Continuando con las entregas sobre el aprendizaje continuo como habilidad para la ciencia de datos (Aprendizaje continuo de las mejores herramientas de datos), esta semana está relacionado con cómo afrontar los problemas de datos y no rendirse hasta lograrlo.
Parte 3 de 4: Seguir avanzando en el problema de datos hasta solucionarlo
Resolver un problema con datos exige más que conocimiento técnico. En una de las clases que imparto en la universidad sobre el manejo de datos, les comenté a los estudiantes que en una ocasión realizar 14 versiones del modelo hasta que logramos llegar al resultado solicitado, uno de ellos me indica “cómo sigue avanzan sin rendirse, le comenté, “ese es el mercado, te pagan hasta que soluciones, no antes”, ¿Por qué 14 versiones? La 14 fue la que funciono.
Por ello al trabajar con datos se requiere de paciencia para investigar, criterio para cambiar de dirección y disciplina para repetir el trabajo hasta que el resultado sea el solicitado. La primera versión de un análisis suele revelar nuevas preguntas, problemas de calidad o necesidades que no se habían considerado. Por eso, mejorar por etapas es una práctica responsable.
Todo comienza con una definición concreta. Por ejemplo, “Queremos vender más” es una intención, pero todavía no es una pregunta analítica. Una formulación más útil podría ser: “¿Qué productos redujeron sus ventas durante los últimos seis meses y en cuáles zonas ocurrió?”. Esta precisión orienta los datos necesarios, el período de análisis y el tipo de comparación. Si la pregunta cambia, también deben revisarse los datos, el método y los objetivos detrás.
Luego aparece la preparación. En una empresa que comienza su proceso de uso intensivo en datos es frecuente encontrar fechas escritas de distintas formas, nombres duplicados, campos vacíos o categorías inconsistentes. En lugar de ocultar esas dificultades, deben documentarse y resolverse. Si una limitación no puede corregirse de inmediato, tiene que comunicarse, porque determina hasta dónde puede confiarse en la conclusión. La calidad del análisis nunca puede superar la calidad y pertinencia de la información utilizada para solucionar el problema.
El aprendizaje continuo en la práctica aparece cuando tienes un problema nuevo, sin saber como resolverlo y comienzas a trabajar en él. Al principio parecerá que nada funciona, pero poco a poco sigues avanzando, preguntando y estudiando hasta lograr solventarlo, ¿Cuántas iteraciones ocuparás? Las que sean necesarias, el problema debe resolverse y para eso estás.
Cada iteración debe dejar una mejora verificable a partir de la retroalimentación, no puedes solamente seguir sin mejorar, ¿ocupas saber más? Estudia, investiga, prueba, documenta y sigue avanzando, la siguiente versión siembre debe ser mejor a la anterior, si no has dejado de avanzar. La disposición para continuar también implica saber detenerse. Una solución es suficiente cuando responde la pregunta acordada, buscar la perfección absoluta puede paralizar, en cambio, entregar una respuesta transparente, describir sus límites y proponer una próxima mejora produce valor y mantiene la confianza.
Cuando vez el proceso como el camino correcto, cada versión le enseñará sobre los datos, contexto y su propia forma de analizar. La perseverancia no significa repetir lo mismo; significa aprender de lo ocurrido y mejorar con intención. Esa forma de trabajar convierte los obstáculos en evidencia y la evidencia en soluciones.
En la siguiente parte continuaremos con más de este tema.
