Vivimos tiempos de cambios, de eso no hay duda. Estamos ante lo que se denomina ya “la edad de oro de los datos”.
El ritmo de cambio, dirigido por las nuevas fuentes de información, las nuevas tecnologías y las nuevas capacidades analíticas, está empujando a prácticamente todos los sectores empresariales a cambios que tienen ritmos sin precedentes.
Al mismo tiempo, la inteligencia artificial ayuda a establecer relaciones entre piezas de información que antiguamente estaban separadas, no interconectadas entre sí de cara a comprender mejor determinados objetivos. Antes de la aparición de estas tecnologías, estas relaciones eran demasiado complejas como para ser consideradas.
Los que llevamos toda una vida profesional moviéndonos en entornos de tratamiento masivo de información deberíamos estar exultantes, pues hemos pasado de ser “los pesados” a ser los “gurús”, una especie de nuevos Merlines que seremos capaces de convertir en oro cada bit que caiga en nuestros sistemas. Pero, quizás sea un exceso de confianza, falta mucho para que todo lo que reluce sea ese oro prometido y no será por tecnología o por matemáticas, lo será por la calidad de la materia prima. Dicho de otro modo, los datos malos o incorrectamente interpretados no producen buenos resultados. Es más, producen dramáticas equivocaciones.
Existe mucha literatura alrededor de lo que se considera un buen dato, o incluso una buena organización sobre la captura de información. Todos estos elementos, ligados a la coherencia, la no duplicidad, la limpieza o la eliminación de ambigüedades son críticos e imprescindibles.
Me gustaría, no obstante, dar un paso más allá. En la gestión de una base de datos tan grande como la de INFORMA, hemos aprendido que existe un concepto adicional ligado a la calidad que va más lejos que el dato en sí mismo. Y es el concepto del uso del dato.
Pondré un ejemplo: el primer uso de la base de Informa fue la creación de información comercial que sirviera a nuestros clientes para la toma de decisiones de riesgo crediticio. De hecho, este sigue siendo nuestro output más demandado, pero cuando lanzamos la idea de utilizar nuestro activo para la venta de información para prospección comercial aprendimos una dura lección.
Los patrones de calidad para el nuevo uso eran completamente diferentes y lo que para un entorno era aceptable para el nuevo era inasumible. Hubo que transformar procesos, alterar sistemas de control y establecer programas específicos para adaptar la calidad del dato al requisito del usuario.
Nuevos usos, tales como información sectorial o sistemas orientados al cumplimiento normativo han seguido el mismo patrón. Cada nuevo uso, ha requerido nuevas definiciones, nuevas taxonomías, nueva forma de organizar la base de datos. Sin esos cambios, la propuesta no hubiese funcionado jamás.
Ahora, los nuevos sistemas de inteligencia artificial, los “analytics”, requieren de un esfuerzo similar. Más titánico, si se me permite la expresión. Ya no basta el presente, el pasado es esencial y no sólo el pasado como foto, el cómo se llega al presente es relevante.
De nuevo toca rehacerse, reinventarse y adaptar esquemas. No es problema, sabemos hacerlo y casi, me atrevería a decir, disfrutamos al hacerlo.
Al hablar con profesionales que acometen ejercicios similares en entornos empresariales a partir de informaciones internas generadas por la propia compañía, descubro continuamente que caen en el mismo error que nosotros tuvimos en nuestros principios. “Mis datos son buenos” y mi respuesta siempre es, “buenos, ¿para qué?”.
Muy probablemente, la labor fundamental de un científico de datos, quizás mejor dicho, de un, permítaseme el uso de un anglicismo para denominar el puesto, “Chief Data Officer”, es la de preparar adecuadamente el terreno para sacar el oro que contiene. Y esa preparación no es exclusivamente técnica, muy probablemente exija modificaciones de procedimientos internos.
Carlos Fernández Íñigo
Director General Adjunto de INFORMA D&B
