Datos+tecnología+conocimiento, ¿es suficiente para un proyecto de Data Science?

En éste último tiempo han proliferado diplomados, cursos, meetups, conferencias, libros, revistas, blogs, videos en YouTube, y cuanto se nos ocurra respecto a técnicas de Data Science, Big-Data, Advanced Analytics, Inteligencia Artificial, Deep Learning, Machine Learning y un largo etcétera (me disculpan pero varios de estos temas están mal clasificados, mal explicados y/o mal aprendidos).

Y es normal, cada vez que ha habido una revolución tecnológica, se ha sucedido una sed natural por no quedarse afuera de la fiesta, o dicho en lenguaje de negocios, no perderse parte de la torta. Lo que sumado a que estamos en un momento donde difundir y consumir información es muy barato, la cosa se siente como una gran explosión. Abruma.

Aunque la capacidad tecnológica, al parecer, nunca había superado tanto nuestra capacidad de hacer algo con ella en lo cotidiano, abriendo un mundo de oportunidades, donde pareciera que todos los problemas del mundo se resolverán en una simple implementación del software del año, la ciencia de datos, podría decirnos otra cosa.

Como en todo, la capacidad de crear, desarrollar, y generar nuevas soluciones asociadas a ésta tecnología dependerá de un factor muy importante: el factor humano, claro, ese mismo que según muchos está a punto de dejar de ser relevante, porque las máquinas ya deciden por nosotros. Mmm…no, es justamente el talento, la capacidad de abstracción, de desarrollar nuevas formas de resolver los problemas, usando mucha imaginación, aprendiendo, por ejemplo, de la simplicidad (y complejidad) de la naturaleza, de usar principios matemáticos adecuadamente, de saber cuando y cuanto de la tecnología disponible es necesaria, es eso lo que convierte una solución en algo útil, y muchas veces sorprendente.

Claro, nadie quiere botar a la basura un proyecto de Data Science, porque en el libro X, decía que para el problema Y, la solución era Z, y por supuesto, en tu empresa el problema Y, es mas bien Y2+a+2b-c, y ahí es donde todo se complica.

Estas tecnologías nos ayudarán a resolver muchos problemas, por definición, son un gran aliado para tomar mejores decisiones, pero la primera decisión, la más importante, es saber el cómo las implementamos, y si el camino elegido es el adecuado.

En el 2017, en DataCiencia escribimos miles de líneas de código para nuestros clientes, de hecho la mayoría de ellas no fueron sacadas de ningún libro, fueron tan únicas como únicos son los problemas que enfrentamos, desafiamos la respuesta estándar y el resultado es más que gratificante.

He aquí el consejo, si vas a desarrollar un proyecto de Data Science, piensa primero en la solución, la tecnología debe estar al servicio de tu talento.

Por Rodrigo Hermosilla, Co- Founder y CEO de Dataciencia.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *