Citizen data scientist: dando sentido a los números

Citizen data scientist: dando sentido a los números

La cantidad de datos que las empresas necesitan procesar y analizar para obtener información relevante en la toma  de decisiones, no para de crecer  y cada vez más rápido. Para ello las empresas incorporan en sus plantillas roles de «data scientist» , un profesional con un currículo tecnológico/científico que se encarga de leer los datos, procesarlos y visualizarlos. Pero ahora un nuevo perfil está emergiendo y se está poniendo de moda, el “citizen data scientist”.

El perfil es menos técnico y su misión es conectar con los datos y perfilar lo que las empresas necesitan saber. Según Gartner, son «usuarios intensivos» de la información, pero no son los trabajadores de nivel avanzado como  los data scientists. Su misión es crear los modelos que luego se usan en el análisis aunque su trabajo no está dentro tanto de la estadística o del análisis como de lo práctico. Según Forrester, son también capaces de comprender la información, de comprender el impacto que tiene en el negocio. Es quien hace el primer barrido de los datos y quién logra extraer las primeras conclusiones de valor.

Humanizing data

Pero cuando hemos extraído estas conclusiones  y descubrimos un dato impactante que aporta valor, hay que  comunicar esa información a responsables de la toma de decisiones. Tal como indica Nancy Duarte en Harvard Business Review debemos “humanizar” los datos y hacerlos comprensibles, para el público objetivo que va a leer esa información. Se trata de contextualizar esos datos para generar más impacto. Por ejemplo si decimos que el año pasado, Jeff Bezos se convirtió en la persona más rica del mundo con un patrimonio neto de más de 130 mil millones de dólares, la mayoría de nosotros difícilmente podremos hacernos una idea de esta cantidad, pero si los contextualizamos como hizo Neil deGrasse Tyson en un tweet podremos realmente darnos cuenta de la magnitud. Neil dijo: «No es que nadie lo haya preguntado, pero los 130 mil millones de dólares de @JeffBezos, colocados de extremo a extremo, pueden rodear la Tierra 200 veces, luego llegar a la Luna y regresar 15 veces, con lo que sobra, rodear la Tierra otras 8 veces».

Esa comparación nos suena a mucho, aunque  ninguno de nosotros nunca hayamos rodeado la Tierra y  estado en la luna.  ¿Entonces ?

La narración se pierde en números que realmente no se pueden comprender. Cuantos más datos recopilamos, más complicadas se vuelven estas cifras. Aunque una audiencia puede comprender intelectualmente una  medida, puede que no logre conectarse emocionalmente con ella. Para que los números inspiren a la acción, tienen hacer algo más que tener sentido: tienen que dar sentido. Y Nancy Duarte indica que hay que desarrollar un sentido de escala adjuntando datos a lo que sea narrable y  familiar para tu audiencia.

Los números complejos se aclaran al compararlos. Nuestro público objetivo puede detectar la escala a través del tamaño relacionable, distancia conocida, un segmento de tiempo familiar o  velocidad. Cuando se comprenda la escala de sus números, comprenderemos  mejor la escala de lo que están visualizando. Nancy sugiere tres estrategias que podemos utilizar para hacer que la magnitud de las estadísticas sea manejable y significativa.

  • Conectar datos a una magnitud de tamaño

Conectar los datos a un tamaño comparando longitud, anchura, altura, grosor o distancia. Por ejemplo en el tweet anterior podríamos decir: «El grosor de 130 mil millones de billetes de un dólar apilados es de 8,822 km, lo que equivale a conducir 3,5 veces por toda Europa»,  y esto sería más comprensible para la mayoría de nosotros..

  • Conectar datos una variable de  tiempo que podamos relacionar 

El tiempo es otra buena fuente de comparación. Medimos el tiempo en segundos, horas, minutos, días, meses y décadas, pero podemos crear marcos de tiempo más identificables al comunicar las horas de trabajo, el tiempo de vuelo entre ciudades, o el tiempo que tarda en preparase al microondas una bolsa de palomitas de maíz. Forbes comunicó las ganancias anuales de Bezos como un salario por hora, que era la asombrosa suma de $ 4,474,885 por hora. Según el departamento de estadística de Estados Unidos , eso es el doble de lo que el hombre estadounidense promedio con una licenciatura ganará en toda su vida.

  • Conectar datos a cosas que podamos relacionar

Además de usar el tamaño, el tiempo y la velocidad para ayudar a sus lectores a comprender un número, podemos usar sustantivos o personas, lugares y cosas que les son familiares. Supongamos que tenemos un millón de usuarios. Es más fácil para el público tener una idea de esa cantidad si se compara con la cantidad de personas que podrían sentarse en un estadio. Por ejemplo, si estadio de fútbol de Fútbol Club Barcelona tiene una capacidad 99.354 y nuestra audiencia es española podemos decir que los usuarios llenarían más  de 10 estadios completos. Por ejemplos explicar la riqueza de Bezos con lo que podía comprar, por ejemplo otro tuitero calculó que Bezos podría comprar una nueva casa para cada persona sin hogar en los Estados Unidos y aún le quedarían 19.200 millones de dólares.

Debemos considerar cómo podemos inspirar al lector a actuar, si comprenden la gravedad de lo que está en juego si no lo hacen. Cuando entiendan la escala de sus números, comprenderán mejor la escala de nuestra recomendación.Los datos señalan un problema o una oportunidad, las ideas están destinadas a movernos a la toma de decisiones.

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información. ACEPTAR

Aviso de cookies
Seo PackagesBlog Comment ServicesGov Backlinks