Llamamos Citizen Data Scientists (Citizen DS) a aquellas personas cuya dedicación principal es ajena al área de analítica de datos pero que son capaces de llevar a cabo tareas de analítica avanzada con cierto nivel de sofisticación, como parte de su trabajo.
En cierto modo, los Citizen Data Scientists son como esos “power users” de Excel que puedes encontrar en cualquier área funcional, solo que ahora tienen a su disposición cantidades mucho mayores de datos.
Además, cuentan con herramientas que automatizan y simplifican tareas que, hasta hace bien poco, solo podían realizar los Data Scientists (DS) y los Data Engineers (DE).
Los Citizen Data Scientists son usuarios de negocio capaces de realizar tareas analíticas con cierto nivel de sofisticación.
Son uno de los frutos de la democratización de la ciencia de datos, tendencia imparable y ya muy asentada en algunas organizaciones.
Algo muy relevante para entender esta figura es que nadie se llama a sí mismo “Citizen Data Scientist”, igual que no existen tarjetas de visita con ese cargo. Siguen siendo quienes eran en sus departamentos, solo que el contexto de datos, la exigencia del negocio y el avance de la tecnología han avivado sus capacidades analíticas.
El martes pasado, asistí en Campus Madrid de Google for
Startups a la presentación del Observatorio del Impacto Social y Ético de la
Inteligencia Artificial (OdiseIA).
Durante la mesa de debate que se organizó tras las conferencias iniciales, me chocó bastante una idea que se repitió en al menos un par de ocasiones: que los usuarios renunciamos con mucha facilidad a nuestra privacidad a cambio de comodidad, a cambio de que esas aplicaciones y servicios nos hagan la vida más fácil, todo esto propiciado, además, por la pasividad y la falta de cultura.
La idea de que regalamos nuestros datos a cambio de comodidad y por pasividad ha sido recogida por la mayoría de los medios que cubrieron el acto, como en este ejemplo de Cinco Días
A simple vista, es una idea fácil de comprar. Sin embargo,
me pregunto si verdaderamente es así.
¿Damos voluntariamente nuestros datos personales y abrimos
muchos otros rincones de nuestra privacidad solo a cambio de comodidad? ¿El
problema es nuestra pasividad? ¿O nuestra falta de cultura sobre privacidad?
¿O acaso los grandes recopiladores de información invierten ingentes cantidades de esfuerzo y de dinero en lograr que les demos nuestros datos?
¿Damos nuestros datos por pasividad o existe por parte de terceros una voluntad activa e incesante para lograr que bajemos la guardia?
¿Falta tanta cultura sobre privacidad o sobra tanto esfuerzo para hacer opaco lo que ocurre con nuestros datos una vez que le damos al botoncito de «acepto las cookies»?
Es demasiado inocente pensar que es libre e informado (o, peor aún, que es fruto exclusivo de la ignorancia y la pasividad) el nivel de renuncia a nuestra privacidad en la que incurrimos, por ejemplo, cuando descargamos una app y aceptamos sus términos y condiciones y le damos permisos sobre nuestro dispositivo.
Para empezar, porque los desarrolladores de esa app han dedicado mucho tiempo, esfuerzo y dinero en llegar a ti, en estar por delante de la competencia y en seducirte. Han aplicado técnicas y métodos que los profesionales del marketing y de los datos llevamos décadas mejorando y afinando. Cuentan con software, con datos, con expertos, para lograr que tengas la sensación de que descargarte esa app es lo que debes hacer ahora en tu vida.
Y una vez que tus datos son generados, recopilados, transmitidos, almacenados, agregados y explotados, pierdes por completo el control sobre ellos. Y esto, una vez más, no es mero fruto de la casualidad: es producto de un esfuerzo dirigido por cada vez más actores para lograr que esa opacidad siga estando acompañada de impunidad.
Si cualquiera de nosotros tuviéramos el presupuesto en abogados y lobbies de las grandes redes sociales, seguro que tendríamos nuestros datos mejor protegidos.
No es cuestión de pasividad, es cuestión de asimetría.
Un paper publicado por una investigadora de la universidad de Varsovia y otro de Stanford (ficha en Arxiv y enlace al PDF) estudia la correlación entre el estado de conservación de tu casa y tu riesgo, desde la perspectiva de una aseguradora de automóvil.
La principal conclusión del estudio es que, efectivamente, los datos relacionados con el estado de conservación de la vivienda mejoran la capacidad predictiva del modelo.
Ahora bien, me chirría que el autor se haya centrado únicamente en las funciones para crear esas descripciones de puestos, como si la especialización viniera (sólo) de las funciones desarrolladas.
Para mí, hay un factor igual (o más) importante que determina si hay encaje con el equipo/proyecto/empresa: la especialización de dominio.
Probablemente, en perfiles de corte más junior no sea tan relevante, ni en aquellos más pegados al dato, como el Data Engineer. Sin embargo, en cuanto subes el nivel de abstracción, el conocimiento del dominio resulta esencial para ponerle sentido al dato.
Así que, usando sus cinco categorías, las de «Data Analyst» y «Data Scientist» son las que tienen mayor dependencia del bagaje que tengas en esa área de conocimiento.
En Leads Origins, recibimos muchas candidaturas de personas de perfiles alejados de nuestro dominio (marketing y ventas) para trabajos que son, puramente, los de «Data Analyst» y «Data Scientist».
Gemma Muñoz, de «El arte de medir», tuvo el detalle de invitarme a su podcast.
Pasamos un buen rato charlando sobre la situación actual del aprovechamiento de los datos de marketing en las empresas; también, de las Customer Data Platforms y de cómo puede una empresa darle la vuelta a su situación actual y comenzar a recopilar, procesar y activar sus datos de marketing de forma satisfactoria.
El pasado jueves, participé en una mesa redonda en el I Foro Garrigues Digital, organizado por el conocido despacho de abogados.
Aunque se trataron muchos temas muy interesantes, el asunto que generó más comentarios fue, sin duda, todo lo relacionado con la explotación de los datos y la regulación al respecto. No podía ser de otro modo, en estas semanas de resaca tras la plena entrada en vigor del GDPR.
Y entre las cuestiones relacionadas con los datos, me llamó la atención cuánto se habló de un concepto que, hace sólo unos meses, era un tema marcadamente de nicho: la explicabilidad de la inteligencia artificial.
