_
_
_
_
_
Tribuna
Artículos estrictamente de opinión que responden al estilo propio del autor. Estos textos de opinión han de basarse en datos verificados y ser respetuosos con las personas aunque se critiquen sus actos. Todas las tribunas de opinión de personas ajenas a la Redacción de EL PAÍS llevarán, tras la última línea, un pie de autor —por conocido que éste sea— donde se indique el cargo, título, militancia política (en su caso) u ocupación principal, o la que esté o estuvo relacionada con el tema abordado

El sector financiero ante el reto del ‘data science’

El científico de datos supone la evolución natural del analista de negocio y del de datos

Cuando Mark Carney dejó el Banco Central de Canadá para incorporarse como gobernador del Banco de Inglaterra escribió one bank, one mission en el frontispicio de la casi tricentenaria institución.

El objetivo era “maximizar el impacto del trabajo conjunto” y, para ello, se apoyó en la diversidad y el talento, en la coordinación efectiva de todas las áreas, en la transparencia y la accountability y, como cuarto pilar, en la excelencia analítica. En este último, basado en el empleo creativo de las mejores herramientas de análisis y la explotación de las fuentes de datos, reposa la revolución de lo que hoy se conoce como data science.

Cada día se generan 2,5 trillones de datos y el 90% de la información de toda la historia se ha creado en los dos últimos años. Solo en un minuto se lanzan 430.000 tuits, se realizan 125.000 llamadas por Skype, se efectúan 3,25 millones de búsquedas en Google y se ven 73,5 millones de vídeos en YouTube.

Y solo el 1% de toda esa información generada es analizada. El mundo gira en torno a la información y las necesidades de profesionales específicos crecen de forma exponencial.

"Solo en EE UU existe una demanda potencial de entre cuatro y cinco millones de puestos para estos especialistas en 2018”

Así nació el data science, la disciplina que combina habilidades de programación, estadística y matemáticas con estrategia y conocimiento del sector para generar valor e inteligencia de negocio. Va mucho más allá del CRM, de la estadística, de la informática o del análisis estratégico, porque requiere habilidades en todas esas áreas.

Y con la disciplina nace la figura del data scientist, el científico de datos, que supone la evolución natural del analista de negocio y del de datos. Partiendo de un entrenamiento formal similar, el científico de datos se diferencia por su conocimiento del negocio y su visión estratégica del mismo, junto con su capacidad de comunicar los resultados a los ejecutivos, para así poder transformar la forma en la que la organización aborda los retos. Los buenos científicos de datos no solo hacen frente a los problemas de negocio, sino que identifican los retos que contienen el máximo valor para la organización.

Anjul Bhambhri, vicepresidente de productos de grandes volúmenes de datos en IBM, lo definió como “alguien curioso, que puede mirar los datos y detectar tendencias; es similar a un artista del renacimiento que realmente quiere aprender y lograr un cambio en una organización”.

Mientras que un analista de datos tradicional estudia solo los datos de una única fuente (un sistema de CRM, por ejemplo), un científico de datos explorará y analizará datos de múltiples de ellas, no solo internas, con el objetivo de descubrir un patrón previamente oculto, predecir una tendencia y anticipar una crisis reputacional, para así proporcionar una ventaja competitiva o resolver un problema que afecta al negocio.

Y ya ha llegado el momento. Fue a finales de 2012 cuando Davenport definió al científico de datos como The Sexiest Job of the 21st Century. Hoy, el 43% de las empresas norteamericanas señalan que la falta de músculo analítico es su principal debilidad. Más de la mitad insiste en la necesidad de transformar la capacidad de análisis en información relevante para los ejecutivos.

Solo en los Estados Unidos existe una demanda potencial de entre cuatro y cinco millones de puestos de trabajo para estos especialistas en 2018; para entonces la brecha entre la oferta y la demanda será de alrededor del 50%. Pero es que en Europa la necesidad es todavía mayor, pues los salarios de startups y gigantes norteamericanas son tan atractivos que atraen todo el talento hacia ellas.

Carney mostró el camino a los bancos centrales, una autopista por la que ya circulan muchas de nuestras principales entidades financieras, como Santander, BBVA o Bankinter, y en la que las fintech ya están colocando sus estaciones de servicio. Formarse adecuadamente hoy supone estar preparado para asumir el reto en las mejores condiciones.

Juan Manuel López Zafra es codirector del Máster en Data Science para Finanzas del CUNEF, economista y Actuario.

Archivado En

_
_