No hay duda de que el big data se ha convertido en un mercado en crecimiento, y se está convirtiendo en uno de los pocos proyectos on premises cuyos gastos están aumentando, ya que las compañías trasladan menos funciones de datos sensibles a la nube.
En un reporte sobre el crecimiento del big data, IDC sostuvo que las herramientas de descubrimiento visual de datos crecerán 2,5 veces más rápido que el resto del mercado de inteligencia de negocio (BI, por sus siglas en inglés), y que el gasto en soluciones de big data y analytics (BDA) de nube crecerán tres veces más rápido que el gasto en las soluciones on premises.
Sin embargo, big data es y continuará siendo débil en cuanto a la falta de profesionales para los próximos años. IDC predice que solo en Estados Unidos habrán 181 mil roles de deep analytics en el 2018, y cinco veces esa cantidad en puestos que requieren habilidades relacionadas en gestión e interpretación de datos. Sin embargo, no habrá suficientes postulantes para cubrir esos puestos.
Y Gartner ha afirmado que para este año, la demanda de big data creará 4,4 millones de trabajos a nivel mundial pero solo un tercio de éstos serán ocupados.
Eso se debe a que la analítica de big data requiere habilidades que van más allá de simplemente usar un panel para monitorear los flujos de datos. Uno necesita un alto nivel de habilidades en ciencia de los datos para configurar las búsquedas, y los parámetros para diseñar algoritmos de filtrado. Uno no consigue estas habilidades con un programa de certificación, ellos requieren de un grado de master o incluso un doctorado.
Una encuesta de Burtch Works publicada en el 2013 encontró que casi nueve de cada 10 profesionales de big data tienen al menos un master -o un doctorado- en una disciplina cuantitativa como estadística, matemáticas aplicadas, investigación de operaciones o economía.
Otra encuesta, esta vez del McKinsey Global Institute, predijo que para el 2018 Estados Unidos podría estar lidiando con una escases de 1,5 millones de expertos en big data.
Entonces, ¿qué se hace si no se puede encontrar un gurú del big data con un grado avanzado? A continuación cuatro enfoques alternativos para encontrar, desarrollar y retener a los profesionales del big data.
1. Comience con personas que conozcan el negocio
“Concuerdo con las afirmaciones que señalan que las habilidades de big data pasan por una gran escases”, sostuvo Nick Heudecker, director de investigación de gestión de la información de Gartner. “Los clientes no saben con qué habilidades necesitan comenzar, ya ni qué decir sobre dónde encontrarlas. Existe un desconocimiento sobre los tipos de problemas que van a enfrentar y qué habilidades analíticas van a necesitar para superarlos”.
Las compañías generalmente piensan que necesitan alguien con un Ph.D. en ciencias de datos avanzadas o matemáticas, pero Heudecker afirmó que un enfoque alternativo es encontrar a alguien que conozca su negocio y se le enseñe las habilidades analíticas.
“Comenzar con un entendimiento del negocio es más importante que comenzar con un entendimiento del aprendizaje de máquina. Uno puede enseñar a las personas a manipular los datos o realizar estadísticas, o encontrar a alguien con un grado que tenga algo de experiencia en programación. Uno puede encontrar a estas personas, darles capacitación adicional y llevarlos hacia los equipos de big data o analítica avanzada”, afirmó.
2.- Desarrolle a sus propias superestrellas
Min Xiao, jefe de ingeniería de campo del proveedor de software de big data, Tamr, afirmó que ha entrevistado a alrededor de 500 personas en los últimos cinco años y ha seleccionado a alrededor de 40 a 50. Dijo que es muy difícil encontrar a los analistas de big data adecuados, pero tiene su propio método para encontrar a la gente.
“Mi truco ha sido encontrar a las personas que no son actuales superestrellas, sino encontrar a los potenciales y convertirlos en superestrellas. Intento contratar a muchos jóvenes que no hayan pasado por el trabajo del científico de datos pero que vea en ellos el potencial, o a personas de nivel medio o senior que no hayan pasado por un rol en ciencia de datos, pero que tengan el potencial y convertirlos en superestrellas”, afirmó.
El potencial que busca se encuentra en la educación, tanto en el grado como en la escuela. Busca personas con especialidades en estadística, ciencia de la computación y, en ocasiones, una especialidad en física. Una especialidad en física podría no ser el primer grado que se viene a uno a la mente cuando piensa en analítica, pero Xiao afirmó que le va bien con estas personas.
“Primero que nada, son muy inteligentes si tienen un grado en física. Tienen capacitación en matemáticas, y en los cursos modernos de física también necesitan saber programación. Así que puede que no tengan una capacitación formal en ciencia de la computación, pero en términos de las habilidades en computación que se requieren para un puesto como científico de datos, muchos de ellos son muy buenos”, indicó.
