Cómo las grandes empresas pueden aumentar su talento de datos y análisis

Nov. 18 2020

Si bien muchas empresas están contratando científicos de datos y otros tipos de talentos analíticos y de inteligencia artificial, existe poco consenso dentro y entre las empresas sobre las calificaciones para dichos roles. El término científico de datos puede significar un trabajo con un gran énfasis en estadísticas, codificación de código abierto o trabajar con ejecutivos para resolver problemas comerciales con datos y análisis. La idea de los “unicornios” de los científicos de datos que poseen todas estas habilidades a altos niveles nunca fue muy realista.

A medida que el trabajo se ha vuelto más popular y solicitado, un número cada vez mayor de profesionales ha comenzado a utilizarlo para describir su función. Los colegios y universidades también han respondido a la demanda ofreciendo cientos de nuevos programas sobre ciencia y análisis de datos. Pero las habilidades que se enseñan en dichos programas varían ampliamente y algunas universidades ofrecen múltiples programas con diferentes énfasis. Tanto para los empleados recién contratados como para los experimentados, es probable que los títulos como científico de datos y analista cuantitativo no sean una buena guía para conocer sus capacidades reales.

Si bien existen iniciativas para estandarizar los diferentes tipos de roles de datos y análisis y las habilidades necesarias en todas las organizaciones, se encuentran en las primeras etapas. La idea detrás de estas iniciativas es excelente, pero el desarrollo de nuevos estándares suele llevar muchos años.

Mientras tanto, las empresas deben dedicar una atención considerable a clasificar y certificar los diferentes tipos de trabajos analíticos que tienen y necesitan. También se beneficiarían de la expansión de sus grupos de talentos trabajando con universidades directamente en programas educativos y construyendo y nutriendo comunidades dentro de sus organizaciones para desarrollar empleados para sus equipos de datos. Estos pasos son esenciales para las empresas que buscan utilizar la analítica para mejorar tanto las operaciones como las oportunidades de innovación digital, empresas como TD Bank Group.

La idea de los “unicornios” de los científicos de datos que poseen todas estas habilidades a altos niveles nunca fue muy realista.

Comprender los roles de datos necesarios

El talento en análisis e inteligencia artificial es un recurso escaso y valioso para todas las empresas, pero especialmente para aquellas que desean estar impulsadas por los datos. Esa es la situación en TD Bank Group, un gran banco norteamericano (el más grande por activos en Canadá). TD tomó la decisión de utilizar sus grandes cantidades de datos para impulsar nuevas experiencias de cliente basadas en datos y mejorar sus propios procesos. Para hacerlo, ha adoptado datos, análisis, inteligencia artificial y la necesidad de nutrir el talento que utilizará esas herramientas en toda la organización.

Los ejecutivos de TD realizaron una serie de inversiones internas dirigidas a la importancia crítica de evaluar, contratar y motivar su talento de datos y análisis. Peter Husar, vicepresidente de estrategia y planificación de análisis empresarial, me dijo que él y sus colegas vieron la oportunidad de expandir el papel de la analítica al brindar primero coherencia a las definiciones de puestos y puestos relacionados con los datos y la analítica que existían en todo el banco.

Husar y su equipo se centraron en comprender quién estaba en su comunidad de datos y análisis para proporcionar una imagen clara de su panorama de talentos. Trabajaron rápidamente para crear agrupaciones y clasificaciones de trabajos estandarizados mediante la identificación de siete familias de trabajos (roles que se centraban en análisis avanzados, administración de aplicaciones comerciales, administración de información, conocimientos, inteligencia comercial e informes, gobernanza de datos y visualización).

Dentro de cada familia de puestos, se definieron en detalle puestos de trabajo específicos: en total, 65 funciones diferentes en siete familias de puestos. Para cada función, se describieron varios atributos, incluido su propósito principal, sus responsabilidades clave, su amplitud y profundidad, y la experiencia y educación necesarias para desempeñarla. Se identificaron los atributos de los contribuyentes individuales, así como los atributos de los gerentes de personas. Se etiquetaron competencias adicionales en todas las clasificaciones de puestos, junto con evaluaciones de competencias y un proceso de autoevaluación. Con este nuevo marco, los empleados de TD que trabajaban en roles de datos y análisis se asignaron a las familias de puestos y puestos de trabajo específicos. TD tiene una Oficina del Director de Datos, que supervisa la gestión, el análisis y la IA de los datos empresariales.

Aunque la mayoría de las empresas no tienen la escala y el alcance del talento analítico que tiene TD, muchas empresas medianas y grandes tienen algunos científicos de datos y analistas cuantitativos. Para que sus proyectos tengan éxito, es importante crear al menos una clasificación simple de sus capacidades. ¿Están orientados principalmente al análisis y modelado estadísticos, a la codificación de soluciones de TI o a la traducción de problemas comerciales en soluciones de análisis y datos? Los proyectos pueden requerir las tres habilidades, pero es poco probable que esas habilidades se encuentren en una sola persona.

Adquirir y retener nuevos talentos

Además de gestionar de forma más eficaz los datos y el talento analítico existentes, las organizaciones deben realizar un esfuerzo concertado para incorporar y retener empleados altamente cualificados.

En 2018, TD adquirió la empresa de inteligencia artificial Layer 6 y nombró a uno de sus cofundadores, Tomi Poutanen, director de inteligencia artificial del banco. TD continúa transfiriendo las capacidades de Layer 6 al banco en general, incluidos los programas de intercambio de información en Layer 6 para los empleados de datos y análisis.

