{"id":109,"date":"2013-11-11T18:57:37","date_gmt":"2013-11-11T18:57:37","guid":{"rendered":"http:\/\/triton.exp.dc.uba.ar\/predictivos\/?p=109"},"modified":"2013-11-16T13:23:57","modified_gmt":"2013-11-16T13:23:57","slug":"una-predictora-en-business-analytics","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=109","title":{"rendered":"Una predictora en Business Analytics"},"content":{"rendered":"

\"Ana<\/a><\/p>\n

\u00bfEn qu\u00e9 consiste tu trabajo en SAS?<\/b><\/p>\n

Trabajo como Gerente de Proyectos, en el \u00e1rea de Business Analytics<\/i>, coordinando los esfuerzos del equipo para cumplir todo el alcance de cada proyecto dentro del tiempo estimado y con el plantel que se considera necesario. Actualmente estoy liderando dos proyectos de Payment Risk <\/i>en dos empresas de telecomunicaciones y coordino un equipo de desarrollo ETL. En los proyectos de riesgo crediticio desarrollamos modelos para predecir comportamientos de pago de clientes con las siguientes caracter\u00edsticas: A) Application<\/i>: predecir si la persona que va adquirir un nuevo producto o servicio de telecomunicaciones lo va a poder pagar. B) Behaviour<\/i>: saber si la persona va a pagar o no la pr\u00f3xima factura. C) Collection<\/i>: detectar si una persona es potencial no pagadora el pr\u00f3ximo mes y hacer una gesti\u00f3n de cobranza distinta, que se ajuste a su perfil.<\/p>\n

El destinatario final del modelo es el usuario de cr\u00e9ditos y cobranzas pero a su vez complementan al usuario de ventas y marketing para conocer la propensi\u00f3n de compra de un producto unido al riesgo de poder pagarlo o no. Tambi\u00e9n se est\u00e1 implementando un proyecto para Forecasting<\/i> de llamadas, basado en la predicci\u00f3n de comportamientos para call centers.<\/p>\n

El primer modelo que se realiz\u00f3 para el cliente principal fue Churn<\/i>. Se usa para la retenci\u00f3n de clientes en marketing, ya que predice con cierta probabilidad de acierto si el cliente se dar\u00e1 de baja de la compa\u00f1\u00eda o no. Una vez que generamos el modelo, le explicamos a nuestro destinatario c\u00f3mo funciona, le transferimos habilidades para implementarlo y los usuarios finales de marketing se quedan como due\u00f1os de ese modelo para los ajustes posteriores y para crear el mismo modelo en otros segmentos, para otros productos o servicios, de acuerdo a sus necesidades.<\/p>\n

\u00bfCu\u00e1l es el perfil de las personas que trabajan en este equipo?<\/b><\/p>\n

Es un equipo formado por 14 personas en total y en cada proyecto con perfiles: desarrollador ETL, tester de ETL y analista.<\/p>\n

ETL (en castellano \u201cextraer, transformar y cargar\u201d) es el proceso que permite a las organizaciones mover datos desde m\u00faltiples fuentes, reformatearlos y limpiarlos, y cargarlos en otra base de datos o en otro sistema operacional para apoyar un proceso de negocio. Aclaro que es s\u00f3lo un medio para llegar al modelo, ya que no reemplaza la metodolog\u00eda de predicci\u00f3n en data mining<\/i>. Es el proceso previo el que toma m\u00e1s tiempo y que resulta totalmente necesario para modelar.<\/p>\n

\u00a0\u00bfPero en qu\u00e9 se diferencian el analista en miner\u00eda y el analista ETL?<\/b><\/p>\n

Es una pregunta maravillosa. Si bien llamo indistintamente \u201canalista\u201d a la persona que realiza el requerimiento o la definici\u00f3n del desarrollo ETL y tambi\u00e9n al \u201cminero de datos\u201d propiamente dicho, no todos los mineros tienen claros los conceptos de ETL, porque saben lo que ellos necesitan pero lo que yo busco desde mi lugar es que sean capaces de armar un requerimiento para un desarrollador. No todos vienen del mundo de sistemas y para trabajar con los datos para modelar, tienen que hablar el mismo lenguaje y manejar los mismos par\u00e1metros que un desarrollador, entonces este es un conflicto que suele aparecer.<\/p>\n

\u00a0A la vez el hecho de que no vengan de Sistemas les puede abrir la cabeza para ver los proyectos desde otro punto de vista\u2026<\/b><\/p>\n

Como todo, tiene cosas positivas y negativas. En general es gente que entiende el negocio de una manera m\u00e1s amplia, lo cual es fant\u00e1stico para nuestros modelos. Creo que el camino del profesional anal\u00edtico reci\u00e9n est\u00e1 comenzando.<\/p>\n

\u00a0\u00bfCu\u00e1l consider\u00e1s que es el principal desaf\u00edo de un proyecto ETL?<\/b><\/p>\n

