7 mitos sobre Data Analytics
Trabajar en la recolección, transformación, limpieza y modelado de datos para descubrir información útil es una de las dinámicas más comunes que toda empresa tiene antes de tomar una decisión pero, ¿quiénes pueden realizar este proceso? ¿Se necesita tener experiencia en sistemas o conocimientos avanzados de matemáticas?
Múltiples son los mitos que surgen de disciplinas nuevas e innovadores como Data Analytics y en esta nota desmentimos varios de ellos:
1. Solo es para Contadores, Finanzas, Administración.
No, hoy en día todos los modelos de negocios, rubros, áreas dentro de una empresa pueden utilizar los beneficios del análisis de datos. Es más, cada día se ven más implementaciones como People Analytics, Sociología, Periodismo, etc.
2. Se necesita tener una gran base tecnológica o haber estudiado alguna carrera relacionada a sistemas.
La tecnología evolucionó tanto que no se necesita tener una base de sistemas. Las herramientas que nos permiten analizar los datos son tan amigables que cualquier entusiasta de datos las podría aprender.
3. Data analytics es solo tecnología.
Tener las herramientas y tener los análisis no implica tener una “implementación de data analytics” o “ser una organización orientada a datos”. Todo proceso de datos involucra personas que tienen que adoptar las distintas soluciones, enriquecer y generar el feedback para que la tecnología se amolde a la actividad de la empresa.
4. Similar Data Analytics son herramientas de BI (business intelligence).
Data analytics no se trata de herramientas, sino una serie de habilidades que permiten entender cómo obtener los datos y transformarlos en información para apoyar la toma de decisiones.
Las herramientas son el vehículo dentro del viaje, no el destino.
5. DA es solo para corporaciones.
Día a día todas las personas somos proveedoras de datos. ¿Cómo no sacarle provecho a esta información?
Desde un profesional que quiere analizar sus finanzas personales, un comercio que quiere entender su movimiento de productos o conocer a sus clientes, una organización sin fines de lucro que quiere tener una actividad transparente, a una corporación que quiere generar un sistema de apoyo de decisiones a sus sistemas transaccionales. Todos, con mayor o menor capital tecnológico, pueden beneficiarse y utilizar data analytics en su actividad.
6. Hay que saber programar.
Data analytics hace un fuerte foco en entender qué pasó (pasado), qué está pasando (presente) y qué puede pasar en base a esto (futuro). Cuando nos basamos en estos escenarios, las herramientas a utilizar no requieren programación.
Cuando queremos enfocarnos en modelos predictivos avanzados, ahí sí ya necesitamos apoyarnos en herramientas más robustas que nos proporciona Data Science.
7. Todos los analistas de datos realizan lo mismo.
No, existen distintas especializaciones:
- Back end: El que prefiere trabajar en el armado de la información. Tiene un perfil técnico preponderante.
- Front end: Quien trabaja en la presentación de la información. Entiende al usuario final de la información. Apoya la toma de decisiones. Perfil de negocios.
- Estadístico: Comprende los patrones que presentan los datos. Entiende cómo generar modelos estadísticos a partir de los datos y las tendencias que se presentan.
En conclusión, Data Analytics puede aplicarse a empresas de cualquier tamaño como también en otros ámbitos y para estudiar esta disciplina que no requiere conocimientos previos, puedes hacerlo con un curso intensivo 100% a distancia en Digital House. La duración del mismo es de 5 meses y el próximo inicio de cursada puedes encontrarlo aquí. Si aún tienes dudas y quieres ver cómo se trabaja con datos en un caso real y en vivo, puedes sumarte al próximo F5 | Actualiza tu futuro que tendrá un espacio de consultas para que despejes las tuyas.