Si, como afirmó el escritor de ciencia ficción Arthur C. Clarke, "cualquier tecnología suficientemente avanzada es indistinguible de la magia", a veces da la sensación de que la ciencia de datos se ve como sacar conejos de sombreros. Por supuesto, esta visión es errónea. Es la percepción de lo que yo llamo "magia de datos", en la que la gente cree que los datos pueden bombearse en un extremo de la "máquina de la ciencia de datos" y el widget perfecto (la solución a los problemas de todo el mundo) surgirá en el otro lado.
En gran medida, esto se debe a que la gran mayoría de la gente no entiende el funcionamiento de la ciencia de datos, y cuando se entra en las áreas más avanzadas, como el aprendizaje profundo, incluso muchos científicos de datos reconocerán que no entienden los muchos niveles de complejidad. Pero si usted es un científico de datos, (en su mayoría) sabe lo suficiente como para saber cuándo está fuera de su alcance. Sin embargo, fuera de la comunidad de científicos de datos, no siempre es así. Y es comprensible.
En parte, es culpa nuestra. Es un club difícil; históricamente difícil de penetrar para los "forasteros", y mucho menos de entender. Los lenguajes de la ciencia de datos se han mantenido cerca del pecho. Al igual que la Iglesia católica seleccionó el latín eclesiástico como lengua de comunicación principal para controlar los mensajes, sobre todo durante la Edad Media y principios de la era moderna, los científicos de datos podríamos ser acusados de acciones similares, aunque obviamente no a la misma escala ni con un impacto tan directo en poblaciones enteras. Pero, al igual que las Reformas del siglo XVI condujeron a la liberación del lenguaje, haciendo que los principios de las diversas iglesias cristianas estuvieran más al alcance de las masas, la ciencia de datos debe ahora ampliar aún más su lengua vernácula.
Un lenguaje compartido nos permitiría dejar de creer que los científicos de datos tienen capacidades místicas para resolver cualquier problema, haciendo pasar los datos por un entorno de IA para producir los resultados deseados, como por arte de magia. Ayudaría a la gente a entender que la ciencia de datos no es una panacea mágica.
De hecho, si realmente desea una ciencia de datos avanzada, una de las peores cosas que puede hacer es asignar un científico de datos para resolver problemas aislados o ad hoc, ya que esto silenciará la comunicación al mantener la ciencia de datos en la trastienda.
Más bien, la mejor manera de proliferar la ciencia de datos es exponer los problemas a nivel empresarial, entendiendo que, si se hace bien, la ciencia de datos es un deporte de equipo. Contar con equipos multidisciplinares dedicados a productos o clientes produce resultados empresariales superiores y desarrolla la comprensión interfuncional. Una cohorte que incluya a un asociado comercial, un gestor de productos, un ingeniero, un científico de datos y representantes de otras organizaciones funcionales clave debería encerrarse en una sala sin interrupciones para una reunión de mentes centrada en las mayores necesidades y oportunidades. Aquí es donde se produce la verdadera magia.
Aun así, el viajero debe ser consciente de las señales de advertencia. Si, al trabajar con clientes u otras terceras partes con espíritu de colaboración, empiezas a buscar soluciones explicables para absolutamente todo el mundo, haz una pausa. Del mismo modo que un mago no limita su actuación a trucos elementales, el público entiende que los científicos de datos no deben buscar por defecto soluciones fácilmente explicables. Diluir deliberadamente el proceso puede tener el efecto colateral de ofrecer una solución menos que óptima para el problema. Es un equilibrio.
Ese equilibrio depende de que las empresas confíen en las capacidades de sus científicos de datos. Este es el tipo de confianza y equilibrio que permite a las empresas tecnológicamente avanzadas llegar a sus respectivos conjuntos de verdad.
Este artículo se publicó originalmente en Medio.
