ūü§ĖNo se aprende “Big Data” en un curso de 2 horas, pero tampoco ocupas un doctorado – Compartimos 3 DO’s and DONT’s para identificar el conocimiento de calidad en anal√≠tica

La transformaci√≥n digital lleg√≥ a boca y mente de casi todas las organizaciones en este 2019 (algunas desde antes).¬† Frases como: “No hay que quedarnos atr√°s” ; “No queremos ser el blockbuster”, “AIRBNB est√° compitiendo a los hoteles¬† y no tienen como defenderse” ; etc.¬† se esuchaban en los “radiopasillos” de la mayor√≠a de las empresas de LATAM y, m√°s de cerca, en M√©xico.

Datlas_DigitalTransformation

El caballo de batalla en esta transformaci√≥n afortunadamente (lo digo para startups como Datlas) ha sido la anal√≠tica. Se han contratado consultores de lo m√°s sofisticado. Un dineral invertido en sistemas como lago de datos y licencias de software. Pr√°cticamente armamos un “Ferrari”. Pero… y ¬ŅQui√©n los va a conducir?¬† Y hemos visto en la industria errores TERRIBLES en esta ejecuci√≥n. En esta columna hablaremos de los DO’s and DONT’s de implementar anal√≠tica y Big Data en las organizaciones. Sobre todo el tema de c√≥mo aprenderlo.

“Yo considero que empec√© a aprender (Big data) sin saberlo en mis primeras clases de estad√≠stica, pero no sab√≠a que eso en el futuro iba a ser Big Data”

“(…)No necesitas 2 doctorados para ya hacer algo valioso”

-Anónimos, científicos de datos-

Datlas_barra_suscribir

CONTEXTO

Tambi√©n te va a interesar leer estos blogs ….

Ya hemos hablado en estos blogs sobre los perfiles, metodologías y ejemplos pero quisimos complementar con toda la sección de cómo identificar un buen aprendizaje de Big Data. Y algunas observaciones en el otro polo, el cómo SI aprender

DONT’s

  • No se aprende en un curso de 2 horas. Hoy en d√≠a prolifera en internet la oferta de cursos y aprendizajes de Big Data , pero no hay que olvidar que esta materia tiene bastantes fundamentos estad√≠sticos de trasfondo. Recomendamos leer libros sencillos como NAKED STATISTICS donde por $10 dllrs podr√°s incrementar la comprensi√≥n estad√≠stica tuya o de tu equipo.

 

  • Un Data Scientist no es un experto en todos los dominios de la ciencia de datos. La anal√≠tica avanzada requiere de la convivencia entre m√ļltiples √°reas de conocimiento desde un ingeniero de datos hasta un analista de negocio. Una parte del valor agregado, sin duda un valor cada vez m√°s incremental, viene del data scientist. Sin embargo si quieres fundamentar una buena estrategia requieres cubrir m√ļltiples √°ngulos de esta actividad apropiadamente.

 

  • No requieres un doctorado. Big data es una ciencia relativamente nueva y es muy constante la cantidad de publicaciones como lo cita CMINDS. Como cualquier nueva ciencia, deporte o instrumento. Uno se siente atra√≠do por esas espectaculares formas de meter “goles” o “canastas”. Tambi√©n por la manera de que “tal” artista toca una canci√≥n y tu la quieres replicar. En el campo de ciencia de datos los de nuevo ingreso comenzamos queriendo hacer lo m√°s complejo. Poco a poco eso te lleva a mapear las √°reas donde quieres especializarte. Alguien con doctorado ya est√° especializado en un √°rea, y eso ayuda.. sin embargo un buen encargado de anal√≠tica puede figurar mientras contin√ļa desarrollando su conocimiento.

Datlas_barra_suscribir

DO’s

  • Se aprende colaborativamente.¬† Las mejores estrategias de anal√≠tica como las de BBVA o UBER funcionan de manera colaborativa. Es decir evitan el “compro un software de millones de d√≥lares para que una o dos personas lo manejen”. De manera m√°s natural hay un ambiente de trabajo donde todos tienen hambre de compartir su trabajo y, con la correcta documentaci√≥n, el nivel general va subiendo de nivel poco a poco.

 

  • Ense√Īa y explica , basta de cajas negras. La ciencia de datos es muy especializada, sin embargo no pueden existir m√°s cajas negras. Como lo platicamos en “Por qu√© no necesitas un data scientist en tu organizaci√≥n” , un analista deber√° ser capaz de explicar de manera sencilla su trabajo. Dejar de lado los complejos t√©rminos estad√≠sticos y ser m√°s “ameno” en sus capacidades de comunicaci√≥n.

 

  • Contribuye a la comunidad. Existen comunidades como Data Science & Engineering Monterrey en las que generadores de datos y anal√≠tica comparten sus hallazgos y conocimientos.¬† Si descubres algo que valga la pena , √ļnete a alguno de estos c√≠rculos virtuosos para que crezca la comunidad.

Hasta aqui el blog de hoy. Para cerrar nos gustar√≠a puntualizar en los distintos roles dentro de un equipo de datos y algunas de las plataformas en las que se requieren especializar. Si le quieres entrar y avanzar al mundo de los dato “hay tarea” y por aqui algunas rutas de c√≥mo empezar.

Datlas_Netmind_BigData_Analisis

Danos tu opinión sobre cómo has aprendido de datos, analítica y cómo has compartido todo esto que has aprendido.

Equipo Datlas

– Keep it weird –

 

 

 

2 comentarios en “ūü§ĖNo se aprende “Big Data” en un curso de 2 horas, pero tampoco ocupas un doctorado – Compartimos 3 DO’s and DONT’s para identificar el conocimiento de calidad en anal√≠tica”

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Est√°s comentando usando tu cuenta de WordPress.com. Cerrar sesi√≥n /  Cambiar )

Google photo

Est√°s comentando usando tu cuenta de Google. Cerrar sesi√≥n /  Cambiar )

Imagen de Twitter

Est√°s comentando usando tu cuenta de Twitter. Cerrar sesi√≥n /  Cambiar )

Foto de Facebook

Est√°s comentando usando tu cuenta de Facebook. Cerrar sesi√≥n /  Cambiar )

Conectando a %s

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios .