Ser efectivo significa lograr los resultados deseados.
Estos resultados pueden ser diferentes en diferentes organizaciones según la madurez de la organización y la madurez del equipo de ciencia de datos.
Por ejemplo, supongamos que uno de los objetivos de un equipo de ciencia de datos es “Desarrollar un sistema de recomendación para el final del tercer trimestre”. Si el equipo desarrolla el sistema, fue efectivo.
- ¿Cómo obtener experiencia en proyectos de ciencia de datos cuando no estoy trabajando en ninguna compañía de ciencia de datos?
- ¿Los científicos de datos serán reemplazados por máquinas?
- ¿Qué carrera profesional es mejor, científico de datos o profesor de administración?
- ¿Qué matemáticas debe saber un científico de datos?
- ¿Qué es mejor ser un experto en el trabajo, un científico de datos o un desarrollador de software?
Sin embargo, si el sistema de recomendación no tenía un objetivo en sí mismo, no sabemos si valió la pena desarrollarlo. Llegaré a decir que, en primer lugar, no sabemos por qué lo estamos desarrollando. Por lo tanto, un objetivo mejor sería “Desarrollar un sistema de recomendación para el final del tercer trimestre que aumente los artículos por pago en un 10% sin un impacto negativo en la conversión”. Con este objetivo, el equipo de ciencia de datos es efectivo si hay un aumento de artículos por pago superior al 10% sin un impacto negativo en la conversión.
En mi opinión, un equipo de ciencia de datos maduro en una organización madura de datos tendrá el impacto comercial esperado en su objetivo y nada más, por ejemplo, “Aumente los artículos por pago en un 10% sin un impacto negativo en la conversión”. Esto significa que establecemos el objetivo comercial y dejamos que el equipo de ciencia de datos lo resuelva. Esto implica una mentalidad diferente, menos basada en la tecnología y más basada en la investigación.