La otra área donde busca es en las escuelas con gran énfasis en matemáticas y ciencias, como el MIT, Carnegie Mellon, Stanford, Brown y Johns Hopkins. “Ciertas escuelas tienen reputación de poner la vara realmente alta, por lo que las personas que se gradúan de estas escuelas pueden trabajar duro y tienen la actitud del trabajo duro”, señala Xiao.
3.- Busque expertos en Excel avanzado
Jason Chavarry, gerente del departamento de analítica de personas de The Hershey Company, encuentra a los profesionales de big data en otro lugar inusual: entre los usuarios avanzados de Excel.
“Excel es el terreno de cultivo. Muchas personas obtienen las habilidades para el big data ahí, y tienden a ser consultados para ayudar en otros trabajos”, afirmó.
Excel es el nivel de entrada en donde las personas aprenden las funcionalidades básicas que se encuentran en la analítica de big data, añade. “Todos conocen muchas de las funcionalidades básicas. Es la forma en que presentas un reporte o una hoja de cálculo, las reglas que uno crea. Excel tiene todo esto. Uno puede usarlo para las estadísticas de nivel básico, análisis de datos básico y visualización”, añadió.
Pero Chavarry señaló que uno necesita diferentes herramientas para proyectos de diferente tamaño. Para un proyecto de analítica con cinco mil filas de datos, algo como un SAS o R sería demasiado pero Excel sería perfecto. Para 20 millones de filas, Excel no sería lo suficientemente potente. Entonces uno necesita software de big data y conocimientos de programación, pero él no se encuentra casado con un lenguaje en particular.
“Uno en realidad no se preocupa por cuál. Si alguien tiene la capacidad de hacer un lenguaje, tiene la capacidad de hacer los otros. Uno busca esa agilidad en el aprendizaje porque deberían poder concentrarse en los otros”, afirmó Chavarry.
4.- Cultive su propia gente
Con escases de profesionales, la solución para la mayoría de las compañías será cultivar su propia granja de talentos. Ashley Stirrup, CMO de Talend, firma de integración de software de big data, afirma que la compañía ha obtenido buenos resultados al establecer un programa de mentores, juntando a los jóvenes con los viejos expertos.
“Existe toda un conjunto de habilidades para las personas que cruzan el puente entre el negocio y estas nuevas tecnologías”, señaló Stirrup. “Usualmente, las personas de negocio no se dan cuenta del potencial de las nuevas tecnologías que vienen, y las personas de tecnología no se dan cuenta cómo usarlas”.
Desafortunadamente, quedarse con estas personas puede ser difícil. Los clientes de Talend afirmaron que cuando ingresan a alguien y lo capacitan en nuevas tecnologías, esa persona puede encontrar trabajo en otro lugar por 50% más dinero, y por ello tienen dificultades para encontrar a las personas y para quedarse con ellas luego de que son capacitadas.
Entonces, ¿cómo quedarse con ellos sin usar un contrato coercitivo que podría envenenar la relación con el empleado? “Lo fundamental es mostrarles que pueden construir sus habilidades y pueden ser más valiosos en su compañía. Igualmente, uno debe establecer las expectativas, no dejarlo todo a los contratos”, señaló Stirrup.
Xiao está encontrando el mismo problema con los profesionales. Él afirmó que Tamr intenta contratar personas con una buena actitud hacia los equipos y motivarlos a encontrar valor en la compañía. “Cuando ven personas como ellos en el equipo, usualmente piensan que quieren trabajar con un equipo los siguientes cinco años. El mercado es muy competitivo, y tenemos el sincero deseo de que las personas tengan éxito o sino no vamos a atraer a las buenas personas”, señala.
Heudecker también considera que las compañías deberían incentivar en lugar de encadenar a los profesionales. “Uno puede que no necesite un equipo de Ph.D. Quizás una sola persona con un master en estadística o ciencias de la computación y un MBA para contarle la historia al grupo es suficiente. Vea los niveles de pregrado de las personas y si se encuentran interesados en la historia de los datos, construya en base a esto. Las compañías deberían ofrecer capacitación en base a incentivos, y alguna forma para asegurarse que el empleado se quede por un tiempo porque estas habilidades tienen mucha demanda”, señaló.
Con el tiempo, señaló Heudecker, el big data se convertirá en la nueva normalidad y el conjunto de profesionales se ampliará. “Si uno ve la infraestructura de big data, es muy similar al mercado RDBMS de los años 80. No había aplicaciones entonces, pero las personas las construían. Lo mismo sucederá con el big data”, sostuvo.
