar los insumos, el costo se eleva a través del tiempo.

Por tanto, es mejor preparar los datos con un equipo y luego trabajarlos con para su explotación.

Un buen camino para iniciar, visto desde un alto nivel sería el siguiente.

1. Democratización de datos y herramientas

Es un paso obligatorio para dar pie a una cultura data driven. Encontrar distintas verdades en una compañía que varían acorde al área no es poco común. Centralizar los datos, crear un gobierno de datos y democratizar las herramientas de uso y visualización es un paso obligado en este camino.

2. Reportes de estadística descriptiva

La estadística descriptiva son indicadores generales de la empresa. El número de clientes, ingresos, utilidades y promedios de alguna métrica caben en este punto. Crearlas significa que contamos con semáforos básicos y “fotos” del estado de nuestra compañía de forma histórica. 

También indican que los datos se van democratizando y podemos encontrar inconsistencias comparando de forma más rápida.

3. Descubrimiento de Insights

Los insights son datos que nos permiten conocer a nuestros clientes, prediciendo  comportamientos, gustos o razones.

Cuando somos capaces de descubrir estos datos, ya tenemos un nivel muy adecuado para empezar a crear modelos más complejos, y ahora sí, traer data scientists o desarrollar a nuestro capital humano que tiene la gran ventaja de saber del negocio.

Conclusión

Estos pasos pueden ser un resumen de gran ayuda si vas a empezar con esto y así evitar contratiempos y desperdicio de tiempo y dinero. Si quieres saber más puedes ir a ver la evolución de una compañía Data Driven en este post