00:00:04 Rol del científico de datos en las cadenas de suministro.
00:01:33 Comparación de tendencias de minería de datos y ciencia de datos.
00:03:16 Herramientas de ciencia de datos de marketing para universidades.
00:04:14 Habilidades de codificación vs. creación de valor empresarial.
00:06:37 El cambio de Lokad a ‘científicos de la cadena de suministro’.
00:08:01 Responsabilidades de un Científico de la Supply Chain.
00:09:50 Responsabilidades compartidas de TI y Científico de la Supply Chain.
00:11:58 Científicos de la Supply Chain y el rol de extracción de datos.
00:14:19 Desventajas de depender de herramientas estadísticas.
00:16:29 El creciente papel de los datos en la vida.
Resumen
Kieran Chandler y Joannes Vermorel están discutiendo el papel crítico de los científicos de datos en la gestión de la cadena de suministro. Su conversación destaca la necesidad de que estos profesionales extraigan valor de los datos empresariales, al tiempo que advierten sobre la tendencia de enfatizar demasiado las habilidades de programación y estadísticas. Vermorel destaca la importancia del conocimiento práctico y la perspicacia empresarial, advirtiendo contra la confianza excesiva en las habilidades técnicas. Introduce el papel de los ‘científicos de la cadena de suministro’, quienes tienen la tarea de extraer e interpretar datos para abordar problemas empresariales, en contraste con los roles de TI enfocados en el mantenimiento de sistemas. Su diálogo subraya los desafíos en la formación universitaria, destacando la escasez de datos de cadena de suministro del mundo real y la dependencia excesiva de lenguajes de programación y marcos estadísticos.
Resumen Extendido
La conversación entre Kieran Chandler y Joannes Vermorel se centra en el creciente papel y la importancia de los científicos de datos en el ámbito comercial, específicamente en la industria de la cadena de suministro. Chandler destaca la creciente demanda de científicos de datos, caracterizándola como un fenómeno que “se extiende por la industria como un incendio forestal”. Observa que esta demanda, que no era pronunciada hace cinco años, evoluciona tan rápidamente ahora que supera la capacidad de las universidades para producir suficientes graduados para ocupar estos puestos.
Vermorel aporta su punto de vista a este cambio, observando que las empresas comienzan a apreciar el valor inherente de sus datos y la necesidad resultante de personas con habilidades para extraer este valor. No obstante, también llama la atención sobre el patrón cíclico de esta tendencia, comparándola con la fiebre de la “minería de datos” de los años 90. Especula que la actual obsesión por los científicos de datos recuerda el interés pasado en los “mineros de datos”, lo que lo lleva a denominar a los científicos de datos como “versión 2 de los mineros de datos”.
Vermorel analiza el auge y caída de las empresas de minería de datos en los años 90, sugiriendo una narrativa de precaución. Recuerda la aparición de cientos de empresas durante el período de minería de datos, que proporcionaban herramientas para la minería de datos. Sin embargo, la mayoría de estas empresas eventualmente desaparecieron, poniendo en duda el actual auge de proveedores de herramientas de ciencia de datos. Vermorel percibe una correlación entre estos dos períodos, insinuando un posible patrón repetido de ascenso y declive con la tendencia actual de la ciencia de datos.
Curiosamente, Vermorel destaca que su empresa, Lokad, evita usar el término “científico de datos”, optando en su lugar por “científico de la cadena de suministro”. Esta preferencia refleja su convicción en la importancia de comprender el contexto empresarial y el valor más allá de las habilidades matemáticas y de codificación. Advierte que la competencia en aspectos técnicos, aunque crucial, no se traduce automáticamente en la generación de valor empresarial dentro de las cadenas de suministro.
Además, Vermorel habla sobre la estrategia promocional de los actuales proveedores de herramientas de ciencia de datos. Destaca su agresivo marketing hacia las universidades, especialmente a través de herramientas de código abierto que se ajustan a la mentalidad general de la academia. Sin embargo, también advierte que el éxito en la comercialización de un producto dentro de las universidades no garantiza que la herramienta producirá resultados beneficiosos en entornos empresariales tangibles.
