Hablemos de tu trabajo en 7Puentes y de los principales proyectos de la empresa.

7Puentes es una consultora en Ciencia de Datos y Big Data que tiene 9 años en el mercado, que brinda servicios de valor agregado tanto en la pata analítica como en las soluciones concretas. Al fin del día construimos un software y para construirlo se necesitan diferentes tipos de perfiles: analistas, desarrolladores y arquitectos.

Actualmente somos 15 personas. La empresa está dividida entre los directores, los especialistas técnicos y los implementadores que son desarrolladores de software. Todos nuestros empleados provienen de universidades nacionales, los más Juniors son de la Universidad Nacional de Quilmes; además tenemos otros perfiles más Seniors de las facultades de Ingeniería y Exactas de la UBA. También contamos con el soporte de expertos en el área de teledetección de imágenes.

En cuanto a los tipos de proyectos que tomamos, están por un lado aquellos relacionados con el fortalecimiento de la infraestructura tecnológica y optimización de procesos -lo más parecido al armado de un Datawarehouse corporativo con la gestión de datos masivos-. En estos casos, los perfiles que se requieren son ingenieriles y los problemas que se quieren resolver son más conocidos y previsibles.

Un segundo tipo de proyectos son aquellos que incluyen problemas de innovación en ciencia de datos. Para estas cuestiones nos convocan tanto las gerencias de marketing como las gerencias de venta. Tienen que ver con empresas que innovan permanentemente, creando soluciones nuevas a partir de los datos que ya se están gestionando.

Después hay una tercera parte, un tercer tipo de proyectos que supone resolver cosas puntuales de modelos analíticos. O sea que el primer tipo de proyectos sería de Big Data, el segundo tipo sería de Data Science y el tercero Modelos analíticos pequeños.

Me imagino que a lo largo de estos 9 años la empresa se fue expandiendo hasta llegar a proyectos de gran envergadura…

La experiencia acumulada te permite formalizar los proyectos en productos que puedan ser replicables para diferentes tipos de clientes. Son todas características de calidad, propias de la ingeniería de software. En este momento tenemos proyectos muy fuertes de Big Data en el Agro.

La Fundación Sadosky, el Ministerio de Agroindustria y ARSAT crearon una plataforma llamada PALENQUE, para el procesamiento de datos de Big Data y Agro. Nosotros ganamos la licitación el año pasado para ser los arquitectos de Big Data del proyecto y  desarrollamos la plataforma. Es el proyecto de Big Data nacional más grande que existe, a nivel del Estado.

¿En qué consiste esa plataforma?

Es una plataforma y un ecosistema de aplicaciones que brindan soluciones tecnológicas basadas en Big Data a los productores agropecuarios, al sector público y a otros actores del sistema productivo y científico.

El desarrollo del software ya lleva 7 meses y actualmente está en el momento de garantía del producto. La Fundación Sadosky inició la carga de algunos sets de datos públicos y en los próximos meses se lanzará una versión de prueba para desarrolladores, de manera que podamos obtener un primer feedback.

Hoy en día, una comunidad de pequeños desarrolladores de software desean vender productos de software y para ese producto específico necesitan disponer de computadoras y discos rígidos; un cloud o una nube privada, donde haya datos referentes al Agro, para poder explotar y generar servicios de información. Entonces, es una plataforma donde se van a alojar datos del clima, datos de imágenes satelitales, imágenes aéreas de los cultivos obtenidas por drones, datos del agua, datos generales de la producción, series de tiempo del precio de la soja, etc. Todo se reúne en un repositorio de datos públicos.

Los productores que realizan todo el circuito productivo -preparar la tierra, comprar semillas, sembrar, utilizar agroquímicos, cosechar y vender- están generando información que se vuelca en esta plataforma y es consumible por los desarrolladores de aplicaciones.

Un ejemplo de este tipo de aplicación podría ser un monitor o un semáforo que indique si conviene fumigar o no. Supongamos que se le cargan los datos del lote y este desarrollador observa datos meteorológicos y datos de series de tiempo de información satelital donde se calcula el índice verde u otros índices acuíferos y observa datos del clima. A partir de ello arma un modelo y responde, dada una posición geográfica y una fecha, si conviene o no conviene fumigar.

En general, los principales destinatarios de la plataforma son los desarrolladores emergentes o emprendedores, porque al estar iniciándose en el negocio se les abre el juego. Una de las visiones de la plataforma es poder transferir los ingresos que se generan con el Agro al sector informático.

Big Data y el Agro están siendo socios estratégicos en beneficio del país. Considerando que ambos sectores son claves para Argentina, se generó esa composición de emprendedores tecnológicos que pueden hacer software especializado para el Agro.

¿Cuál es tu gran desafío hoy como consultor en Big Data?

Cuando pienso en la estrategia de 7Puentes, pienso también en si es sustentable el modelo de empresa de 15 personas o si tenemos que crecer. Si crecemos el interrogante que se plantea es cómo seguir brindando la misma calidad. Son todos interrogantes que tienen que ver con la estrategia de expansión y adquisición de nuevos mercados, aplicando técnicas de gerenciamiento de una empresa de software.

Nuestra principal preocupación hoy es cómo formalizamos esta estrategia para abrir nuevos mercados y generar alianzas con los diferentes actores que participan en este proceso.

Lo que estamos haciendo actualmente es acompañar a las Venture Capital o aceleradoras de negocios que tienen proyectos de startups, para asistirlos y asesorarlos técnicamente en todo lo que tenga que ver con ciencia de datos. Generalmente estas startups no cuentan con un científico de datos entre su equipo de trabajo, por lo que brindamos servicios tanto a la empresa como a sus inversores.

Cambiando de tema, te propongo que conversemos sobre tu actividad de divulgación y comunicación en Big Data.

Cuando armamos el BIG DATA RADIO SHOW con la productora, intentamos delinear los diferentes tópicos, cuál sería el lenguaje, el tema, las audiencias de la radio. El foco del programa era tratar de masificar y llevar directamente a la vida cotidiana los datos: cómo los datos que está generando un ciudadano común le afectan en la vida cotidiana, ejemplos de privacidad, cómo una marca sabe cosas de vos que no tenés ganas de que sepa, opiniones y tendencias que trae la gente común.

Pero también -además de que me conozcan- busco divulgar para que la disciplina crezca, para que tenga mayor presencia en el público en general y el público académico todo lo que es la ciencia de datos y la actividad tenga otra dinámica.

Ayer mismo salió en un diario online una nota de la política de privacidad de Facebook. Es impensado que una nota en un medio masivo de comunicación hablando sobre la política de privacidad de una red social. Si lo pensás, llegó a la audiencia masiva un tema como la política de privacidad de datos.

Creo que en lo que es divulgación con datos los medios masivos eligen dos formas de tratarlo: o la nota de color -Facebook sabe si estás enamorado o no- o la nota de divulgación científica -una entrevista más profunda con el autor de un trabajo o un descubrimiento como lo que hace Nora Bär en La Nación-.

¿Y el periodismo de datos?

El periodismo de datos se queda a mitad de camino entre una publicación científica, porque no tiene la rigurosidad ni el veedor de una revista científica, y una nota completamente subjetiva, editorialista, de un periodista que cuenta la historia que tiene ganas de contar él. Brinda herramientas concretas, una visualización o estadísticas para que el lector final sea el que construya la historia, por ejemplo con Panamá Papers.

Me parece que habría que descartar las notas de periodismo de datos dentro de la temática de divulgación en ciencia de datos. Porque intentan contar una historia de un dato de actualidad en particular, con un interés más editorial que de divulgar científicamente sobre Big Data.