Los datos son el nuevo petróleo de la economía digital, también llamada economía de datos. De hecho,empresas como Alphabet, Amazon, Apple, IBM, Facebook o Microsoft no existirían de no ser por el auge de los datos, ya sea para analizarlos, almacenarlos u obtenerlos, o para todo a la vez.
En este contexto, han surgido conceptos como Big Data y Data Science junto a la necesidad de perfiles profesionales en estos sectores. Todos son indispensables para traducir los datos recopilados a información, decisiones o modelos predictivos útiles para dar vida a productos o nuevos modelos de negocio.
Para atender a esta creciente demanda de profesionales cualificados, centros universitarios como U-tad han ampliado su oferta de estudios con especializaciones y formación de posgrado en estos nuevos campos.
Un mercado de proporciones colosales
Según estudios como realizados por la consultora WiseGuy Research Consultants, se espera que el mercado global de Big Data alcance 118.520 millones de dólares en 2022, con una tasa de crecimiento anual del 26 % desde 2015 a 2022.
Según el informe de IBM “10 Key Marketing Trends for 2017”, el 90% de los datos que hay en el mundo hoy se crearon en los últimos dos años
Si atendemos al volumen de datos, podemos hablar de que estamos en la era zettabyte: el estudio “The Zettabyte Era: Trends and Analysis" de Cisco, de junio de 2017, maneja cifras de hasta 1,2 ZB de datos IP que circularon a través de Internet en 2016. Y se prevén hasta 3,3 ZB en 2021. Para hacernos una idea de lo que esto significa, solo tenemos que pensar que un disco duro externo tiene 1 TB de capacidad para modelos normales. Un zettabyte abarca nada menos que 1.000 millones de estos discos.
Además, el crecimiento en el volumen de datos es exponencial. De acuerdo con el informe de IBM Marketing Cloud “10 Key Marketing Trends for 2017”, el 90% de los datos que hay en el mundo hoy se crearon en los últimos dos años. Estas cifras son bastante descriptivas acerca de las magnitudes en las que nos movemos cuando hablamos del auge de los datos en nuestro tiempo.
Machine Learning e Inteligencia Artificial
En los últimos tiempos se ha empezado a manejar de forma generalizada el concepto de Machine Learning, que de un modo simple se puede definir como el aprendizaje a través de datos y una de las posibles formas de implementar sistemas de Inteligencia Artificial. En las Ciencias de la Computación, se usa la estadística a través de algoritmos para recrear comportamientos 'inteligentes' de aprendizaje automático, entendido como la capacidad para mejorar el rendimiento en una tarea dada a través de la experiencia.
Así, ingentes cantidades de datos (Big Data) se emplean para 'entrenar' a los modelos de ML definidos por los algoritmos asociados a la ejecución de una tarea determinada. Puede ser jugar al Go, al ajedrez o reconocer gatos. Mediante el análisis de la mejora de los resultados, se refinan los procesos hasta llegar a un modelo óptimo.
Para Diego Rojo, profesor del Grado Universitario Oficial en Ingeniería del Software de U-tad y del Máster en Data Science y Big Data, "estas técnicas son claves cuando se trabaja con datos estructurados (con forma de tabla), pero se vuelven más imprescindibles cuando analizamos datos no estructurados, como imágenes, texto, audio o vídeos". Es su aplicación "la que está permitiendo avances en la visión artificial (un pilar del desarrollo de coches autónomos) o el procesamiento del lenguaje natural (presente en los chatbots más avanzados)", continúa el docente.
Más allá del Hype
A estas alturas, los ejemplos prácticos en los que ya nos beneficiamos del uso de los datos para mejorar la calidad de productos y servicios son numerosos y los especialistas del área, reconocidos. "A día de hoy, estamos bien valorados y cada vez se entiende más la necesidad de utilizar los datos a diferentes niveles para tomar decisiones (predicciones, Dashboard,...) o apoyar acciones (segmentación, recomendación,...)", asegura Izaskun López-Samaniego, antigua alumna del Experto en Data Science de U-tad y actualmente design and custormer experience manager en Globant.
Izaskun también puede presumir de ser la reciente ganadora del tercer puesto en el Datatón Ciudad de Madrid 2017, con su proyecto de gestión inteligente del tráfico en la M30. "Fue todo muy rápido y muy colaborativo, decidir cómo tratar los datos, buscar los que necesitábamos, decidir qué modelos de Machine Learning usábamos y, finalmente, mostrar el resultado en una aplicación fue posible gracias al esfuerzo de los tres ─Mikel Uranga, Cristina Palomo y la propia Izaskun─ y las ganas de sacarle jugo a los datos", afirma la antigua alumna de U-tad.
