Pero… ¿qué es un Citizen Data Scientist?

Llamamos Citizen Data Scientists (Citizen DS) a aquellas personas cuya dedicación principal es ajena al área de analítica de datos pero que son capaces de llevar a cabo tareas de analítica avanzada con cierto nivel de sofisticación, como parte de su trabajo.

En cierto modo, los Citizen Data Scientists son como esos “power users” de Excel que puedes encontrar en cualquier área funcional, solo que ahora tienen a su disposición cantidades mucho mayores de datos.

Además, cuentan con herramientas que automatizan y simplifican tareas que, hasta hace bien poco, solo podían realizar los Data Scientists (DS) y los Data Engineers (DE).

Los Citizen Data Scientists son usuarios de negocio capaces de realizar tareas analíticas con cierto nivel de sofisticación.

Son uno de los frutos de la democratización de la ciencia de datos, tendencia imparable y ya muy asentada en algunas organizaciones.

Algo muy relevante para entender esta figura es que nadie se llama a sí mismo “Citizen Data Scientist”, igual que no existen tarjetas de visita con ese cargo. Siguen siendo quienes eran en sus departamentos, solo que el contexto de datos, la exigencia del negocio y el avance de la tecnología han avivado sus capacidades analíticas.

A menudo, el Citizen Data Scientist “se oculta” detrás de cargos como Business Analyst, Business Intelligence, Market Research… Aunque áreas como marketing o desarrollo de negocio son el hogar perfecto para estos perfiles, existen en todas las áreas: contabilidad, finanzas, logística, producción, ventas…

Por qué están en auge

Tres factores contribuyen principalmente al auge de los Citizen Data Scientists:

• La escasez de Data Scientists

• El creciente deseo (¡y necesidad!) de usar los datos con profundidad en todas las áreas del negocio

• Herramientas cada vez más avanzadas que “empoderan” al usuario de negocio para llevar a cabo tareas inalcanzables hasta ahora

Aunque la escasez de Data Scientists suele mencionarse como la principal causa para la popularización de este nuevo rol, soy de la opinión de que no debe utilizarse al Citizen DS como remedio ante la escasez de científicos de datos. Cada rol es la solución a un problema distinto, no intercambiable.

La diferencia principal entre los Data Scientists/Engineers y los Citizen Data Scientist, más allá de su formación y conocimientos, es que estos últimos realizan tareas analíticas exclusivamente relacionadas con su ámbito de trabajo principal.

Los DS y DE “puros” pueden afrontar iniciativas analíticas más ambiciosas, con impacto trasversal a muchos departamentos o relacionadas con objetivos estratégicos de toda la organización. Son también los responsables de crear la estructura analítica y de datos que permite el trabajo de los Citizen DS. Por tanto, no cabe sustituir a unos por otros.

Además, los Citizen DS se encuentran en una posición privilegiada para realizar tareas de Data/Business Translator, como nexo fundamental entre el área de analítica de datos y su área de negocio. A menudo, el valor aportado por estas personas es la clave del éxito de una iniciativa analítica.

Cómo promover la aparición de Citizen Data Scientists en una organización

En mi opinión, el Citizen Data Scientist ni nace ni se hace: se le detecta.

¿Por qué es así? Porque, en realidad, en las grandes organizaciones, el Citizen DS ya está ahí: ya está trabajando con grandes cantidades de datos, ya está usando herramientas avanzadas y ya se están tomando decisiones departamentales basadas en sus resultados. Lo que ocurre a menudo es que ni IT ni Analítica lo saben (o no lo quieren saber) y, como resultado, su trabajo es ineficiente.

Hay que detectar, como digo, a quienes ya están realizando ese rol pero, también, a quienes podrían adoptarlo con facilidad, por una mezcla de sus funciones actuales, sus capacidades y sus intereses personales.

Una vez detectado un/a Citizen Data Scientist, real o en potencia, lo que hay que hacer con ellos es potenciarlos por medio de:

• Formación en habilidades genéricas analíticas, en el uso de herramientas específicas y en mejores prácticas que eficienten su trabajo.

• Herramientas adecuadas a las peculiaridades de su rol; en este sentido, las plataformas de Machine Learning que lideran el mercado cuentan todas con características específicamente dirigidas a los Citizen DS (algunas incluso hacen de esto su principal argumento de venta).

• Un entorno de datos que facilite sus tareas analíticas; debe caracterizarse, como mínimo, por contar con un modelo de datos documentado en el que no quepan dudas sobre el significado de negocio de cada dato, así como por tener capacidades que faciliten el descubrimiento de los datos necesarios para cada iniciativa.

• Una comunidad a su alrededor que promueva la gestión y el intercambio de conocimiento, para evitar el trabajo en silos y la continua reinvención de la rueda.

• Directrices generales y mejores prácticas recomendadas en ámbitos como privacidad, seguridad o ética en el manejo de los datos y de sus conclusiones analíticas.

En un entorno en el que las compañías que toman decisiones basadas en los insights que extraen de los datos crecen por encima del 30% anual, no fomentar la aparición de Citizen Data Scientists y no potenciar sus capacidades solo puede calificarse como error estratégico.