Les empreses cada vegada utilitzen les dades de forma més transversal, i per això cal disposar de perfils amb competències analítiques i de negoci. També és indispensable que aquests professionals tinguin la capacitat de lideratge. Aquesta és una de les conclusions de la 2a edició de la Jornada “Data + Decisions”, organitzada per l’ESADE Institute for Data-Driven Decisions, en què diferents experts han parlat de la importància d’analitzar les dades per prendre millors decisions empresarials.

“Estem entrant ara en una fase de democratització de la transformació analítica, en què el canvi cultural és clau”, ha assenyalat el professor Manu Carricano, director de l’ESADE Institute for Data-Driven Decisions. “Aquest canvi cultural passa per les persones i per la hibridació de les seves competències. D’una banda, els perfils analítics han de progressar en les seves habilitats de negoci i, d’altra banda, tant les decisions estratègiques com les tàctiques han de basar-se cada vegada més en models i en evidències”, ha afegit.

Amb la finalitat de conèixer quines competències tenen actualment els professionals i les empreses que treballen amb dades i quines són les que es perceben com a més valuoses en el sector, l’ESADE Institute for Data-Driven Decisions ha presentat, durant la jornada, la metodologia Data Literacy Index, creada amb el suport d’Outliers Collective. Aquesta tècnica innovadora, que s’ha presentat de forma pilot, permet una visió multinivell de la maduresa de les persones i de les empreses sobre competències clau per la transformació analítica, i vol ser una eina útil perquè les empreses i els treballadors sàpiguen en quins aspectes han de treballar.

El lideratge, la gestió i les matemàtiques, claus de l’èxit empresarial

A mesura que les empreses progressen en la seva transformació analítica, les competències de lideratge –és a dir, de visió estratègica, govern, lideratge i influència i ètica– adquireixen més importància. Altres competències valuoses per al sector són la capacitat de prendre decisions –que inclou aspectes com transformar les dades en accions o anticipar-se a múltiples escenaris– i els coneixements en matemàtiques i estadística en àrees com l’aprenentatge automàtic (machine learning), els models estadístics o l’anàlisi de dades i algoritmes.

Totes les persones enquestades en la prova pilot coincideixen a assenyalar que necessiten més formació per poder desenvolupar les competències necessàries per treballar amb dades. José Miguel Ibáñez, Big Data, Analytics & Data Science Lead d’HP, ha avançat que “les dades seran un llenguatge que tothom utilitzarà, i necessitem aprendre a entendre què ens volen dir les persones amb les dades que generen”. Segons Louis Dorard, promotor i president del cicle de conferències especialitzades en machine learning PAPIs, “la dificultat no és desenvolupar models que gestionin dades, sinó aprendre a integrar-los per solucionar els problemes de les persones”.

Per poder fer-ho, experts com Arthur Langer, director del Center for Technology Management de la Universitat de Columbia, subratllen que és essencial experimentar, innovar i assumir riscos, encara que aquests puguin implicar un potencial error. Les dades “no s’han d’emprar per fer el mateix procés d’una forma nova, sinó per innovar” , ha afegit.

A la jornada, també hi ha participat Uri Simonsohn, professor dels departaments de Direcció de Màrqueting i d’Operacions, Innovació i Data Science d’ESADE; Diego Villuendas, director de Data & Analytics de SEAT; Andrea Taverna, responsable d’Operations Research de Zalando; Patricia Junyent, directora regional de Business Analytics de Rebold; Javier Lombana, Customer Facing Data Scientist de DataRobot; Julián Rincón, Behavioural Economics Global Lead del BBVA; Xavier Guardiola, director de l’equip de Data Science de King, i Iasa Monique, estratega creativa de Domestic Data Streamers.