Big Data y la Ciencia de Datos están presentes en múltiples actividades cotidianas. Por ejemplo, cuando buscamos una ruta en Google Maps, cuando interactuamos con asistentes de voz o cuando Amazon, Netflix o Google nos ofrecen sus 'recomendaciones'. Igualmente, intervienen cuando se hacen análisis genéticos de ADN, cuando se predice el tiempo meteorológico, cuando operamos con nuestro banco a través del móvil o cuando se manejan millones de unidades de mercancía moviéndose de un lado a otro del mundo a través de las redes de transporte logístico.
Imagen: Slideshare - Big Data Platform as a Service at Netflix.
También actúan en sectores como la detección de fraudes y la gestión de infraestructuras y obras públicas. Es el caso de Ferrovial. Ana Salgado, dataLAB manager en la compañía, manifiesta que "los datos se usan, por ejemplo, en las managed lanes de Dallas, donde un algoritmo dinámico fija el precio del peaje, o en el aeropuerto de Heathrow. Usamos Big Data e Inteligencia Artificial para conseguir eficiencia en negocios actuales y para encontrar ventajas competitivas o incluso crear nuevos negocios, como en el caso del servicio de coche compartido".
Para Paco Jariego, investigador y consultor independiente, este carácter eminentemente práctico del uso de los datos condiciona también la formación en estas disciplinas: "si yo estuviera a punto de entrar en el mercado laboral, haría cualquier cosa por trabajar en una empresa que de verdad esté haciendo algo realmente interesante".
La necesidad de profesionales es real y urgente
Con todo, aún hay mucho por hacer. Según un estudio sobre la Transformación Digital en España realizado por Paradigma, un 80% de las empresas españolas mantiene en su core de negocio tecnologías obsoletas. Nacho Herranz, responsable de estrategia digital de Paradigma, sentencia que el verdadero valor de las empresas no está en sus aplicaciones, sino en sus datos.
Es decir, hay una relación directamente proporcional entre los procesos de transformación digital y la gestión de los datos generados, recolectados o usados por las empresas, ya sea para ofrecer productos y servicios alrededor de los mismos o para optimizar los procesos de negocio a través del análisis de los datos. Para Paco Jariego, a nivel laboral "hay realmente mucha necesidad [...] es un campo muy prometedor".
Infografía: Ticjob.es.
Informes como “Los + Buscados de Spring Professional 2018”, del Grupo Adecco, muestran como perfil más cotizado dentro del área IT al de Big Data Architect. Según Ticjobs, los salarios que se barajan en este campo para profesionales con una experiencia a partir de dos años alcanzan más de 45.000 € anuales, como se ve en la infografía superior.
Diego Rojo, por su parte, detalla cómo acercarse a estas disciplinas: "Para aquellos que van a comenzar su formación superior, creo que hacerlo en una disciplina como Ingeniería del Software especializándose en Ingeniería de Datos, como pueden hacer los alumnos de U-tad, es una buena apuesta. Esta formación les permite no sólo analizar esos datos creando informes para ayudar a la toma de decisiones, sino también crear productos data-driven como Spotify o Netflix.
Para aquellos que ya tienen una formación técnica o analítica previa (ingenieros, matemáticos, físicos...), lo mejor es decantarse por una formación técnica o bien en Data Science (para los más analíticos) o bien en Arquitectura Big Data (para profesionales TIC)".
Un campo aún en pañales
El uso de los datos aún está en su infancia. Un informe de Tech Pro Research muestra que muchas compañías están recopilando datos para la mejora de sus productos y conocer las preferencias de los clientes; pero, el 61% de las empresas reconocía que no tenían soluciones de Big Data implementadas.
Este un campo con un potencial enorme para acoger a profesionales competentes y formados. Los ingredientes de una buena formación pasan por disponer de las últimas tecnologías para el aprendizaje, con formación práctica integrada en los planes de estudios o con una buena empleabilidad que permita poner en práctica los conocimientos adquiridos.
Imagen: logotipo de Cambridge Analytica en Wikipedia.
No obstante, no todo es de color de rosa. Tal y como valora José Acitores, alumno del Grado Universitario Oficial en Ingeniería del Software de U-tad, "el caso de Facebook demuestra claramente que pocos datos están seguros en un mundo tan globalizado, donde prácticamente en cada sitio web al que accedes saben de dónde eres o qué has visitado antes. Aunque las redes sociales pongan esfuerzos en proteger los datos personales de todos sus usuarios, puede ocurrir que estos se comprometan".
El escándalo de Cambridge Analytica y el uso de datos de usuarios de Facebook para 'dirigir' la campaña presidencial de Donald Trump lo ha puesto en el punto de mira de quienes recelan de la tecnología como gestora de información sensible. Por ello, es probable que la seguridad cobre una mayor relevancia en la formación de profesionales en Big Data, Datos Science, Analítica o Machine Learning.
Imágenes: Slideshare 'Big Data Platform as a Service at Netflix', Ticjob.es y Wikipedia
