La analítica y el empleo de modelos, tarea pendiente para las empresas

A pesar del mayor valor que tiene para las compañías los datos como consecuencia de la digitalización impulsada por la pandemia de coronavirus, todavía cuatro de cada diez científicos de datos se muestra insatisfecho con el uso que hace su empresa de la analítica y el empleo de modelos, lo que repercute en su toma de decisiones. 

Según datos del último estudio de SAS, los científicos de datos todavía observan la existencia de importantes obstáculos para el desarrollo de un trabajo eficaz y un alto grado de descontento laboral en algunos ámbitos. 

Con más de un 90% de encuestados que es consciente del mayor valor que ha obtenido su trabajo como consecuencia de la pandemia, un 42% se muestra insatisfecho con el uso que su empresa hace de la analítica y el empleo de modelos, lo que sugiere un problema en la forma en que se utilicen los conocimientos analíticos para la toma de decisiones. 

Otro 42% declara que la información que ellos presentan no es tenida en cuenta en la toma de decisiones, lo que constituye uno de los principales problemas. 

“Está claro que ha habido una mayor exigencia para los científicos de datos, ya que la pandemia ha acelerado los proyectos de transformación digital que muchas organizaciones estaban planeando”, comenta Davide Cortellino, senior marketing data insights analytics en SAS. 

“Una de las principales fuentes de frustración es encontrar la manera en la que las organizaciones implementen los conocimientos de los proyectos de análisis y los utilicen en su toma de decisiones, lo que significa que dar a los científicos de datos un asiento en la mesa de la junta directiva podría ser una de las posibles vías a explorar”, añade. 

El estudio pone de manifiesto algunas carencias en determinadas competencias. Menos de un tercio de encuestados declara tener capacidad de escritura de código avanzada, requerida para tareas como la gestión de la nube y la administración de bases de datos. 

Además de lagunas en lo que respecta a la ética de la IA, con el 43% de los encuestados indicando que su organización no lleva a cabo revisiones específicas de sus procesos analíticos con respecto al sesgo y la discriminación. Solo el 26% de los encuestados explica que el sesgo injusto se utiliza como una medida de éxito del modelo en su organización. 

“Las organizaciones deben darse cuenta de que invertir en un equipo de científicos de datos con habilidades complementarias podría aportar un enorme valor para el negocio, por lo que el coste de la contratación debe tener en cuenta el retorno de esa inversión a medida que avanzamos hacia procesos empresariales significativamente más digitales e impulsados por la IA”, concluye Cortellino.