La necesidad de saber programar para un profesional del dato
Febrero de 2022
Junto al dilema de la te贸rica frente a la experiencia, se plantea la duda sobre cu谩n ancha debe ser la base de conocimientos de un profesional del an谩lisis de datos. 驴Debe ser tan ancha que abarque todos los conocimientos relacionados con la actividad de an谩lisis de datos, aunque sean tangenciales o pudieran ser reemplazados por utilidades, o algunas actividades deben dejar su hueco a una mayor especializaci贸n en los conocimientos centrales del an谩lisis de datos? Es un debate que trata fundamentalmente sobre la transversalidad frente a la especializaci贸n.
驴Qu茅 es un profesional del dato?
De acuerdo con la estructuraci贸n de las actividades profesionales y los itinerarios formativos relacionados con los datos, podemos distinguir cinco perfiles:
- Analista de negocio o analista de datos.
- Cient铆fico de datos.
- Ingeniero de datos.
- Arquitecto de datos.
- Director de datos o CDO por sus siglas en ingl茅s (chief data officer).
Para los ingenieros de datos y los arquitectos de datos los conocimientos de programaci贸n son imprescindibles en la medida que sus actividades est谩n ligadas fundamentalmente con la ingesta, exploraci贸n, limpieza y transformaci贸n y procesamiento de los datos. Son adem谩s los responsables de dise帽ar las estructuras y procesos que deben facilitar el acceso a los datos por parte del resto de profesionales.
Para las actividades de transformaci贸n y procesamiento, an谩lisis y visualizaci贸n de datos que realizan los cient铆ficos de datos -entre otras, la identificaci贸n de datos relevantes a partir de bases de datos, internas o externas, estructuradas y no estructuradas, y el desarrollo de modelos anal铆ticos basados en programaci贸n estad铆stica y aprendizaje autom谩tico-, son imprescindibles los conocimientos de programaci贸n a fin de desarrollar estas tareas de forma efectiva y eficiente, pero, especialmente, para poder desarrollar modelos de an谩lisis novedosos e innovadores.
Al margen de esta reflexi贸n dejar铆amos al director de datos ya que, como responsable m谩ximo de los datos de una empresa, tanto en el 谩mbito tecnol贸gico como en su aplicaci贸n al negocio, incluyendo la seguridad, no parece que la actividad de programaci贸n deba estar entre sus prioridades, al menos si hablamos de empresas en las que existe la posibilidad de aplicar una amplia segregaci贸n de funciones, aunque por su formaci贸n de base en ingenier铆a o matem谩ticas sea una competencia que conozca.
Por tanto, la respuesta a la pregunta formulada quedar铆a centrada en si la programaci贸n debe ser una competencia b谩sica del analista de negocio o analista de datos, toda vez que su principal funci贸n en la empresa es interpretar el conocimiento que se esconde en los datos, transformar al an谩lisis de datos en planes de acci贸n, a fin de elaborar estrategias de negocio y de respuesta para promover la transformaci贸n digital de las relaciones de la empresa con sus clientes (go digital), aprovechando las tendencias o propensiones de los consumidores y los cambios en los patrones de consumo, o para facilitar la transformaci贸n digital interna (be digital), optimizando y automatizando/robotizando los procesos productivos. En este sentido, el analista de negocio o analista de datos tambi茅n se convierte en un gu铆a u orientador para el cient铆fico de datos.
驴Programar o no programar?
Existen innumerables beneficios de aprender a programar entre los que cabr铆a mencionar los que tienen que ver con ampliar los horizontes de una carrera profesional. No obstante, para un analista de datos cuyas perspectivas son interesantes y exitosas, habr铆a que presentarlos en t茅rminos de mayor comprensi贸n de los razonamientos l贸gicos que se esconden tras los programas que elaboran los cient铆ficos de datos u otros profesionales, las mayores posibilidades de creaci贸n y, por tanto, de obtener reputaci贸n, as铆 como de capitalizar los derechos de autor o la independencia de los otros eslabones de la cadena anterior, en particular, del cient铆fico de datos.
Pero frente a las motivaciones mencionadas, ser铆a necesario presentar una tendencia global que va a la contra: No Code / Low Code. La revista Forbes defini贸 en 2020 el No Code / Low Code como la tendencia m谩s disruptiva de 2021. La esencia de esta tendencia es la aparici贸n de una nueva categor铆a de profesionales dedicados a ensamblar software en lugar de desarrollar c贸digo al estilo de las piezas de un Lego. Lo que Forbes denomin贸 un programador ciudadano (citizen developer) que, con una formaci贸n m铆nima o nula en codificaci贸n, podr铆a crear nuevas capacidades de software.