Vermorel enfatiza la necesidad de que los científicos de datos no solo analicen los datos, sino que también generen cambios empresariales reales a través de sus descubrimientos. El desafío es que, con frecuencia, los científicos de datos pueden examinar y presentar hallazgos, pero tienen dificultades cuando se trata de implementar estas modificaciones, ya que pueden perturbar el statu quo. No se trata solo de conflictos en decisiones operativas; es la pregunta más amplia de si el científico de datos está realmente facultado para actuar y entregar valor al negocio.
Además, la discusión aborda el papel de un ‘científico de la cadena de suministro’, un término utilizado en Lokad. Según Vermorel, el trabajo de un científico de la cadena de suministro implica generar decisiones accionables relacionadas con la cadena de suministro, como decidir la cantidad a pedir. Estas decisiones deben ser accionables, prácticas y rentables. A diferencia de un científico de datos, un científico de la cadena de suministro se hace responsable del valor empresarial de sus propuestas. Esto requiere comprender los sistemas empresariales y la interacción de los datos con el software y las personas que lo operan. Esto garantiza una comprensión integral del problema a resolver.
La tarea de un científico de la cadena de suministro implica comprender los datos extraídos, construir un modelo de optimización y equilibrar la complejidad y la precisión. Vermorel reconoce la complejidad del mundo real, especialmente en las cadenas de suministro, lo que hace que el modelado matemático perfecto sea poco práctico. En cambio, los científicos de la cadena de suministro deben recurrir a aproximaciones y heurísticas para resolver problemas de manera efectiva. Necesitan ver el panorama completo y mantenerse comprometidos con él.
Luego, Chandler introduce el papel de los departamentos de TI, cuestionando si deberían asumir la responsabilidad del software y las personas, dado que generalmente implementan y mantienen los sistemas de software.
Esta pregunta insinúa una tensión entre los roles operativos, técnicos y estratégicos dentro de una organización.
La conversación indaga principalmente en las responsabilidades distintas entre Tecnología de la Información (TI) y científicos de la cadena de suministro, así como los desafíos que enfrentan los científicos de datos en el panorama actual.
Vermorel argumenta que TI y científicos de la cadena de suministro tienen responsabilidades separadas dentro de una organización. Equipara el papel de TI con uno de mantenimiento, salvaguardando el funcionamiento constante y fluido de los sistemas y procesos. La responsabilidad de TI es mantener las cosas en funcionamiento en todo momento, gestionando los aspectos técnicos involucrados en la preservación del tiempo de actividad y la seguridad del sistema.
Por el contrario, el papel de un científico de la cadena de suministro, según Vermorel, no se trata de mantenimiento. En cambio, su deber gira en torno a la extracción de datos e interpretación. Deben asegurarse de que los datos utilizados ofrezcan una comprensión correcta de las situaciones empresariales y de que las soluciones derivadas produzcan resultados rentables. No necesitan manejar los aspectos técnicos, ya que su objetivo principal es resolver problemas empresariales interpretando correctamente los datos.
Chandler cambia la conversación a la aparente falta de habilidades de extracción y preparación de datos entre los científicos de datos, a pesar de que estos son componentes vitales de su profesión. Vermorel está de acuerdo, señalando que los cursos universitarios y los boot camps se centran en gran medida en lenguajes de programación como Python y R, a menudo descuidando los aspectos más prácticos del trabajo.
Vermorel aclara que las universidades están mejor equipadas para enseñar ciertos aspectos debido a problemas de accesibilidad y confidencialidad. Los datos de la cadena de suministro de grandes empresas no están fácilmente accesibles para la capacitación debido a problemas de privacidad, mientras que el software de código abierto y los marcos estadísticos son más disponibles. Como resultado, los estudiantes a menudo se gradúan con un profundo conocimiento de la programación y las herramientas estadísticas, pero carecen de conocimientos prácticos sobre cómo manejar datos de la cadena de suministro del mundo real.
