¿Existe el científico de datos unicornio?

A la pregunta sobre si existe el científico de datos unicornio, la respuesta es clara: “No”. Al menos, por ahora. Quizás en el futuro próximo, el uso de herramientas como ChatGPT en la ciencia de datos los consiga, como lo comentamos en un artículo previo. 

Sin embargo, a pesar de que se trata de un perfil ideal que cualquier organización desearía entre sus filas, lo cierto es que lo mejor es que los científicos de datos unicornio se queden como figura mitológica de la ciencia de datos. 

Su existencia, incluso, es considerada un problema en la industria, como lo explican los especialistas Usama Fayyad, director ejecutivo del Instituto de Inteligencia Artificial Experimental de la Northeastern University, y Hamit Hamutcu, cofundador de la Initiative for Analytics and Data Science Standards (IADSS) and Analytics Center. 

En su artículo From Unicorn Data Scientist to Key Roles in Data Science: Standardizing Roles explican que la falta de una clasificación acordada de roles de trabajo relacionados con la ciencia de datos genera gran confusión y cuatro grandes problemas en la búsqueda de talento: 

1. Dificultad para reclutar candidatos adecuados 
2. Decepción ante una expectativa exagerada del científico de datos 
3. La búsqueda de unicornios  
4. La falta de estructura en torno a la evaluación de desempeño. 

¿Qué es un científico de datos unicornio? 

Un científico de datos unicornio es “una raza rara, criaturas casi míticas que son expertas en múltiples especialidades, desde matemáticas hasta informática e inteligencia artificial”. Así lo definen los investigadores Hossein Hassani y Emmanuel Sirmal Silva. 

Recientemente, el término “unicornio” se ha hecho popular, en específico en el mundo corporativo, no para referirse al animal mitológico, sino a lo único o poco usual que puede ser algo. Las startups, por ejemplo, que alcanzan un valor superior a los $1,000 millones de dólares son empresas unicornio —aunque estas ya no son tan raras—. 

Incluso, su uso se entiende mejor si se toma como referencia la frase en inglés “chasing the unicorn” (persiguiendo al unicornio) que hace referencia a luchar por lo imposible, perseguir algo que es irreal, que no puede ser.  

De vuelta a la ciencia de datos, la palabra “unicornio” —podemos decir— ha tenido una evolución. Primero, cualquier científico de datos —quizás más desde octubre de 2012, cuando Thomas H. Davenport y DJ Patil lo calificaron como el trabajo más sexy del siglo XXI en Harvard Business Review— era calificado de esa forma por lo difícil que era encontrar uno. 

Ahora, conforme los roles enfocados al análisis de datos se han incrementado, se usa más como aquella especie que “pueden hacer de todo”. Son expertos en muchas distintas disciplinas tradicionales, como matemáticas, estadísticas, ciencias computacionales, inteligencia artificial, entre otras. El sueño de cualquier organización. 

Un sueño que no se hace realidad 

Como ya mencionamos, este sueño de cualquier organización de encontrar un científico de datos unicornio que resuelva todo puede convertirse en un problema sin solución. 

Fayyad y Hamutcu advierten que “siendo realistas, un conjunto tan amplio de habilidades solo puede adquirirse a un nivel genérico o esperarse de una sola persona en organizaciones pequeñas”. 

A una conclusión similar llegaron los investigadores de la University of South Australia, Sasa Baskarada y Andy Konorois, quienes aseguraron que “no es realista esperar que una persona tenga el mismo nivel de experiencia en una serie de disciplinas distintas como lo pueden hacer expertos más especializados”. 

De hecho, en su investigación Unicorn data scientist: the rarest of breeds, con datos cualitativos de entrevistas a directores o gerentes de nueve instituciones públicas australianas de nivel estatal y federal con una relativa madurez en las funciones de ciencia de datos, afirman que no encontraron evidencia de que existan. 

Pero la necesidad de científicos de datos unicornio, más allá de generar una idea utópica, ha evidenciado la necesidad de romper con la generalidad del término, definir roles más específicos y distinguir las habilidades necesarias para cada uno de ellos. 

Nuevos roles 

Una década después de su primer artículo sobre el trabajo más sexy del siglo, Davenport y Patil, retomaron el tema en un segundo artículo en el que señalan que muchas condiciones son similares (demanda y dolores de cabeza). 

Sin embargo, detallan que el rol de ciencia de datos ahora también se complementa con una variedad de otros trabajos. “La suposición en 2012 era que los científicos de datos podían realizar todas las tareas requeridas en una aplicación de ciencia de datos, desde conceptualizar el caso de uso hasta interactuar con las partes interesadas de negocios y tecnología, desarrollar el algoritmo e implementarlo en producción”. 

Ahora, añaden, ha habido una proliferación de puestos relacionados para esas tareas como los ingenieros de aprendizaje automático, de datos, el especialista en inteligencia artificial, los traductores de análisis e inteligencia artificial y los gerentes de productos orientados a datos. 

De acuerdo con el reporte Empleos en aumento 2021 de LinkedIn, en Estados Unidos y México algunas de estas nuevas posiciones fueron más populares que los científicos de datos. 

Del científico de datos unicornio al equipo multidisciplinario 

Para Fayyad y Hamutcu el deseado científico de datos unicornio tiene que dar paso a por lo menos tres familias de roles clave, que tienen y tendrán muchas variaciones, con habilidades complementarias: analista de datos, científico de datos e ingeniero de datos.  

“Esta categorización ancla ayuda a resolver varios problemas, incluidos el reclutamiento, la formación, la capacitación, la gestión y la retención de equipos de ciencia de datos efectivos”, apuntan. 

Los entrevistados por Baskarada y Konorois coincidieron que cambiaron su búsqueda de científico de datos unicornio por la construcción de equipos multidisciplinarios efectivos. Los especialistas plantearon seis roles clave para un equipo de ciencia de datos eficaz: experto de negocio, ingeniero de datos, estadístico, informático, comunicador y líder del equipo. 

Davenport y Patil afirman: “Los muchos ejecutivos que reconocen que la ciencia de datos es importante para sus negocios ahora necesitan crear y supervisar diversos equipos de ciencia de datos en lugar de buscar unicornios”. 

¿Tu organización sigue en la búsqueda de un científico de datos unicornio o ya diseña un equipo multidisciplinario? En nuestra empresa BDS ayudamos a nuestros clientes en su transformación hacia una organización impulsada por datos.