Priorice las habilidades de datos que su empresa necesita con esta matriz 2 × 2

Jorg Greuel/Getty Images

Las habilidades con los datos (las habilidades para convertir los datos en información y acción) son el motor de las economías modernas. Según el Foro Económico Mundial, los trabajos centrados en la informática y las matemáticas son los que muestran el mayor crecimiento, a expensas de las funciones menos cuantitativas.

Ya sea para maximizar el papel que desempeñamos en el crecimiento económico basado en los datos o simplemente para asegurarnos de que nosotros y nuestros equipos seguimos siendo relevantes y empleables, tenemos que pensar en hacer la transición a un conjunto de habilidades más sesgado por los datos. Pero, ¿en qué habilidades debería centrarse? ¿Podemos esperar la mayoría de nosotros seguir el ritmo de esta tendencia o sería mejor retirarnos a las áreas de la economía cada vez más reducidas y dejar los conocimientos de datos en manos de los especialistas?

Para responder a esta pregunta, reiniciamos y adaptamos un enfoque que adoptamos para priorizar las habilidades de Microsoft Excel según las ventajas y los costes de adquirirlos. Aplicamos un análisis de la utilidad del tiempo al campo de las habilidades con los datos. «Tiempo» es tiempo de aprender, un indicador del coste de oportunidad para usted o su equipo de adquirir la habilidad. «Utilidad» es la cantidad de habilidad que probablemente necesite, un indicador del valor que añade a la empresa y de sus propias perspectivas profesionales.

Combine tiempo y utilidad y obtendrá una matriz sencilla de 2 × 2 con cuatro cuadrantes:

• Aprenda: gran utilidad, poco tiempo de aprendizaje. Es una fruta fácil de alcanzar que añadirá valor para usted y su equipo rápidamente.
• Plan: gran utilidad, mucho tiempo de aprendizaje. Si bien esto es valioso, adquirir esta habilidad significará priorizarla antes que otros tipos de aprendizaje y actividades. Tiene que asegurarse de que vale la pena la inversión.
• Navegar: poca utilidad, poco tiempo de aprendizaje. No lo necesita ahora, pero es fácil de adquirir, así que manténgase informado en caso de que su utilidad aumente.
• Ignorar: poca utilidad, mucho tiempo de aprendizaje. No tiene tiempo para esto.

Para ayudarlo a decidir dónde centrar sus esfuerzos de desarrollo, hemos comparado las habilidades de datos clave en este marco. Hemos hecho una lista larga de habilidades asociadas a puestos como: analista de negocios, analista de datos, científico de datos, ingeniero de aprendizaje automático o hacker de crecimiento. Luego, los priorizamos según su impacto en función de la frecuencia con la que aparecen en las ofertas de trabajo, los informes de prensa y los comentarios de nuestros alumnos. Y, por último, lo combinamos con información sobre lo difícil que es aprender las habilidades, utilizando el tiempo dedicado a la competencia como métrica y evaluando la profundidad y la amplitud de cada habilidad.

Centro Insight

• Ampliar las habilidades de datos de su equipo

  Patrocinado por Splunk

  Ayude a sus empleados a conocer mejor los datos.

Lo hicimos por técnicas, más que por tecnologías específicas: por ejemplo, para el aprendizaje automático en lugar de TensorFlow; para la inteligencia empresarial en lugar de Microsoft Excel, etc. Una vez que haya determinado qué técnicas son prioritarias en su contexto, podrá determinar qué software específico y las habilidades asociadas las respaldan mejor.

También puede aplicar este marco a su propio contexto, donde el impacto de las habilidades de datos puede ser diferente. Estos son nuestros resultados:

En Filtered, descubrimos que crear esta matriz nos ayudaba a tomar decisiones difíciles sobre dónde centrarnos: a primera vista, todas las habilidades de nuestra larga lista parecían valiosas. Pero siendo realistas, solo podemos esperar mover la aguja en unos pocos, al menos a corto plazo. Llegamos a la conclusión de que el mejor retorno de la inversión en habilidades para nuestra empresa era en la visualización de datos, debido a su gran utilidad y al poco tiempo de aprendizaje. Ya hemos realizado nuestro análisis y acabamos de empezar a utilizar Tableau para mejorar la forma en que presentamos los análisis de uso a los clientes.

Pruebe la matriz en su propia empresa para ayudar a su equipo a determinar qué habilidades de datos son las más importantes para que comiencen a aprender ahora.