Por José Luis Delgado Davara del Sector de Conocimiento y Aprendizaje del Banco Interamericano de Desarrollo

[message_box color=”yellow”]Este es el segundo artículo de una serie que explica en detalle cada una de las metodologías de innovación abierta. Esperamos disfruten el especial y les sea de utilidad el contenido. [/message_box]

Minería de datos, análisis de datos, ciencia de datos… Hoy en día estos conceptos  parecen estar a la moda, sin embargo, no todo el mundo está al tanto del valor que aportan en la resolución de problemas.

Una manera de promover el uso de estas ciencias en la resolución de problemas es utilizando la metodología de innovación abierta conocida como Expedición de Datos. La misma tiene como objetivo ayudar a organizaciones a resolver un reto concreto basándose en el estudio de sus datos. De esta manera, ayudarles a extraer el mayor valor posible de los mismos. Para resolver el asunto en cuestión se involucran analistas de datos, informáticos, estadísticos y expertos en la materia específica. La expedición de datos consiste en un evento de dos o tres días de duración en los que los participantes colaboran por equipos analizando, recopilando y visualizando datos.

Como resultados generales, una expedición de datos ayuda a las organizaciones a:

• Encontrar nuevos puntos de vista y nuevas técnicas para resolver un reto.
• Enseñar el potencial del análisis de datos a personal no relacionado con técnicas de Big Data.
• Identificar talento especializado para llevar a cabo tareas de limpieza y análisis de bases de datos en organizaciones.
• Generar un debate sano, entre diferentes especialistas, basado en datos y con objetivos claros sobre un tema determinado.

 

A continuación, te presento algunas recomendaciones para llevar a cabo una expedición de datos en tu organización:

 

1 Ten claridad en las diferentes etapas

Una expedición de datos se compone de dos etapas. En primer lugar, se realiza una sesión denominada Bootcamp, en la cual se le imparte a los participantes un curso acelerado sobre el tema a analizar, por ejemplo, podría ser sobre epidemiología o finanzas, todo depende de la naturaleza de los datos. De esta manera, los científicos de datos obtienen un contexto sobre el cual estudiar los datos.

En segundo lugar, durante el bootcamp también se hace una introducción general a los conjuntos de datos que se utilizarán.

Finalmente, se lleva a cabo una la expedición de datos en sí, durante la cual los participantes trabajan en equipo para validar sus hipótesis, crear visualizaciones o diseñar algoritmos predictivos que estén relacionados directamente con la solución del problema.

 

2 Define de manera detallada el problema

Los objetivos de una expedición de datos se deben construir en base a un problema, no en base a un conjunto de datos. Para encontrar respuesta a un problema es necesario hacer una buena descripción del mismo y asegurarse de que se enfocará el trabajo hacia los resultados esperados.

Al fin y al cabo, una buena respuesta siempre va precedida de una buena pregunta, que razonablemente puede ser respondida por los participantes apoyados por los datos que tienen a su alcance.

Por ejemplo, si estás organizando una expedición de datos relacionada con la problemática del Zika, asegúrate de delimitar el alcance y la razón de ser del análisis.  No presentes el objetivo de “Resolver la problemática del Zika en Brasil”. Esto deja abierta demasiadas áreas en las que trabajar y no define los resultados. En cambio, puedes definir como objetivo “Encontrar los factores que más afectan a la propagación del Zika y explicar visualmente cómo estos factores han influido en la evolución de la enfermedad”.

 

3 Comunica claramente las expectativas

La comunicación de expectativas es muy importante a la hora de conseguir los resultados esperados. Es recomendable que durante la sesión del Bootcamp no sólo se haga una introducción a los datos y al problema, sino también presentar ejemplos de resultados obtenidos.

Es decir, si se quiere obtener un resultado visual y alcanzable al final del evento, se pueden enseñar resultados hechos con las herramientas de ShinyR o python plot para marcar las expectativas antes de empezar; estas son herramientas de visualización de datos con las que se obtienen resultados muy buenos y fácilmente integrables en un formato web. Por otro lado, si lo que se quiere es desarrollar un algoritmo de predicción de brote de enfermedades, se pueden hacer referencias a otros trabajos como el realizado por Damian Mingle en Chicago.

En definitiva, es tan importante la comunicación de expectativas como la comunicación del reto.

 

4 Identifica bien a los participantes y facilitadores

Mientras mejor distribuyas a tus participantes y facilitadores, mejor será el resultado final. Es importante que cada equipo tenga conocimientos multidisciplinares. Puedes mezclar en un mismo equipo a informáticos, analistas, científicos y diseñadores. Cada uno aportará a su equipo diferentes habilidades y perspectivas. Sin embargo, es importante que exista al menos un analista de datos en cada equipo, si no, difícilmente podrás manipular y visualizar datos.

Por otro lado, el rol de los facilitadores o mentores es esencial. Estas son las personas con más experiencia y conocimiento sobre el asunto en cuestión y por ende guiarán a los participantes en la obtención de conclusiones. Los facilitadores forman parte de la organización que quiere potenciar el valor de sus datos y su cometido es ir equipo por equipo haciendo las preguntas adecuadas para guiar los trabajos de los participantes hacia buen puerto. De esta manera, asegurarse que los resultados satisfagan las necesidades de la organización.

 

5 Provee buenos datasets

Finalmente, cuanto más rico en filas y columnas sean los conjuntos de datos, más materia prima tendrás para trabajar y obtendrás más variedad de resultados. Sin embargo, la cantidad no lo es todo; la calidad de los datos, la claridad de ellos para los participantes, el detalle de los mismos y su relevancia con el tema, juegan un papel importante para la obtención de conclusiones.

 

Espero que este artículo te haya ayudado a entender los beneficios de una expedición de datos y que puedas aplicar los conceptos más importantes en la creación de la tuya.

 

 

¿Has desarrollado o planeas desarrollar una expedición de datos? ¡Suma tus comentarios sobre tu experiencia abajo!