Vermorel advierte que esta sobrevaloración de la programación y las estadísticas podría llevar a la sobreconfianza entre los nuevos científicos de datos. Pueden creer erróneamente que estas habilidades por sí solas son suficientes para resolver problemas de la cadena de suministro. Sin embargo, la gestión de la cadena de suministro no se trata solo de programación o análisis estadístico; se trata de comprender y dar sentido empresarial a los datos. Vermorel advierte contra ignorar la sabiduría de los profesionales de la cadena de suministro de baja tecnología que tienden a confiar en el sentido común y herramientas simples, como hojas de cálculo de Excel, para tomar decisiones empresariales.
Transcripción completa
Kieran Chandler: Hoy vamos a hablar sobre un nuevo puesto de trabajo que está arrasando en la industria como un incendio forestal. El papel de un científico de datos se está volviendo cada vez más relevante en un momento en que las empresas están dando más importancia a los datos y sacando conclusiones relevantes de ellos. Hace cinco años, ningún director de cadena de suministro necesitaba científicos de datos. Sin embargo, hoy eso ha cambiado con la cantidad de oportunidades laborales para científicos de datos que parece crecer más rápido de lo que las universidades pueden producirlos. Entonces, Joannes, ¿qué ha cambiado? ¿Por qué de repente hay esta necesidad de más científicos de datos?
Joannes Vermorel: Claramente, las empresas reconocen que sus datos tienen mucho valor. Tan pronto como reconocen eso, necesitan mucha gente para extraer el valor de los datos y eso es lo que hacen los científicos de datos. Sin embargo, lo interesante es que no es algo completamente nuevo. Para aquellos que estuvieron presentes en los años 90, o tal vez a finales de los años 90, en ese momento se le llamaba de otra manera: mineros de datos. La gente estaba extrayendo cosas de los datos. Así que básicamente, el científico de datos parece ser la versión 2 del minero de datos, o algo similar.
Kieran Chandler: Si estos mineros de datos todavía no están presentes hoy en día, supongo que los resultados no fueron tan buenos. Tal vez podrías contarnos un poco más sobre eso y si hay algo que podamos aprender de por qué salió mal.
Joannes Vermorel: Es muy interesante porque se puede ver que en los círculos de la cadena de suministro, los científicos de datos se han vuelto muy de moda. Me parece que hay una tendencia macro en la que las cosas van y vienen. Hace dos décadas, se trataba de la minería de datos y hoy en día se trata de la ciencia de datos. Es el mismo patrón que se repite pero con un nombre diferente. Hace dos décadas, vimos la aparición de cientos de empresas que proporcionaban herramientas para la minería de datos y la mayoría de ellas desaparecieron. Hoy en día, vemos la aparición de cientos de empresas que ofrecen herramientas de ciencia de datos. También vemos consultores de ciencia de datos. Así que sí, hay algo de verdad en el núcleo, pero también hay un efecto de moda cíclica al respecto.
Kieran Chandler: No es todos los días que se escuchan las palabras ciencia de datos y moda en la misma frase. Lo que estamos diciendo aquí es que los mineros de datos solían tener otro nombre. Entonces, ¿no deberíamos empezar a vender la tecnología de Lokad a las universidades para que la próxima generación de científicos de datos, como quiera que se llamen, estén completamente capacitados en la herramienta y comprendan cómo usarla?
Joannes Vermorel: Esa es ciertamente una opción. Por cierto, todas las empresas que promueven herramientas de ciencia de datos están haciendo una fuerte campaña de marketing dirigida a las universidades. Una forma fácil de hacerlo es promover kits de herramientas de código abierto, porque se ajustan a la mentalidad general de las universidades. Sin embargo, esto es principalmente una herramienta de marketing. Es bueno en cierto sentido, pero no necesariamente significa eficiencia. No significa que si te promocionas con éxito en las universidades, necesariamente obtendrás resultados en tu negocio. No es porque te conviertas en un gran matemático o un gran programador que esto se traducirá automáticamente en la creación de valor empresarial dentro de tus cadenas de suministro. Esto es un peligro, en mi opinión, y esa es una de las principales razones por las que en Lokad preferimos el término “Supply Chain Scientist”.
Kieran Chandler: Tener un enfoque centrado en el negocio tiene sentido para muchos profesionales de la cadena de suministro porque están expuestos al negocio en su trabajo diario. Tal vez la única excepción sea en empresas muy grandes donde los científicos de datos pueden verse abrumados por el volumen de datos o la complejidad de sus problemas. Pero, ¿hay alguna trampa más allá de centrarse en un problema empresarial en particular?
