Listado

La respuesta al interrogante ¿puede un economista ser científico de datos? es sí. De hecho, en la ciencia económica, un término poco conocido pero particular es el Tech-economist, llamado así por su relación con empresas de tecnología como es el caso de Hal Varian y Susan Athey, economistas en jefe de Google y Microsoft, respectivamente.

Por: Lourdes Cruz Cárdenas  -Facultad de Ciencias Económicas-

Con una búsqueda sencilla en Google, podemos encontrar que un científico de datos está relacionado con disciplinas como estadística, matemáticas, física o ingeniería de sistemas. Sin embargo, el economista también se encarga de extraer y recopilar datos e información para procesarlos y analizarlos a través de ramas de la ciencia económica como la econometría donde el poder computacional, con más de 50 años de historia, ha provocado que en la economía el término, poco conocido pero particular de los Tech-economist, comenzara a resonar hace más de una década.

De acuerdo con Santiago Molano Rojas y Steven López Giraldo, economistas y actualmente estudiantes de la Maestría en Métodos Cuantitativos para Economía y Finanzas de la Facultad de Ciencias Económicas –FCE–, se llaman Tech-economist a los profesionales de la economía que normalmente están relacionados con empresas de tecnología y se han dedicado a trabajar distintas aplicaciones sobre el mundo de los datos para resolver problemas y dar respuesta a diversas preguntas de negocio en la industria, convirtiendo información en acciones y estrategias.

Para los estudiantes, invitados al tercer Ciclo de Conferencias en Métodos Cuantitativos, organizado por el Departamento de Estadística y Matemáticas de la FCE, referentes como Hal Varian y Susan Athey, son muestra de la importancia y relevancia que tiene llevar la economía al siguiente nivel, sobre todo con el poder computacional para aprovechar el volumen de información diario y aplicarlo a diferentes modelos econométricos. 

En tal sentido, lo que se busca no es que el científico de datos, por las disciplinas con que se le relaciona inicialmente, se ocupe de todas las tareas de extraer, transformar, cargar y analizar datos, además de construir modelos predictivos, sino que el término –científico de datos– evolucione hacia un equipo de ciencia de datos.

Así lo explicó Steven López, científico de datos en Mercado Libre, “se refiere a grupos conformados por diferentes perfiles profesionales que aportan a un trabajo conjunto, pues es difícil encontrar personas con dominio absoluto en ciencias de la computación, matemáticas, estadística y conocimiento de negocio al mismo tiempo, más porque siempre hay nuevos algoritmos, librerías y flujos de trabajo en la industria”.

En perspectiva de Santiago Molano, “la primer ventaja que hemos identificado como economistas, en gran parte por la formación recibida en la Universidad de Antioquia, es la fundamentación en estadística y pensamiento lógico frente a la construcción de modelos y cómo funcionan, buscando explicar, predecir o entender determinadas variables con sentido estadístico y de negocio”.

Asimismo, comentó López, “además de la teoría, que es fundamental, es importante balancear este conocimiento con la práctica para aplicar modelos y algoritmos que requieren mucha preparación en temas de programación, al igual que comprender qué tipo de herramienta es más apta que otra para trabajar”.

De manera que, lo anterior cobra especial importancia porque en la formación del economista, usualmente no se profundiza en cursos de programación, sin embargo, ambos estudiantes resaltaron el esfuerzo que viene haciendo la Facultad para atender este requerimiento e incluir en los programas académicos cursos de extensión sobre programación como es el caso del lenguaje de programación SQL y Python.

“Es importante seguir impulsando los cursos de programación, así como aquellos orientados a las habilidades blandas de comunicación y liderazgo, porque nos dan luces como profesionales para actuar en el mercado laboral”, agregó Molano, científico de datos de Datalytics.

Ahora, si bien el conocimiento y práctica en programación es uno de los retos que tiene el economista como científico de datos, el análisis exploratorio también puede generar buenos insights que aporten a la toma decisiones, además de solo construir modelos predictivos. Adicional, hay retos en el conocimiento de infraestructura tecnológica en la nube y elementos computacionales, al igual que el trabajo con datos no estructurados como texto, imágenes y audio, donde se vienen generando avances interesantes.

Por lo tanto, López insistió en la importancia de administrar y priorizar el conocimiento en ciencia de datos, teniendo en cuenta que es una disciplina que avanza rápido y se ha convertido en un reto para las universidades y su esfuerzo por actualizarse y cerrar las brechas de conocimiento.

Finalmente, ambos economistas invitaron a sus colegas y demás profesionales del ecosistema de datos a democratizar el conocimiento en este campo, el machine learning y la inteligencia artificial, y enseñar cómo se pueden utilizar para tomar decisiones o acciones importantes que contribuyan a mitigar determinados riesgos.

Imágenes tomadas de: www.pexels.com - www.pixabay.com/