En 2012, la revista Harvard Business Review publicó un artículo en el que calificaba a la ciencia de datos como “el trabajo más sexy del siglo XXI”. Entre las razones se incluía la capacidad de la disciplina para extraer información de gran valor a partir de un montón de datos sin uso aparente, algo crucial en los negocios para cumplir objetivos. Entonces, la comunidad empresarial estaba de acuerdo con tal opinión.

Sin embargo, bastaron apenas 10 años para que la opinión general cambiara. Cada vez son más comunes los textos argumentando qué la ciencia de datos ya no resulta necesaria como hace una década. ¿De dónde vienen estos argumentos? ¿Tienen sustento? Los analizamos a continuación.

La saturación y la frustración

El frenesí en torno a la ciencia de datos provocó que muchas personas quisieran incursionar en el campo, motivadas en gran parte por los elevados salarios que, según sitios web como Glassdoor, podrían llegar a alcanzar. El resultado fue un mercado laboral que pronto se saturó. Esto, por su parte, hizo que muchas compañías iniciaran campañas de contratación desmedidas con la esperanza de mantenerse a la vanguardia o de maximizar su crecimiento y sus ventas gracias a la magia de la ciencia de datos.

Muchas de estas empresas, sin embargo, pronto se dieron cuenta de que la ciencia de datos no es magia. Pese a que la disciplina efectivamente tiene el potencial de producir grandes resultados, esto puede llegar a tomar meses o incluso años de intentos, experimentos y procesos de prueba y error, incluso con los profesionales más capaces.

Al no obtener los resultados deseados de inmediato, muchas empresas quedaron decepcionadas, lo que también causó frustración en los expertos en ciencia de datos, aunado al hecho de que una falta de conocimiento respecto a sus responsabilidades los llevó a ser quienes se esperaba que resolvieran problemas que ni siquiera estaban dentro de sus facultades. La falta de comunicación y de experiencia en gestión del capital humano solo empeoró las cosas.

Ante la ausencia de los retornos de inversión esperados, muchas empresas reestructuraron sus equipos, a menudo dejando fuera o bajando de nivel a los expertos en ciencia de datos, incluso después de haber invertido grandes sumas en su reclutamiento. La ambigüedad en las responsabilidades del puesto y los recortes de salario, entre otros problemas, también provocaron un éxodo de expertos en ciencia de datos.

La similitud en los problemas y la automatización

Los problemas con los que las compañías lidian, así como los flujos de trabajo relacionados con los datos, suelen ser bastante similares, sin una variación significativa de organización a organización. Esto significa que las tareas para las que se contrata a expertos en ciencia de datos a menudo son bastante recurrentes, y suelen implicar soluciones probadas una y otra vez.

Un buen caso de estudio es la industria de las apuestas, cuyo ejemplo puede aplicarse a cualquier otra industria. Los grandes casinos online extraen información a partir de los datos para poder diseñar sus estrategias de marketing y su oferta de juegos, bonos y recompensas ideales. Al estar ofreciendo los mismos servicios con ligeras variaciones, les resulta menos costoso y más eficiente invertir en soluciones automatizadas de ciencia de datos que en personal.

Grandes empresas tecnológicas como Google y Amazon han encontrado una gran oportunidad de capitalizar la homogeneidad de necesidades de las empresas, por lo que han lanzado al mercado poderosas soluciones de software impulsadas por inteligencia artificial y aprendizaje automático —como Google AutoML— que analizan datos y arrojan información valiosa. Tales soluciones son muy fáciles de usar, por lo que no se requiere más que conocimiento básico del tema —que puede obtenerse con cursos y certificaciones de las mismas compañías— para poder aprovechar sus beneficios sin necesidad de contratar a un experto en ciencia de datos.

El futuro de los científicos de datos

Debido al auge de las soluciones informáticas en ciencia de datos y a su facilidad de uso, ha surgido un debate en el que se plantea que la profesión de científico de datos va de salida. Aunque es un hecho que la tecnología puede alterar el funcionamiento de una disciplina, esto no significa que los expertos en tal disciplina necesariamente vayan a caer en la irrelevancia. En todo el mundo, por ejemplo, se han vuelto populares las soluciones para contabilidad personal. Esto, sin embargo, no ha eliminado la necesidad de tener a un contador de confianza.

Las soluciones automatizadas son poderosas, y esto es particularmente cierto en la era de la inteligencia artificial, pero no reemplazan por completo a la capacidad ni a la experiencia humana. Después de todo, siempre habrá algún problema que el software no pueda resolver.

Los problemas que experimentan las compañías podrán ser similares, pero al final del día, cada compañía tiene metas y propósitos distintos. Si bien un software de automatización como DataRobot es avanzado, no es capaz de lidiar con el preprocesamiento ni las otras arduas tareas que preceden al desarrollo de modelos.

Los científicos de datos tienen la preparación necesaria para establecer vínculos entres los números y los problemas que se busca atender. Si son capaces de construir sistemas de recomendación, modelos de segmentación y de evaluar prospectos y clientes, los científicos de datos seguirán siendo indispensables en una organización, siempre y cuando los resultados de su trabajo sean evidentes. Sin embargo, es esencial que continúen preparándose y ampliando sus conocimientos, particularmente en las áreas en las que el software flaquea, para evitar que la tecnología los rebase.