Búhos y reducir los tiempos de entrega y cosas así. Entonces, ¿hay alguna trampa más allá de centrarse en el problema empresarial correcto?
Joannes Vermorel: Sí, en realidad hay una gran trampa. El papel de un científico de datos no se trata solo de analizar el negocio; se trata de marcar la diferencia y ser capaz de tomar e implementar una decisión que pueda tener un impacto real en el negocio dentro de la organización. Esto puede ser complicado porque los científicos de datos pueden acceder fácilmente a los datos y producir análisis. Pero cuando se trata de actuar, a menudo desafía el statu quo. No se trata solo de desacuerdos sobre las cantidades de pedido, sino de desacuerdos más profundos. El mayor potencial de fracaso se encuentra cuando el científico de datos no está en posición de actuar realmente y entregar valor al negocio. Esa es probablemente la principal trampa que puedo ver.
Kieran Chandler: Mencionaste que hay una especie de resistencia al statu quo. Ciertamente puedo simpatizar mucho con algunos profesionales de la cadena de suministro porque han estado trabajando con métodos que han funcionado durante décadas. Entonces, si alguien cuestiona lo que ha funcionado y lo que ha estado funcionando, puedo entender por qué abordan las cosas con mucho escepticismo. Mencionaste que en Lokad, tenemos científicos de la cadena de suministro en lugar de científicos de datos. ¿Podrías contarnos un poco más sobre ellos y por qué tienen un nombre diferente?
Joannes Vermorel: Creo que el nombre diferente refleja nuestro enfoque hacia los problemas. Nuestro compromiso se encuentra con la cadena de suministro. Un científico de la cadena de suministro es alguien que debe generar decisiones reales y ejecutables, como cuántos necesitas pedir en este momento. Las decisiones deben ser ejecutables, prácticas y rentables. Se trata de alguien que se hace responsable del valor empresarial de sus propuestas. Esta responsabilidad implica muchas cosas en realidad.
Para ponerlo en contexto, retrocedamos. La decisión es el objetivo final, pero si comenzamos desde atrás, comienza con los datos. Los datos provienen de los sistemas empresariales, pero los datos solo tienen sentido a través de los ojos de las personas que operan el software. Entonces no se trata solo de software; se trata de software más personas. El científico de la cadena de suministro necesita tener una muy buena comprensión de esto. Necesitan comprender el problema que se está resolviendo, dar sentido a los datos extraídos y luego construir un modelo de optimización de algún tipo.
Hay un compromiso entre la complejidad y la precisión. El mundo real es increíblemente complejo y las cadenas de suministro no son una excepción. No es posible tener un modelado matemático perfecto, por lo que es necesario aproximarse y utilizar heurísticas, que son simplemente recetas que funcionan. El científico de la cadena de suministro necesita reunir todas estas cosas para asegurarse de que haya ahorros reales, no solo en porcentajes sino en dólares reales. Necesitan comprometerse con esta imagen completa. De eso se trata un científico de la cadena de suministro.
Kieran Chandler: De acuerdo, pero has mencionado que un científico de la cadena de suministro debería ser responsable del software y las personas. ¿Qué pasa con los departamentos de TI? ¿No deberían ser responsables de eso? Después de todo, son quienes han implementado el software y a menudo son las personas que lo construyen.
Parece que se está poniendo mucha responsabilidad en los hombros de solo un científico de la cadena de suministro. ¿Esperas un milagro?
Joannes Vermorel: Sí, la responsabilidad es bastante enorme. Sin embargo, hay una diferencia significativa. Creo que la responsabilidad principal de TI es garantizar que el sistema esté operativo. TI debe encargarse de las operaciones en curso y asegurarse de que todo funcione cada segundo. El científico de la cadena de suministro tiene una responsabilidad diferente. A esta persona no se le asigna la tarea de mantener todo en funcionamiento.
Kieran Chandler: Entonces, ¿cuál es exactamente la responsabilidad de un científico de la cadena de suministro?
