Es emprendedor tecnológico, orientado a todo lo que es el mundo de Data y Analytics, hoy enmarcado dentro de los conceptos de Big Data, Inteligencia Artificial, Machine Learning. Tiene una compañía nacida en Córdoba, Argentina, y hoy regional trabajando en Colombia, Chile, México y Estados Unidos, muy específica en esa temática, además de haber trabajado en algunas empresas corporativas con la práctica y con lo que es transformación digital. Dentro del ámbito académico, también trabajó en temas de datos, como por ejemplo dentro del programa de Business Analytics del que vamos a mencionar más adelante, y dentro de un máster orientado a todo lo que es prácticas de data y de transformación digital. 

En esta ocasión, Florencia Marino, nuestra Gerente de Academia y Servicio, conversó con Leandro sobre las nuevas tendencias en torno a la transformación digital, el rol de los datos en las empresas y algunos detalles sobre el Diplomado en Business Analytics, desarrollado por Leandro. 

FM: —De acuerdo a tu experiencia, ¿cómo ves la evolución y los progresos recientes en data e inteligencia artificial?

LS: —Para aquellos que somos tecnológicos, es sumamente interesante descubrir cuáles son aquellas tendencias que nos van a aparecer en el corto, en el mediano, y a veces en el largo plazo. A título personal, me gusta referenciarme a partir de algunos papers, con algunas consultoras específicas de tendencia como el caso de Gartner, en donde a través de esta investigación que hacen estas consultoras, uno puede determinar básicamente cuál es el estado del arte que tiene la región o que tiene Argentina, Colombia, México o algún país específico para saber cómo puede aprovechar esa tendencia y cómo los clientes también pueden tomar ventaja a partir de ellas. 

Puntualmente, tanto Gartner como McKinsey como Forrester hacen algunos informes y específicamente se informa de tendencias relacionadas al mundo de data y de machine learning, que hoy por hoy son el corazón de lo que es el concepto de transformación digital. Si bien es un concepto muy trillado y del cual todo el mundo habla, creo que más que hablarlo y por ahí escucharlo es ver cómo uno lo puede aplicar y cómo puede obtener una ventaja competitiva dentro de la empresa de acuerdo al nivel y estado de madurez que tenga. Es decir, uno tiene que también hacer un diagnóstico, entender en qué negocio está, en que industria está y muchas veces saber cómo se aplicó eso, cómo lo puede aplicar en forma innovadora en el sector en el que se encuentre, en el país en el que se encuentre o de la forma en que esté hoy por hoy operando. 

Dentro del mundo de Data Analytics y Machine Learning, hoy uno de los pilares fundamentales que vemos como tendencia es el tema de la automatización. La automatización genera, por ejemplo, en el caso de ser una compañía orientada a consumidores finales o B2C, es cómo automatizamos campañas, cómo llegamos a través de mensajes de WhatsApp, a través de las redes sociales, en forma automática, disparando eventos que nacen del análisis de los datos. Es decir, el análisis de los datos permite segmentar a los clientes, clasificarlos, entender cuál es el canal que ese cliente quiere utilizar y saber cuál es el momento justo para poder disparar una acción para posiblemente convertir una venta o una transacción o lo que fuera. 

Otro punto de inteligencia artificial muy avanzado también tiene que ver con cómo se aplica en cada uno de los procesos, es decir, cómo se reducen los procesos operativos de manufactura, administrativo, financieros e inclusive de toma de decisión a través del uso de algoritmos. Esto es machine learning. Eso no es tan sencillo. Generalmente o históricamente se usó machine learning para todo lo que son áreas, por ejemplo, de banca para hacer análisis de scoring, para hacer análisis de riesgo. En el caso de las telecomunicaciones, también para ver el churn. Bueno, ya hay como modelos prearmados y prácticas definidas en el tiempo y lo que se está intentando ahora es trasladar machine learning al resto de la organización. El concepto es muy interesante, el tema es cómo se lo puede bajar a la práctica y cómo realmente hay un repago y un retorno. Entonces el desafío hoy de las tendencias es: OK, apliquemos machine learning a aquellas cosas que realmente veamos que nos pueden reducir un costo, que nos permitan ganar más eficiencia. Y ahí está el punto en el cual se está trabajando. 