Las llamadas BigTech as铆 como otras tecnol贸gicas, incluso organizaciones sin 谩nimo de lucro, est谩n introduciendo sus plataformas de dise帽o de aplicaciones y webs, tanto para p煤blico adulto y profesional como para p煤blico infantil: Appsheet (Google), Caspio, Code.org (Microsft), Honeycode (Amazon), Kalipso Studio (Sysdev), Kissflow Low Code, MailerLite, MyGet, Outgrow, Power Apps (Microsft), Retool, Scratch (MIT, Fantional Scence Fundation, Siegel Family Endowment y LEGO Foundation), Strikingly, Webflow, Ycode, Zapier0030895 son algunos ejemplos de esta nueva tendencia global.
Adem谩s, en el 谩mbito del dato, existen diversas plataformas, ofrecidas tanto por grandes tecnol贸gicas como por startups de nicho, que ofrecen soluciones No Code / Low Code para extraer, analizar o modelar datos: Google Cloud AutoML, DataRobot, Octoparse, Graphext o expert.ai.
No pensemos, en cualquier caso, que este movimiento No Code / Low Code va dirigido exclusivamente a usuarios (el mencionado programador ciudadano) que no tienen conocimientos en programaci贸n y que buscan introducirse en las ventajas de la econom铆a digital y el uso de los datos sin la ayuda de un programador tradicional, sino tambi茅n para los profesionales del desarrollo de aplicaciones que buscan plataformas m谩s eficientes, productivas, con bajos tiempos de respuesta y el谩sticas.
Parece, por tanto, que el camino ideal no ser铆a ni afirmar ni rechazar el enunciado de la pregunta sino establecer una categor铆a intermedia, una combinaci贸n de lo mejor de ambos mundos, que ser铆a la del profesional del dato-programador ciudadano (citizen developer data profesional).
No obstante, para ser un ensamblador efectivo es necesario entender la l贸gica y las reglas que hay detr谩s del dise帽o que se est谩 realizando, lo que inclina un poco la balanza de esta soluci贸n salom贸nica hacia el conocimiento de las metodolog铆as o t茅cnicas b谩sicas de programaci贸n.
El punto de equilibrio 贸ptimo
En conclusi贸n, parece que tiene sentido que los cient铆ficos de datos, cuya funci贸n principal es la extracci贸n de conocimiento a trav茅s de los datos (patrones de comportamiento, h谩bitos de consumo, tendencias de cambio, etc.) mediante la construcci贸n de algoritmos que faciliten la extracci贸n y organizaci贸n de la informaci贸n, se nutra de capacidades y conocimientos matem谩ticos, estad铆sticos y de programaci贸n. Mientras que los analistas de negocio o analistas de datos -cuya funci贸n principal es la interpretaci贸n del conocimiento que se esconden en los datos para dise帽ar estrategias de negocio y estrategias de respuesta dentro de una empresa-, se pueden nutrir tambi茅n de conocimientos estad铆sticos y de programaci贸n, pero sobre todo de capacidades de resoluci贸n de problemas, anticipaci贸n de soluciones de orientaci贸n al resultado y, si es posible, del conocimiento del sector econ贸mico en el que desarrolle su actividad y/o de sus procesos de producci贸n, si bien, la capacidad de adaptaci贸n a cualquier sector ser铆a una capacidad igualmente bien valorada.
En este sentido, en nuestra opini贸n, el punto de equilibrio ser铆a un analista de negocio o analista de datos con capacidad de manejar las plataformas de programaci贸n No Code / Low Code para aplicarlas con 茅xito a proponer estrategias de negocio y de respuesta que permitan crear valor para su empresa, en lugar de poseer conocimientos profundos de programaci贸n.
Por otro lado, la capacidad de utilizar las mencionadas plataformas de programaci贸n permitir铆a compatibilizar una elevada especializaci贸n dentro de la cadena de valor, enfocarse a la elaboraci贸n de estrategias, con una razonable transversalidad que fortalecer铆a el valor y la carrera profesional de este profesional.
Para finalizar, nos gustar铆a se帽alar que Forbes estim贸 que en los pr贸ximos a帽os en torno al 65% de los nuevos desarrollos se realizar谩n con tecnolog铆as No Code / Low Code, por lo que es muy posible que esta nueva categor铆a profesional tenga tambi茅n un futuro prometedor.
En definitiva, parece sensato requerir conocimientos de programaci贸n para profesionales del dato cuyas funciones tengan que ver con el procesamiento, transformaci贸n y an谩lisis del dato en sentido amplio (ingenieros de datos, arquitectos de datos y cient铆ficos de datos). Mientras que, para los analistas de negocio o analistas de datos, tambi茅n profesionales del dato pero cuya funci贸n principal es utilizar el dato para impulsar acciones dentro de su empresa, estos conocimientos ser铆an complementarios o se podr铆a sustituir eficazmente por las utilidades que ofrecen las plataformas de programaci贸n No Code / Low Code.
Bibliograf铆a
- Dahr V (2012). Data Science and Prediction.
- Kant, I (2002). Teor铆a y Pr谩ctica. Editorial Tecnos, del original Kant, I. (1793). 脺ber den Gemeinspruch: Das mag in der Theorie richtig sein, taugt aber nicht f眉r die Praxis.
