Alquimia

"Los datos son las gafas de la empresa.
Crees que ves bien hasta que te las pones".

Los datos son el petróleo del siglo XXI. La portada de 'The Economist' del 6 de mayo de 2017 certificaba algo que se palpaba en el ambiente empresarial desde hacía unos cuantos años. Jack Ma, el empático fundador de Alibaba, lo corroboraba en 2019. A los que nos dedicamos al mundo de la ciencia de datos no nos produjo sorpresa alguna, pero la mayor parte de la población se plantea dudas acerca de la importancia y, sobre todo, de las aplicaciones e implicaciones que tienen los datos y los sistemas de tratamiento en su vida diaria.

Un par de años antes de la portada de 'The Economist', el Real Madrid se enfrentaba a una situación delicada. Su carismático defensa central y capitán, Sergio Ramos, negociaba la renovación con el club. Se manejaban cifras muy importantes, se hablaba de 10 millones de euros. Ricardo y yo llevábamos varios años compartiendo despacho y 'coca-colas' en Cunef y trabajando datos de todo tipo. Mientras discutíamos sobre la bondad del suavizado de una serie temporal y charlábamos sobre la última librería de R para análisis clúster, los aficionados y periodistas lo hacían sobre la oportunidad de renovar a Ramos, sobre el valor del jugador. Todos lo hacían desde la experiencia propia, desde el sentimiento, desde la intuición. La edad del jugador, su posición en el campo, sus cualidades, sus grandes jugadas, sus fallos, su visión del juego, su control del vestuario, todos los elementos se barajaban de una forma más o menos ordenada, con mayor o menor éxito, pero siempre con la mejor voluntad.

TE PUEDE INTERESAR

La reinvención de Monchi, el mago de los fichajes: "Obviar el 'big data' es anacrónico"

Antonio Villarreal Fotos: Jorge Álvaro Manzano Gráfico: Cristina Suárez

En ese momento, nos dimos cuenta de cómo nadie esgrimía los datos. Vimos claro que la única forma de debatir con seriedad del tema era estudiando los datos que generaba el jugador, y compararlo con sus pares. Nos bajamos una base de datos y empezamos a analizarlos. Estudiamos la aportación del jugador al equipo, analizamos el rendimiento del conjunto desagregando la aportación del jugador y observando cómo mejoraba gracias a él, comprobando, además, cómo esa mejora era aún mayor cuando los partidos se jugaban en campo contrario. Los datos nos abrían un terreno de discusión en el que nadie parecía estar dispuesto a entrar; fruto de esa reflexión y de ese estudio surgió un artículo que publicamos aquí, en El Confidencial, en julio de 2015. Ramos acabó renovando, y algo que entonces se veía lejano, la ciencia de datos aplicada al deporte de alta competición no mecánica, se convirtió en rutinario. Hoy, todos los equipos de la NBA emplean ya este tipo de análisis para la renovación de los contratos y los fichajes de nuevos jugadores.

Por entonces, todo era 'big data'. Decidimos entonces promover un máster en ciencia de datos para cubrir una necesidad creciente en el mercado. Tuvimos la enorme suerte de contar con el apoyo de la dirección del Cunef, y conseguimos elaborar un programa en el que, por fin, quedaban claras las diferencias con el terreno de los arquitectos de sistemas, los auténticos interlocutores del 'big data'. Logramos transmitir la necesidad de formar a los profesionales que darían valor a los datos, los profesionales que no solo explicarían qué ha pasado sino por qué ha pasado, y que tendrían la capacidad de anticipar los movimientos del mercado.

Hoy, por fin, empieza a distinguirse entre 'analytics', 'business intelligence', ciencia de datos y 'big data'. Pero seguimos observando confusión. Durante muchas de nuestras conversaciones con directivos de todo tipo de empresas, hemos comprobado cómo sigue faltando lo que, pomposamente, denominamos 'cultura del dato'.

Bajo esa expresión, integramos todos los aspectos que giran en torno al dato, a las modificaciones corporativas que provoca, a la redistribución de las tareas en el seno de la empresa, a la nueva forma de trabajo de los distintos departamentos, a la forma, en fin, de enfocar el proceso de toma de decisiones. Muchas empresas han entendido que el dato es esencial para la transformación, y han empezado a integrar a analistas y científicos de datos en sus plantillas. A pesar de tratarse de una decisión que refleja la voluntad de mejora, desgraciadamente, en muchas ocasiones no se logra el resultado adecuado por las diferencias culturales entre el equipo directivo y el equipo de científicos de datos.

Entendimos que resultaba imprescindible incorporar una nueva figura que enlazase el trabajo de unos con las expectativas de otros

Esas diferencias provienen de la distinta forma de abordar los problemas, y de la absoluta novedad que supone la introducción del método científico en la gestión del cambio. Y se generan, entonces, ineficiencias que puedan dar al traste con el proyecto. Entendimos que resultaba imprescindible incorporar una nueva figura que enlazase el trabajo de unos con las expectativas de otros. Una capa intermedia entre la dirección ejecutiva de la empresa, pegada al negocio, con más conocimiento que nadie en la empresa de qué debe hacerse para lograr los objetivos, y los encargados de la identificación de las palancas del cambio en el océano de los datos. Esa figura es la del 'data translator', que, más que un traductor de datos en sí, desarrolla la labor, aguas abajo, de comunicar al equipo de ciencia de datos qué deben conseguir, cuáles son sus objetivos, hablando su mismo lenguaje, que no es el de los directivos; y, al mismo tiempo, es capaz de trasladar, aguas arriba, las características de los modelos empleados, el conocimiento adquirido a partir de los datos, empleando un lenguaje que los directivos sean capaces de entender, definiendo y elaborando los KPI requeridos.

Así empieza 'Alquimia. Cómo los datos se están transformando en oro', que se pone hoy a la venta, publicado por Deusto, y que he escrito con Ricardo A. Queralt.