Joannes Vermorel: La responsabilidad de un científico de la cadena de suministro es extraer datos y darles sentido. Es una tarea muy diferente. Esta persona no tiene que lidiar con todas las cuestiones técnicas involucradas en mantener algo en funcionamiento y seguro. Esa es la responsabilidad de TI, que de hecho es muy difícil. El compromiso del científico se trata de asegurar que la comprensión sea correcta. La solución empresarial que surge de esta comprensión debe ser rentable como resultado de identificar con precisión un problema que la empresa realmente necesita resolver.
Kieran Chandler: Parece que la extracción y preparación de datos son tareas críticas. Sin embargo, ¿los científicos de datos están capacitados adecuadamente en estos aspectos? La mayoría de los cursos y boot camps de ciencia de datos se centran en la programación en lenguajes como Python y R.
Joannes Vermorel: Esa es una excelente pregunta. Las universidades sobresalen en ciertas áreas y son débiles en otras. Enfrentemos la realidad: dar sentido a los datos requiere tener datos reales en primer lugar. La mayoría de las grandes empresas con cadenas de suministro importantes no comparten sus datos con las universidades. Por lo tanto, las universidades utilizan como materiales de capacitación lo que tienen acceso. Acceder a software de código abierto es mucho más fácil que acceder a datos confidenciales de la cadena de suministro.
Kieran Chandler: Hay mucha discusión sobre los datos personales, ya sabes, similar al GDPR en Europa. Requiere esfuerzos significativos de todos para cumplir. Entonces eso es incidental pero complica la situación. Las universidades, por ejemplo, quieren capacitar a las personas en las tareas más difíciles, donde podrán brindar el mayor valor, pero es difícil. Por lo tanto, es mucho más fácil para las universidades recurrir a lenguajes de programación y marcos estadísticos porque son más accesibles, más matemáticos. También es más fácil evaluar a los estudiantes en estos temas, lo cual, como profesor, necesitas tanto enseñar como evaluar a tus estudiantes. Eso requiere enseñar algo donde sea posible la evaluación. Es una restricción extraña, pero ciertamente influye en lo que se puede enseñar en una universidad.
Joannes Vermorel: Ahora, el principal problema que veo con este enfoque en los conjuntos de herramientas estadísticas es que puede llevar a la sobreconfianza. Es beneficioso saber cómo programar, ser fluido en estadísticas. Sin duda, es algo que ayudará, no es negativo. Pero viene con un problema sutil. Puede hacer que las personas sean demasiado confiadas, creyendo que saber cómo programar, entender estadísticas, entender matemáticas, es la clave para resolver problemas de la cadena de suministro.
Y aquí, hay una cierta sabiduría en muchos profesionales de la cadena de suministro que a menudo son muy poco tecnológicos. Intentan ceñirse al sentido común, se aferran a su hoja de Excel. Y hay sabiduría en eso porque se aferran a lo que tiene sentido empresarial. Si la única razón por la que te aferras al sentido común es porque careces de conocimientos sobre estadísticas y programación, eso no es ideal. Pero, por otro lado, si todo lo que sabes es estadísticas y programación, eso no te convierte en un experto en cadena de suministro.
Solo porque seas competente en estas áreas, no se traduce automáticamente en soluciones que generarán euros o dólares adicionales. Así que creo que ese es el mayor peligro. Ahora estamos produciendo ejércitos de personas que sufren frecuentemente de sobreconfianza. La programación es un medio, no un fin.
Kieran Chandler: Esa es una perspectiva perspicaz. Gracias por arrojar luz sobre el tema de los científicos de datos y, de hecho, los científicos de la cadena de suministro. Es un tema que se está volviendo cada vez más relevante dada la asombrosa cantidad de datos recopilados en nuestra vida diaria. Gracias por tomarse el tiempo hoy.
Joannes Vermorel: Gracias, Kieran.
Kieran Chandler: Y gracias a nuestros oyentes por sintonizar el episodio de hoy. Volveremos muy pronto con otro. Hasta entonces, sigan haciendo sus preguntas y enviándonos sus pensamientos. Muchas gracias por ver y nos vemos muy pronto. Hasta luego.