Y por último, una tendencia que ya se viene trabajando dentro de las compañías, pero que va a avanzar más en los próximos años a nivel global y a nivel regional, es el concepto de gobierno de datos. Gobierno de datos es una filosofía de ser una compañía data driven, es decir, de pensar en ser una organización basada en datos y en tomar decisiones basadas realmente en datos, pero no solamente en las personas que están en el C-level, en posiciones de Managers o de directores, sino que toda la compañía entienda el dato como un activo, cuestión que es bastante compleja. Entonces, primero, obviamente hacer un diagnóstico. Segundo, que la compañía empiece a transitar todo un programa, le llaman a veces “academia data-driven”, a veces le llaman “alfabetización de datos” o “data literacy”, que es el concepto en inglés, como para que la compañía pueda entender cómo convertir el uso de los datos (no importa la posición, el rango, el área de negocio en la que esté trabajando), en un activo y utilizarlo para realmente eficientizar mi actividad, mi tarea y demás. Y cómo además, a partir de los datos contribuyen, entre todos los colaboradores, a generar mayor conocimiento dentro de la compañía. 

Hoy está enmarcado dentro de la práctica de gobierno de datos, hoy ya hay herramientas que permiten generar diccionarios internos de los datos para que la empresa entienda qué es un indicador, de qué se está hablando… Que todos hablen el mismo idioma interno dentro de la compañía y que haya un área que de alguna forma centralice todo lo que sea iniciativas de datos para buscar sinergia. Es decir, si un área de ventas o de mercadeo tiene alguna necesidad, cómo esa necesidad puede ser cross a la compañía, y cómo otras áreas también pueden utilizar eso que se va a hacer basado en datos para que las iniciativas tengan un mejor retorno. 

Eso es una tendencia muy importante y es lo que vemos nosotros, sobre todo en la región, como un desafío que van a empezar a encarar las compañías. 

FM: —Por tu experiencia y criterio, ¿cuáles son estos requisitos claves que a nivel organizacional o individual son necesarios para poder aprovechar esta evolución y estas tres tendencias o conceptos que mencionás?

LS: —Primero, es muy importante entender que todos trabajamos con datos. En nuestra casa trabajamos con datos, usamos Google para buscar datos. En la práctica de datos, si bien por ahí no nos damos cuenta, la estamos ejerciendo todo el tiempo. 

El mundo de los datos no es solamente una cuestión técnica, no es para los técnicos, no es para ingenieros de software, ingenieros en sistemas o áreas de IT, sino que es algo que se ha convertido en algo esencial para cualquier área de negocio. Es decir, cualquier persona que quiera profundizar sus conocimientos en datos colabora con esta posibilidad de agilizar las tendencias y demás. Por eso, lo que están trabajando las compañías tanto para el mundo de machine learning, de automatización, como para el mundo de gobierno de datos, es en generar capacidades y skills que estén a la altura de estas tendencias. Y eso es lo más importante. Vos podés tener la mejor tecnología, podés haber construido unos modelos analíticos muy buenos, que predigan ciertas cosas y demás, pero si no tenés equipo que te acompañe, que entienda qué está generando, qué insight está generando ese modelo analítico y cómo lo pueden aplicar, no sirve de nada. Es como tener un gran auto en medio del downtown o del microcentro y no poder manejarlo porque no tenés la capacidad de hacerlo ni podés moverte para un lado ni para el otro. Bueno, ese estancamiento genera una cultura no basada en datos. Entonces lo fundamental es generar una base de conocimiento, independientemente del skill (analista de negocio financiero, economista, contador, área de legales y también tecnología), para poder generar esta capa de conocimiento que permita que las tendencias y las ventajas competitivas que nos dan los datos generen tracción dentro de las compañías. 

FM: —¿Cómo ves el impacto de esas tendencias del entorno y del sector en el programa de Business Analytics? 

LS: —El programa de Business Analytics está enfocado en dar estas capacidades iniciales y también avanzadas a aquellas personas que se quieren introducir en el mundo de los datos, porque lo que necesitamos saber no es codificar en lenguaje de desarrollo de software, en lenguaje basado en datos -podría ser una opción más adelante, más allá de que no seamos de sistemas-, sino que todos entendamos un poco qué significa ser una compañía o una organización basada en datos, qué es el gobierno de datos, qué es el concepto de Business Intelligence, qué es analítica avanzada. Es decir, empezar a entender que el dato tiene distintos colores, matices, distintos sabores, de acuerdo a cómo se lo utiliza en la organización, desde reportería habitual, que es parte del programa entender cómo la información descriptiva me permite a mí generar ciertos reportes, ciertos tableros, mejores visualizaciones para poder comprender los datos y demás, que sería algo más descriptivo, y va avanzando con sus unidades hasta lo que es analítica avanzada que más la parte predictiva, es decir, ya la especialización y el uso de los datos, más pensando en machine learning e inteligencia artificial, y cómo podemos predecir demanda, futuras ventas, comportamiento y demás. 

