El rol del científico de datos

El artículo que les voy a compartir el día de hoy, se trata en realidad sobre cómo llevar a cabo una transformación digital y analítica en la industria manufacturera. Sin embargo, yo me centraré en mostrarles el papel que desempeña un científico de datos en dicho contexto (no sólo) de transformación digital.

Primer punto, los proyectos digitales requieren nuevos roles que abarcan tres funciones básicas de negocio:

Tenemos tres funciones de negocios o departamentos, el de IT, el de negocios y el digital, estos forman conjuntos que se interseccionan en tres roles fundamentales: 1) el ingeniero de datos (que se asegura que los futuros requisitos y el procesamiento de los datos sean robustos y completos), 2) el traductor de lenguaje digital (definir por ejemplo los requerimientos de los datos) y 3) nuestro científico de datos que se encargará de desarrollar conocimiento aprovechando nuevas fuentes de datos y mejorando los algoritmos.

Concretar este core (núcleo) es resultado de la adecuada combinación de talento "formado en casa" y la contratación de profesionales para funciones especializadas específicas:

La figura anterior se lee de derecha a izquierda, empezando por lo que sería nuestra fuente principal de talento ("de la casa" o contratación externa). La siguiente columna nos muestra los roles, en el centro nos muestra la relación del rol con su trabajo, la última columna a la izquierda, sería como el área de influencia. En nuestro caso, el científico de datos, tiene una pequeña parte de su trabajo en el área de unidades de producción como "tecnólogos de calidad y procesos". Sin embargo, su papel principal tiene las funciones analiticas en la implementación de proyectos de mejora continua de los recursos, cadena de suministro, marketing y ventas y tecnología.

Por último, cierro la entrada de hoy, mostrando una recomendacion de esquema de gobernanza eficaz de los datos:

Que se describe de la siguiente manera:

1. Visión y objetivos de los datos para establecer la dirección del programa y enfocar la inversión
2. La responsabilidad de los datos para definir quién es responsable y asegurar la propiedad
3. Priorización de datos para centrar el esfuerzo en los datos más importantes
4. Metadatos y linaje de datos para describir los datos y su procedencia
5. Calidad de los datos y controles para asegurar que los datos en limpio y los riesgos de los datos se gestionen de forma proactiva
6. Políticas, estándares y procesos para describir cómo debería funcionar la gobernabilidad
7. Retención de datos para controlar la cantidad de datos necesarios para procesar y gestionar
8. Privacidad y seguridad de los datos para proteger los activos de datos y asegurar que la información sensible sea salvaguardada

Lee el artículo completo: Enabling a digital and analytics transformation in heavy-industry manufacturing