El importante factor humano en el mundo del Big Data

El Big Data plantea muchas dudas acerca de la necesidad de disponer de trabajadores humanos cualificados capaces de discernir qué datos, o conjuntos de datos, son relevantes. De hecho, existe la preocupación de que el ser humano pronto podría ser prescindible gracias al avance imparable de la inteligencia artificial y, en concreto, el machine learning.

Afortunadamente, los seres humanos aun tenemos mucho que decir en el terreno del Big Data. La clave del asunto está en la selección de los datos o conjuntos de datos más relevantes (en inglés, data curation) y en ese terreno es donde el factor humano se hace imprescindible. Esta selección de datos relevantes tiene su origen en determinar cómo utilizar la inmensa cantidad de datos disponibles a corto plazo en beneficio propio, pero aumenta su recorrido al extender esa necesidad al uso de los datos en el futuro, a medio y largo plazo.

Ya lo avanzábamos en un artículo anterior: el empleo de técnicas de inteligencia artificial para el análisis de datos plantea la necesidad de disponer de perfiles profesionales interdisciplinares capaces de analizar los datos y extraer todo el conocimiento y el valor que en haya en ellos. Es el próximo reto de las empresas, y por eso los trabajadores humanos no serán desplazados por las máquinas inteligentes. En pocas palabras, una máquina (todavía) no sabe qué datos son relevantes para una compañía, sobre todo en el terreno estratégico, mientras que un trabajador cualificado sí tiene esas capacidades.

El data curator será una pieza clave en todo el entramado de especialistas en datos: será el organizador, el enlace entre analistas, quien haga un control de calidad sobre los datos… Será un profesional imprescindible encargado de organizar y categorizar los datos, de separar el grano de la paja. Ante la auténtica riada de datos que captura cualquier empresa u organización, prácticamente a diario, un data curator será capaz de separar los datos relevantes y útiles de aquellos que no lo son. Disponer de datos en los que se puede confiar, que sabemos que son “buenos”, es de un gran valor para cualquier compañía.

Por ejemplo, si tenemos en cuenta que un cierto porcentaje de los datos introducidos en sitios de ecommerce son falsos, o inexactos, entenderemos en parte la importancia de filtrar y organizar esos datos para desechar los que no sirven para el negocio (para el envío de una newsletter, ofertas o acciones de marketing) y será posible optimizar el negocio y reducir ciertos costes. Si elevamos el caso del ecommerce al nivel de Big Data, se entenderá mejor las consecuencias de una mala selección de datos relevantes.

A ese nivel, disponer de datos no fiables (es decir, datos que no se convierten en conocimiento útil para la compañía) puede llevar a una toma de decisiones errónea a nivel estratégico o financiero e impactar negativamente en millones de consumidores.

Una de las ventajas o beneficios que tiene el data curator para la industria está en hacer que el aprendizaje automático (machine learning) sea más efectivo. Esto es fácil de entender si recordamos que un algoritmo de aprendizaje automático aprende a partir de conjuntos de datos relevantes o, dicho de otro modo, a partir de ciertos conjuntos de datos que llevan a los algoritmos a conclusiones correctas. Es en ese punto, el de aprendizaje inicial, donde el curator humano es clave para garantizar que se está llevando al algoritmo en la dirección adecuada y a un aprendizaje efectivo.

Por lo tanto, podemos comprobar cómo el factor humano seguirá siendo imprescindible, afortunadamente, en el sector del big data. El perfil de data curator se convertirá en esencial para la industria a corto plazo.