Lo bueno del programa es que tenemos todo el recorrido, desde lo descriptivo, desde los conceptos básicos y fundacionales hasta los conceptos más avanzados que hoy por hoy son tendencia y de los cuales se disparan necesidades como pueden ser un modelo de machine learning, o hacer Big Data. Ok, es sumamente interesante, pero tenemos que ver toda la película. Tenemos que entender el viaje del dato dentro de la organización: cuando alguien carga un dato, cómo ese dato finalmente termina siendo un modelo de toma de decisiones. Entonces el programa da esas capacidades. 

Hoy por hoy, lo más interesante de la materia en sí, de este mundo que es apasionante, el de los datos, es que cada vez más áreas de negocio non-IT, o sea que no son profesionales de tecnología, se meten en el mundo de los datos. Quienes estamos en la industria, encontramos cada vez más científicos de datos, analistas de datos que son de áreas de negocio, que son de disciplinas no técnicas pero que van abordando conocimientos y hoy por hoy son muy importantes en las organizaciones, porque la decisión no solamente es una cuestión meramente técnica, sino también de negocio. Entonces esa combinación que se genera con la capacidad del programa ponen de alguna forma al profesional en un nivel muy interesante de cara a los objetivos de la compañía en esta visión y misión de transformarse a nivel de datos. 

FM: —¿Qué impacto podría recibir, tomando este programa, alguien que está en la búsqueda de profundizar el conocimiento en esta área para formar parte de una empresa grande, en algún área específica o no? O para emprendedores, ¿qué pueden encontrar? ¿Qué impacto puede generar esto a nivel personal y profesional?

LS: —Lo bueno del mundo de los datos es esta diversidad que hay en las posibilidades de encontrar uno su carrera o desarrollo profesional. No se desarrolla un skill específico técnico para estar dentro del área de tecnología, sino que se desarrolla un skill que es necesario en cualquier organización. Es decir, en cualquier área de negocio es necesario tener habilidades basadas en datos, porque si la compañía no lo hizo, ya lo está por hacer. Y seguramente es el paso que hay que dar: tener estas capacidades para poder adelantarse, para poder predecir, para poder usar bien los datos dentro de la organización, para tener gobierno, para mejorar la cultura corporativa acerca de los datos. Eso dentro de lo que sería el contexto de algún profesional que quiere aprovechar el programa para poder desarrollar sus habilidades y poder crecer en este sentido. 

Otra posibilidad sería: bueno, me gustaría ser un analista de datos, un científico de datos. El programa es muy bueno iniciando en esta carrera, porque lo que tenemos que tratar de romper es nuestro esquema mental de que un científico de datos es alguien tecnológico, y en realidad no. Nosotros, que estamos hoy trabajando en muchas empresas, observamos que hay muchísimos científicos de datos que vienen de otras ramas: ingenieros, administradores de empresa, economistas, veterinarios, médicos. La verdad es que es increíble la cantidad y la disparidad de profesionales. Como les gusta el tema de los datos, se empiezan a meter y empiezan a ser analistas avanzados y a ser en algunos casos científicos de datos, que es una profesión sumamente buscada a nivel global. 

Y por último, el emprendedor. El emprendedor puede encontrar dentro del conocimiento de los datos, dentro de entender cómo los datos operan, cómo se puede hacer un modelo de machine learning y demás, un canal de monetización de lo que va a generar o de lo que está generando. Hay un vehículo importante para todo lo que es ingresos y lo que se llama monetización de datos. Es decir, cómo aquellos datos que mi app recolecta, que mi sitio, que mi modelo de negocio tiene, lo puedo convertir en un canal también de monetización, porque todo eso que voy almacenando lo debería poder aprovechar. Entonces también para el emprendedor es un vehículo muy interesante para buscar una nueva avenida para poder hacer negocios. 

Bueno, como sabrán, soy parte del programa de Business Analytics, me pueden contactar por alguna consulta y demás. Espero se sumen a este mundo apasionante de los datos y pueden realmente transformar sus skills en skills más hábiles para poder desarrollar cuestiones y capacidades dentro de lo que es datos y analítica.