El banco ha establecido relaciones sólidas con varias universidades canadienses, incluidas la Rotman School of Management de la Universidad de Toronto, la Western University, la Queen’s University y la Schulich School of Business de la York University. TD patrocina eventos en estas instituciones, incluidos hackatones y series de oradores. En Rotman, TD ha financiado el Laboratorio de análisis y datos de gestión de TD y el Centro de innovación financiera de Rotman en análisis avanzado para ayudar a fomentar el desarrollo de profesionales de análisis y datos.

TD también trabaja en estrecha colaboración con los principales programas de investigación de IA en Canadá, incluidos los del Vector Institute en Toronto, del cual TD fue patrocinador fundador, y Mila en Montreal, con el fin de fomentar asociaciones y conexiones.

Estos esfuerzos no han pasado desapercibidos. TD ha sido calificado entre los empleadores más atractivos para el talento de datos y análisis por parte de estudiantes canadienses: en una gran encuesta de estudiantes en Canadá, los estudiantes de análisis clasificaron a TD como una de las cuatro principales empresas para las que considerarían trabajar.

La mayoría de las organizaciones tendrán que recurrir a múltiples proveedores de talento para adquirir la gama de habilidades necesarias. Deben trabajar con las universidades y facultades que les brindan nuevos talentos para comprender mejor los focos de los programas de análisis y ciencia de datos de las escuelas. También deberían embarcarse en el uso de la estandarización y clasificación de puestos para diseñar programas internos de educación y desarrollo de habilidades. Cuando las organizaciones dejan en claro qué habilidades están asociadas con qué trabajos, los empleados pueden decidir más fácilmente qué roles quieren y adquirir las habilidades para desempeñarlos.

Cree una comunidad de datos y análisis

Los líderes de análisis y datos de TD son conscientes de la necesidad de crear una comunidad y enfoques de intercambio de conocimientos entre los profesionales de análisis y datos de todo el banco. Eso incluye brindar oportunidades para que los empleados orientados a datos y análisis se conecten y escuchen sobre las tendencias en la industria. Hace cinco años, el banco celebró su primera cumbre anual de Big Data & Analytics, a la que asistieron 40 empleados. En 2019, el banco tuvo su quinta cumbre anual (divulgación: fui un orador pagado en este evento), con la asistencia de más de 2,000 empleados, y los números continúan creciendo.

Otro aspecto clave de la comunidad es el voluntariado. En 2019 se creó una iniciativa llamada TD Mindpower: Analytics for Social Good para vincular a los empleados de datos y análisis con proyectos de datos y análisis para organizaciones sin fines de lucro en Canadá y los EE. UU.Como parte de la adquisición de Layer 6 por parte del banco, también se comprometió a dedicar tiempo y talento para trabajar específicamente en proyectos de IA para el bien social.

El ejercicio inicial de mapeo de puestos de trabajo de TD condujo a una visión más clara de cómo las personas pueden moverse, mejorar y hacer crecer sus trayectorias profesionales. El equipo que encabeza el plan creó materiales educativos para ayudar a los empleados de datos y análisis a desarrollar sus habilidades y puso esos materiales a disposición en una plataforma en línea de toda la empresa para el autoaprendizaje y el desarrollo. El banco ahora se centra en ampliar la comprensión del potencial de los datos y el análisis a todos los empleados de TD y también ha desarrollado planes de estudio de aprendizaje para los profesionales no analíticos. El objetivo es integrar aún más la toma de decisiones basada en datos en todos los aspectos del banco.

Según Husar, los datos, el análisis y la inteligencia artificial en TD han recorrido un largo camino en los últimos cinco años y están ayudando a dar forma y ofrecer resultados tangibles para los clientes y empleados. En particular, durante estos tiempos sin precedentes, el banco ha demostrado su capacidad para pivotar, aprovechar los datos y el análisis, y movilizarse rápidamente para responder a las necesidades de sus clientes, creando formas nuevas e innovadoras de mantenerse conectado y responder preguntas. Por ejemplo, TD ha utilizado datos y análisis del cliente para personalizar la comunicación con el cliente. Los clientes que visitan a menudo reciben mensajes específicos sobre cambios en el horario de las sucursales bancarias, y los que tienen más probabilidades de haber recibido un cheque de estímulo recibieron mensajes sobre cómo realizar depósitos móviles.

Te puede interesar https://mitsloanreview.mx/sin-categoria/haz-que-tus-datos-sean-visualmente-comprensibles/

Ya sea que las personas se llamen científicos de datos, analistas cuantitativos o algo más, estos títulos todavía son relativamente nuevos para las empresas. No es sorprendente que haya poco consenso sobre su significado. Con el tiempo, surgirán nuevos títulos que describan mejor las actividades particulares involucradas en un trabajo; El ingeniero de datos, por ejemplo, ya ha surgido para describir a las personas que pasan la mayor parte de su tiempo discutiendo datos. Sin embargo, hasta que se alcance un mayor consenso en toda nuestra sociedad, es importante que las empresas emulen a TD Bank e identifiquen claramente los tipos de talento necesarios para convertirse en impulsados ​​por datos y luego adquirirlos, nutrirlos y darles rienda suelta.

SOBRE EL AUTOR

Thomas H. Davenport (@tdav) es el Profesor Distinguido del Presidente de Tecnología y Gestión de la Información en Babson College, así como miembro de la Iniciativa MIT sobre Economía Digital y asesor principal de la práctica de IA y análisis de Deloitte.

Síguenos en Google News