Viernes, 25 de Octubre, 2019

¿Qué es la alfabetización de datos (Data Literacy)?

Los humanos generamos millones de datos en nuestras interacciones diarias con las redes sociales, búsquedas de internet y en general todas nuestras actividades en las que interviene un aparato electrónico que esté conectado a la web, ya sea un smartphone, computadora o consola de videojuegos por lo que es necesario darles curso y sentido a esta serie de datos para lograr reconocer patrones de comportamiento y posibles tendencias.

Analizar este tipo de datos, especialmente si se está tomando en cuenta el big data, significa que interpretarlos es necesario un conocimiento de matemáticas y estadísticas, por lo que se han ido requiriendo especialistas cada vez más capacitados para interpretar estos datos de una manera adecuada, ya recopilarlos debe tener un fin claramente acotado. Quienes se dedican a descifrar estos comportamientos deben tener algunas o todas de las siguientes habilidades

·  Categorizar los datos según su propósito en particular

·  Traducir estos comportamientos de manera gráfica en forma de tablas o gráficos que sean entendibles para cualquier persona

·  Tener una habilidad especial de síntesis y poder reconocer de manera crítica sus resultados

·  Poder comunicar los descubrimientos hechos a cualquier persona que conozca nada acerca de los datos, esta habilidad es mejor conocida como Data Storytelling

Además de los métodos convencionales de búsqueda que se relacionan con escribir las preguntas, hay una nueva tendencia en auge que es la búsqueda por voz que necesita conocimientos más específicos y programas diferentes para tener estadísticas confiables que puedan ser utilizadas en beneficio de la empresa.

En la actualidad existen especializaciones para capacitar en esta rama referente al análisis de datos, pero, ¿qué hace precisamente el Data Scientist?

El científico de datos traduce los grandes volúmenes de datos que vienen de fuentes de información masiva con la finalidad de convertirlas en respuestas; además de las características que ya se mencionaron pueden usar softwares especializados en analizar datos masivos que son conocidos como machine learning que lo ayudarán para comparar modelos de negocio con los que pueda decodificar, crear hipótesis y jugar con distintas probabilidades con la finalidad de trazar una ruta de negocio. Este experto debe ser capaz de comprender el lenguaje informático para que pueda dar soluciones prácticas y concretas sobre problema.

Un ejemplo del uso de estos datos interpretados por un científico de datos es el conocida Navidata que recopilando la información de las compras de los españoles en la Navidad de 2017 se pudo saber cuál es el gasto promedio por español en estas fechas, qué artículo y sector es el más relevante, cuánto es el gasto mínimo por zona y por grupo social, cuáles transacciones se hicieron por internet y cuál es la zona en la que se gasta más y en la que se gasta menos. Claramente esto puede marcar una tendencia para focalizar los esfuerzos en las campañas de marketing si se busca tener más ventas y en los negocios locales para reconocer si deben cambiar o vender sus artículos con el mismo enfoque. Otro caso más conocido fue el despliegue de datos obtenido para la campaña de reelección de Obama quien creó un equipo de 50 personas en sus oficinas centrales y 30 más que fueron mandados a todos los rincones del país, de todos ellos 20 personas más estaban dedicadas únicamente al análisis de datos que se vertieron en tres categorías que era el de votantes convencidos, dudosos y verificación de que el votante ejerciera su derecho en las urnas correspondientes. Esto dio lugar a que los equipo de comunicación y de marketing de campaña trabajaran por primera vez juntos y lograra hacer más eficientes sus esfuerzos, ya que cruzaron estos datos con las audiencias, precios de publicad y registros demográficos.

De esta manera se optimizaron los recursos, y se pudieron establecer prioridades para la campaña como no gastar tiempo y dinero en aquellos que no estaban convencidos con la campaña o en quienes no era posible convencer: esta estrategia fue un acto sin precedentes en el que se demostró la eficacia del análisis de datos para lograr resultados reales en un ambiente controlado.

Un ejemplo más es el del análisis de datos para deportes entre los que se encuentran el béisbol el fútbol americano y todos aquellos que puedan ser susceptibles de generar big data, el caso más conocido fue el del gerente deportivo Billy Beane, quien con la ayuda de un joven economista contrató a jugadores infravalorados, pero muy rentables para el equipo y pensando en las posiciones que ocuparían y además el rendimiento estimado que darían para generar una especie de visión global del equipo por medio de esta información que lo ayudaría a estar en la postemporada del 2000 al 2003 y logró ganar al menos 20 partidos consecutivos con una plantilla que generaba un costo de nómina inferior a los grandes equipo, pero que resultaba ser muy eficiente.

Como se puede apreciar la labor de científicos de datos es de vital importancia en la nueva era de Internet, así como en la del big data, es una ventaja tener personas con este perfil, ya que representa una veta importantísima con la que se pueden optimizar gastos, llegar a personas interesadas y establecer objetivos más precisos y reales.

En el caso del departamento de recursos humanos sucede algo muy similar por medio del HR Analytics se pueden recopilar por medio de las redes a los candidatos que se necesitan para puestos específicos así como hacer un perfil basándose en los principales comportamientos de los usuarios, de la misma manera, dentro de una empresa es posible mejorar el clima laboral con encuestas anónimas o también es posible valorar si están siendo aprovechadas o no las diversas áreas de la empresa para implementar las acciones necesarias que mantengan la mayor eficiencia y calidad posibles.

Encuentra este y más contenido en el blog de Runa, el sistema de nómina automatizada y gestión de personal que está diseñado para reducir los tiempos de cálculo y realizar tareas como reportes o evaluaciones de desempeño.

¿Te gustó el artículo?

Promedio / 5. Votos:

Anterior:

HR Management

5 señales de que estás en tu zona de confort Los humanos generamos millones de datos en nuestras interacciones diarias con las redes... Los humanos generamos millones de datos en...
Siguiente:

HR Management

Seguro de vida para dueños de negocios Los humanos generamos millones de datos en nuestras interacciones diarias con las redes... Los humanos generamos millones de datos en...
Más Artículos...
Más Artículos...

HR Management

HR Management Los humanos generamos millones de datos en nuestras interacciones diarias con las redes... Los humanos generamos millones de datos en nuestras interacciones diarias con las redes...

HR Management

HR Management Los humanos generamos millones de datos en nuestras interacciones diarias con las redes... Los humanos generamos millones de datos en nuestras interacciones diarias con las redes...

HR Management

Manejo de situaciones Los humanos generamos millones de datos en nuestras interacciones diarias con las redes... Los humanos generamos millones de datos en nuestras interacciones diarias con las redes...

HR Management

Manejo de situaciones Los humanos generamos millones de datos en nuestras interacciones diarias con las redes... Los humanos generamos millones de datos en nuestras interacciones diarias con las redes...

HR Management

Información relacionada Los humanos generamos millones de datos en nuestras interacciones diarias con las redes... Los humanos generamos millones de datos en nuestras interacciones diarias con las redes...

HR Management

Información relacionada Los humanos generamos millones de datos en nuestras interacciones diarias con las redes... Los humanos generamos millones de datos en nuestras interacciones diarias con las redes...