Pospandemia nos encontramos en un escenario en dónde podemos aplicar, gracias al trabajo remoto, a posiciones laborales en cualquier lugar del planeta. ¿Cuántas personas pueden postularse a una misma oferta laboral? Si la búsqueda es global, ya no es extraño encontrar en la mencionada red avisos con más de 100, 200 o hasta 500 postulantes.
Quienes han tenido que leer un currículum saben que no es una tarea rápida. No es una novela, pero tampoco algo que se puede hacer a la ligera. Lleva tiempo y energía. Entonces, ¿cómo puede hacer un área de Recursos Humanos para leer más de 100 postulaciones? ¿Cómo se evalúa a semejante cantidad de candidatos? la respuesta es simple, con datos, algoritmos e inteligencia artificial.
Leé también: El excesivo uso de tecnología convertiría a los humanos en seres encorvados y con garras en el año 3000
La expansión de las áreas de análisis en las empresas
Tiempo atrás temáticas como programación, análisis de datos o inteligencia de negocios estaban limitadas a un sector dentro de la empresa. Generalmente el área de Sistemas era la encargada tanto de gestionar esas herramientas y los recursos técnicos como de brindar las soluciones. Hoy día las áreas de análisis son transversales a toda la organización. Incluso en muchos casos cada área tiene su unidad específica de análisis. Con lo cuál ya no es extraño ver trabajar a reclutadores con actuarios y programadores. O incluso encontrar médicos, sociólogos o abogados que saben programar.
El miedo por excelencia que surge cuando se comienza un curso o postgrado relacionado con Datos es “Yo no sé programar, no vengo de esa rama”. La programación es hoy, junto con el idioma inglés, uno de los principales extras que adicionará valor a cualquier trabajador o candidato. Cómo hemos comentado al principio, ayudará a los reclutadores a analizar postulaciones con mayor velocidad. Permitirá que un bioquímico pueda revisar enormes bases de datos genéticos en búsqueda de una anomalía. Le facilitará a un abogado la búsqueda de jurisprudencia. Ayudará a un médico a realizar una investigación bibliográfica en cientos de papers.
Por supuesto que programar no lo es todo, pero es el primer paso. Lenguajes como R, Python o SQL son una buena puerta de entrada. Herramientas como Power BI, Tableau o Data Studio son un gran complemento. Estadística, una parada obligada. La cima está en Machine Learning, Inteligencia Artificial y Deep Learning.
Lo que comúnmente se conoce como Big Data (algo así como el análisis de grandes volúmenes de datos a gran velocidad) ha venido a revolucionar la manera en la que nos manejamos. Casi no existe dispositivo que no genere datos. Casi no hay dato sin ser almacenado. Una parte de esos datos se analiza, se procesa y se transforma en información. Pero todavía queda mucho por hacer.
Los datos son el nuevo petróleo crudo
La demanda de mano de obra especializada en el manejo de datos es muy alta. A nivel mundial, esa demanda no puede ser cubierta totalmente. Quien posea esas habilidades tendrá un plus sobre el resto.
Leé también: Innovación tecnológica en la Justicia: pasado, presente y futuro de un camino inevitable
Hace unos años se acuñó la frase “Los datos son el nuevo petróleo”. Poco después se pulió y amplió: “Los datos son como el petróleo crudo”. Es valioso, pero si no está refinado no puede ser usado. Debe ser procesado y convertido en gasolina, plástico, químicos, etc, para crear una entidad realmente valiosa. Al igual que el petróleo, los datos deben ser analizados para que tengan valor.
No importa nuestro trasfondo, en qué organización nos desempeñemos o qué trabajo hagamos. Saber trabajar con datos y transformarlos en información, es ya una obligación.
(*) Pablo H. Paul es docente en la Maestría en Ciencia de Datos e Innovación Empresarial de la Universidad CAECE.