Creo que es el di\u00e1logo entre el minero y el desarrollador. Los peque\u00f1os detalles que pueden causar demoras en los proyectos. Mi tarea implica que cada proyecto se termine a tiempo porque cualquier retraso tiene un costo a cargo nuestro. Si el minero realiza una transformaci\u00f3n en los datos de la tabla que no avisa a los desarrolladores o si le pide cambios al \u00e1rea que genera la interfaz de origen, todo eso trae apaejado demoras.<\/p>\n

Una cuesti\u00f3n menos hard<\/i> y m\u00e1s soft<\/i> es la percepci\u00f3n del trabajo en ETL. Es un trabajo menos glamoroso en comparaci\u00f3n con la tarea del minero. Porque el minero de datos ser\u00eda aquel experto profesional que en el imaginario colectivo genera cient\u00edficamente una especie de \u201cbola de cristal\u201d. Suele estar muy bien posicionado en una entrevista laboral y en su propio desempe\u00f1o. Mientras que el trabajo de ETL es mucho m\u00e1s de \u201cpico y pala\u201d, m\u00e1s operativo, no est\u00e1 tan bien conceptuado. Eso genera un problema tanto de esp\u00edritu de equipo como para hacer reclutamiento en recursos humanos. Me parece que es un tema de marketing de la labor en s\u00ed misma, porque los desaf\u00edos intelectuales en el desarrollo ETL son muy bonitos y aportan much\u00edsimo valor a las empresas pero cuesta que se perciban de esa forma.<\/p>\n

\n
EN FOCO: LA MAESTR\u00cdA<\/b><\/address>\n
<\/b>Te propongo que salgamos un poco de lo que es Project Management en SAS y hablemos de tu vivencia de cursar la Maestr\u00eda.<\/b><\/address>\n
Ador\u00e9 cursar la Maestr\u00eda. Digo esto aunque fueron much\u00edsimos domingos, noches y trasnoches de trabajo. Lo hice con mucho placer, me enamor\u00e9 del mundo anal\u00edtico y predictivo, es una tarea que tiene un aura particular, te impresiona la cantidad de cosas que se pueden hacer con estas metodolog\u00edas. Y debo la Tesis Final, lo s\u00e9.<\/address>\n
Una vivencia particular es que cuando empec\u00e9 a cursar estaba trabajando como desarrolladora web. Pero tuve un cambio de 180 grados en mi trabajo. La Maestr\u00eda me ayud\u00f3 a poder desarrollar proyectos y modelos predictivos como consultora. Tal es as\u00ed que cuando termin\u00e9 de cursar pude incorporarme a SAS.<\/address>\n
\n

<\/b><\/address>\n

\u00bfTen\u00e9s alguna sugerencia de mejora para la Maestr\u00eda?<\/b><\/address>\n
Si bien mi visi\u00f3n est\u00e1 totalmente sesgada por el tipo de trabajo que hago, creo que la etapa de preparaci\u00f3n de los datos y el movimiento de datos desde m\u00faltiples fuentes es un lugar por donde todo minero tiene que pasar. Esa \u00e1rea deber\u00eda estar incluida dentro de la curr\u00edcula de la Maestr\u00eda, al menos opcionalmente, para que se puedan conocer los conceptos b\u00e1sicos del desarrollo ETL.<\/address>\n
\n

<\/b><\/address>\n

\u00bfPor \u00faltimo, \u00bfqu\u00e9 le dir\u00edas a alguien que est\u00e1 por incursionar en esta especialidad?<\/b><\/address>\n
La especialidad es apasionante, para m\u00ed fue perfecta porque combin\u00f3 Base de Datos, Algoritmos y Estad\u00edstica, que son \u00e1reas que me fascinan. Lo que me preocupa mucho, es que hay mucha gente que quiere hacer miner\u00eda y todav\u00eda quiz\u00e1s los espacios remunerados no son tantos aqu\u00ed en Argentina. A\u00fan no hay suficiente inversi\u00f3n en el tema a nivel nacional. <\/address>\n
Al mismo tiempo, la Universidad es un \u00e1mbito muy desafiante para desarrollar proyectos y entrenarse en la miner\u00eda de datos con aplicaciones sociales. Digamos que se puede hacer un aporte a la sociedad desde el lugar de cient\u00edfico de datos, que seguro se capitaliza a futuro en la vida profesional de cada uno.<\/b><\/address>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Ana Hidalgo se gradu\u00f3 como Especialista en Explotaci\u00f3n de Datos y Descubrimiento del Conocimiento en la UBA y se desempe\u00f1a como Project Manager en SAS, empresa en la que trabaja desde 2011. Es ingeniera en inform\u00e1tica venezolana pero hace siete a\u00f1os se radic\u00f3 en Argentina para desarrollar proyectos relacionados con software y consultor\u00eda anal\u00edtica. En esta secci\u00f3n de Predictivos conoceremos m\u00e1s sobre la vocaci\u00f3n de Ana.<\/p>\n","protected":false},"author":1,"featured_media":101,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[5],"tags":[],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/109"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=109"}],"version-history":[{"count":25,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/109\/revisions"}],"predecessor-version":[{"id":152,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/109\/revisions\/152"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/101"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=109"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=109"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=109"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}