Nos enteramos por diferentes fuentes que los profesionales mejores pagos y más demandados son los científicos de datos. La prestigiosa revista académica y científica Harvard Business Review la nombró como "la profesión más sexy del siglo XXI". Pero ¿para qué sirve esta ciencia que, muchos citan, tan suculentos sueldos pagan y pocos saben qué es?

Estamos rodeados de ciencia de datos: en cada anuncio que nos aparece al abrir nuestro correo, al hacer una consulta en un buscador web o al ingresar a la red social que frecuentamos.

Estos están presentados y ordenados de una manera personalizada completamente alineada a nuestro perfil personal. Constantemente estamos siendo alcanzados por los desarrollos y las predicciones de la ciencia de datos y ni hablar de las aplicaciones a nivel empresarial y corporativo, que permiten:

• A los bancos saber de antemano si un cliente pagará, o no, la tarjeta o el préstamo tomado.
• A las compañías de seguros saber si un asociado cometerá fraude.
• A empresas manufactureras o comerciales planificar sus compras a partir de la predicción de la demanda.
• A una empresa de energía predecir el lugar exacto a partir del cual localizar un pozo de petróleo o gas que los desborde de su preciada materia prima.

Justifica ahondar en esta nueva área de la inteligencia artificial que tanto cautiva a nuestros contemporáneos. Les di una pequeña pista: la ciencia de datos se podría enmarcar en el contexto de la inteligencia artificial.

En su definición más amplia, la inteligencia artificial trata sobre los procesos y las técnicas tendientes a emular e implementar un comportamiento inteligente tal cual lo conocemos e identificamos los humanos.

Para ello, podemos tomar dos caminos diferentes: o le proveemos al dispositivo con aspiraciones inteligentes una serie de reglas que emulen un comportamiento experto, o dejamos al dispositivo computacional en cuestión que, mediante la ingesta de una considerable y voluminosa cantidad de datos a ser procesados mediante complejas operaciones computacionales y estadísticas, encuentre los patrones subyacentes. A este último tipo de procesos se lo denomina aprendizaje automático, o "machine learning" en la lengua de Shakespeare.

Si a la estadística y al análisis computacional del voluminoso corpus de datos, le adicionamos el conocimiento del entorno, obtendremos entonces lo que se define como ciencia de datos.

Con esto me refiero al conocimiento que poseen y desarrollan los cultores y especialistas de los procesos a modelizar, sobre los cuales queremos accionar mediante un comportamiento que simule ser inteligente.

Los datos que utilizaremos deben haber sido pre-procesados mediante el análisis exhaustivo y el escrutinio pormenorizado realizado por especialistas del particular entorno de análisis a modelar.

Por ejemplo, en una página web de comercio electrónico, los datos que el sistema estadístico-computacional ingerirá deberán estar relacionados al comportamiento y al accionar específico de los clientes y del entorno que los lleva a consumar el objetivo buscado, como puede ser, la compra o no.

A modo de cierre, la ciencia de datos es entonces la confluencia entre lo más refinado de la estadística clásica, el machine learning y el conocimiento acabado del entorno a modelizar.

Los profesionales de ciencia de datos son muy demandados.

Una solución de negocios

Para los tomadores de decisión en cualquier ámbito, sea empresarial o institucional, la inteligencia artificial y su hija dilecta de extraño nombre, machine learning, les parece, de manera sumamente justificada y como a todos los que nos dedicamos a esto nos pasó en algún momento, algo relacionado con la NASA.

Con la cantidad de problemas y restricciones en las que las empresas se desenvuelven habitualmente, especialmente en nuestra región de América latina, ¡qué haría uno si le ponen un cohete en el depósito de su empresa! Lo miraría y diría, que lindo cohete, pero ¿qué hago con esto?

Este es el principal trabajo de los implementadores de soluciones de ciencia de datos y machine learning: dejar bien en claro los beneficios de su implementación y las ventajas competitivas que estas tecnologías brindan a las corporaciones que se dispongan a implantarlas, sean éstas de cualquier escala, incluso pymes.

A los modelos de machine learning ya no hay que considerarlos algo asociado al "Rocket Science", sino que deben ser vistos como una solución de negocios, como cualquier otra de las que han sido implementadas a lo largo de estas últimas décadas: los sistemas transaccionales y contables, las soluciones de administración de relación con el cliente (CRM) y tantas otras que han elevado la productividad e incrementado los beneficios de las organizaciones.

La ciencia de datos propulsa los nuevos negocios.

Es hora de entender el notable retorno a la inversión que estas tecnologías otorgan a los que la implementan. Abundan los casos de éxito a nivel global, y es por eso por lo que la onda expansiva ha llegado a nuestra región y se ha traducido en esta demanda de sus profesionales.

Sólo nos resta democratizar este conocimiento y hacer conocer las ventajas y los beneficios asociados a su implementación para que esta tecnología no quede esencialmente circunscripta a los unicornios de nuestras economías, sino que pase a ser parte de los tan ansiados impulsos que nuestra realidad socioeconómica necesita.

(*) Profesor de ciencia de datos e inteligencia artificial en UCEMA, UBA y UCA.