Las empresas utilizan, cada vez más, los datos de forma más transversal, y por ello es necesario contar con perfiles que reúnan competencias analíticas y de negocio. También es indispensable que estos profesionales tengan capacidad de liderazgo. Esta es una de las conclusiones de la 2ª edición de la jornada “Data + Decisions”, organizada por el ESADE Institute for Data-Driven Decisions, en que distintos expertos han hablado acerca de la importancia de analizar los datos para tomar mejores decisiones empresariales.

“Estamos entrando en una fase de democratización de la transformación analítica en que el cambio cultural es clave”, ha señalado el profesor Manu Carricano, director del ESADE Institute for Data-Driven Decisions. “Este cambio cultural pasa por las personas y por la hibridación de sus competencias. Por un lado, los perfiles analíticos tienen que progresar en sus habilidades de negocio, y por el otro, tanto las decisiones estratégicas como tácticas deben basarse, cada vez más, en modelos y en evidencias”, ha añadido.

Con la finalidad de conocer qué competencias poseen actualmente los profesionales y las empresas que trabajan con datos, y cuáles son las que se perciben como más valiosas dentro del sector, el ESADE Institute for Data-Driven Decisions ha presentado, durante la jornada, el Data Literacy Index, una metodología creada con el apoyo de Outliers Collective. Esta técnica innovadora, que se ha presentado de forma piloto, permite una visión multinivel de la madurez de las personas y de las empresas sobre competencias clave para la transformación analítica, y quiere ser una herramienta útil para que las empresas y los trabajadores sepan en qué aspectos han de trabajar.

El liderazgo, la gestión y las matemáticas, claves del éxito empresarial

A medida que las empresas progresan en su transformación analítica, las competencias de liderazgo –es decir, de visión estratégica, gobierno, liderazgo e influencia, y ética– cobran más importancia. Otras competencias valiosas para el sector son la capacidad de tomar decisiones –que incluye aspectos como transformar los datos en acciones o anticiparse a múltiples escenarios– y los conocimientos en matemáticas y estadística en áreas como el machine learning, los modelos estadísticos o el análisis de datos y algoritmos.

Todas las personas encuestadas en la prueba piloto coinciden en señalar que necesitan más formación para poder desarrollar las competencias necesarias para trabajar con datos. José Miguel Ibáñez, Big Data, Analytics & Data Science Lead de HP, ha advertido que “los datos van a ser un lenguaje usado por todo el mundo, y necesitamos aprender a entender qué nos quieren decir las personas con los datos que generan”. Para Louis Dorard, promotor y presidente del ciclo de conferencias especializadas en machine learning PAPIs, “la dificultad no está en desarrollar modelos que gestionen datos, sino en aprender a integrarlos para solucionar los problemas de las personas”.

Para poder hacerlo, expertos como Arthur Langer, director del Center for Technology Management de la Universidad de Columbia, subrayan que es esencial experimentar, innovar y asumir riesgos, aunque estos puedan implicar un potencial fallo. Los datos “no deben usarse para hacer el mismo proceso de una forma nueva, sino para innovar”, ha añadido.

En la jornada, también han participado Uri Simonsohn, profesor de los departamentos de Dirección de Marketing y de Operaciones, Innovación y Data Science de ESADE; Diego Villuendas, director de Data & Analytics de SEAT; Andrea Taverna, responsable de 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 del equipo de Data Science de King, y Iasa Monique, estratega creativa de Domestic Data Streamers.