Importancia de la ciencia de datos, analítica e inteligencia artificial

H

ablar de datos con respecto al trabajo que realizan contadores, auditores, administradores y demás profesionales relacionados con las empresas es referirse directamente a información asociada con las transacciones económicas que se generan como parte de su actividad y que definen la situación financiera de la organización; además, brindan (a través de este tipo de información) la posibilidad de tomar decisiones basadas en elementos tangibles y sustentados por la propia operación de la empresa.

Se sabe de facto que se trabaja con datos para generar, a partir de ellos, otro tipo de información.

Lo que debe ser un aspecto de interés y que es relevante para el futuro de las organizaciones es cómo el manejo, procesamiento, análisis e interpretación de los datos se ha modificado sustancialmente en los últimos 50 o 60 años (primordialmente en cuanto al manejo y procesamiento); sin embargo, hoy en día, la mayor modificación proviene de la manera en la que esta información va a ser interpretada y, particularmente, en la velocidad y confiabilidad con que esto se va a llevar a cabo.

A finales de los años 80 y principios de los 90, el uso de computadoras personales se generalizó a partir de que se dejaron de utilizar los equipos de cómputo basados en MS-DOS como sistema operativo y en los cuales se cargaba una hoja de cálculo como Lotus 123 o Works para realizar trabajos primarios de generación de información.

La ciencia de datos es un enfoque multidisciplinario que combina principios y prácticas del campo de las matemáticas, la estadística, IA y la ingeniería en computación para analizar grandes cantidades de información.

Posteriormente se pasó, en un lapso muy corto de tiempo, a una plataforma como Windows 3.1 y al uso de la paquetería inicial de Office (principalmente Excel y Word). De pronto, la exigencia en empresas, hogares y escuelas para un uso generalizado de las computadoras personales creció y, antes de la entrada de un nuevo siglo, ya se estaba (en la mayoría de los casos) bastante alejados de procesamientos manuales de datos que, para el área contable, resultó en cierres más eficientes, con menos errores y con un mayor alcance en cuanto a la distribución y comunicación de la información.

De la misma forma, el sistema financiero se vio beneficiado, pues los procesos bursátiles y el manejo de cualquier tipo de créditos u otros instrumentos financieros se automatizaron, dando paso a las grandes centrales de cómputo y modificando la labor de los profesionales en dichas áreas, ya que, de ser generadores de información, se convirtieron en usuarios y analistas de la misma.

Una de las áreas más sensibles después de la financiera es la de las entidades dedicadas a la auditoría, ya que, de la generación de cédulas y documentación soporte en papel se pasó a elementos digitales, en donde los auditores llenaban bases de información que eran replicadas hacia el despacho y sólo se generaban los archivos físicos; hoy casi se encuentran desaparecidos gracias al Comprobante Fiscal Digital por Internet (CFDI) y a la existencia de la contabilidad por medio de ERP o algún sistema para llevarla a cabo de manera electrónica.

Una repercusión primordial es el ahorro de tiempo y recursos, resultando en procesos eficientes que permiten un mejor uso de recursos materiales y humanos con los que se cuentan en la empresa y en el despacho contable.

Pero, ¿qué es lo que hace diferente a la forma en cómo se trataban los datos hasta hace algunos años y lo que está sucediendo hoy?, ¿qué es la ciencia de datos y por qué ocupa la atención de universidades que están abriendo carreras orientadas a ello?

De acuerdo con AWS, la ciencia de datos es el estudio de éstos con el fin de extraer información significativa para las empresas. Es un enfoque multidisciplinario que combina principios y prácticas del campo de las matemáticas, la estadística, Inteligencia Artificial (IA) y la ingeniería en computación para analizar grandes cantidades de datos.

Este análisis permite que los científicos de datos planteen y respondan a preguntas como: ¿qué pasó?, ¿por qué pasó?, ¿qué pasará? y ¿qué se puede hacer con los resultados?

Es importante considerar que la ciencia de datos correlaciona tres áreas de desarrollo profesional distintas:

Las ciencias de la computación, de donde se desprenden la programación tradicional y el Machine learning; este último orientado al aprendizaje desarrollado por las máquinas en distintos procesos, a través de los cuales se desarrollan actividades específicas que, al mezclarse con IA, se espera que no sólo se automaticen los procesos, sino que las máquinas sean capaces de decidir en el proceso para corregir errores, autoajustarse y mejorar los planes de producción.

La estadística y matemáticas permiten el procesamiento de la información mezclando el Machine learning con el análisis de datos para que, a partir de ellos, se extraigan los resultados que permitan analizar las operaciones y mejorarlas.

Todo esto mezclado con las habilidades de negocio permite que los resultados del análisis de datos y del Machine learning se complementen y se orienten en la búsqueda de un mayor retorno para el negocio, la utilización más eficiente de los recursos (de todo tipo) con los que cuenta la empresa y el mejoramiento de los procesos productivos.

Es importante enfatizar que la ciencia de datos se ha convertido en una herramienta fundamental para el desarrollo de los negocios en la era digital.

A continuación, se presentan algunas formas en las que los negocios pueden utilizar la ciencia de datos para mejorar su rendimiento:

Con base en lo anterior y pensando en la interacción de la empresa con la ciencia de datos, así como su creciente necesidad de profesionales orientados a esta rama, es que se puede plantear por qué las universidades alrededor del mundo comprenden la imperiosa necesidad de abrir carreras que se orienten de forma directa a esta ciencia, la cual se ha convertido en una disciplina clave en la era digital (debido a la gran cantidad de datos que se generan actualmente).

La explosión de la tecnología digital ha dado como resultado una gran cantidad de datos que son recolectados, almacenados y analizados para obtener información valiosa. Esto ha llevado a una gran demanda de profesionales capaces de analizar dichos datos y convertirlos en información útil para la toma de decisiones.

Además, la ciencia de datos tiene un carácter interdisciplinar que combina habilidades de diversas áreas como la estadística, la informática, las matemáticas, la ingeniería, la comunicación y los negocios. Las universidades han respondido a esta necesidad creciente de profesionales interdisciplinarios mediante la creación de programas de ciencia de datos que cubren una amplia gama de habilidades y conocimientos.

Es importante plantear el resultado de la interacción entre la ciencia de datos y la IA, tan en boga hoy en día y de la cual han surgido elementos de corte legal, así como empresarios pidiendo regulaciones al respecto.

Hasta hoy, la ciencia de datos se utiliza para obtener información valiosa, mientras que la IA se enfoca en la creación de sistemas y algoritmos que puedan tomar decisiones y realizar tareas de manera autónoma. La ciencia de datos es una herramienta fundamental para la IA, pues proporciona los datos necesarios para que los sistemas aprendan y mejoren su desempeño con el tiempo.

Conclusiones

La realidad que se vive hoy era simplemente un elemento de serie de televisión o de película hace 40 años; era una especie de fantasía llamativa y, en algunas partes, atemorizante como el planteamiento de los robots y su desarrollo inteligente en Yo Robot de Isaac Asimov, quien en sus obras plantea la posibilidad de máquinas interactuando inteligentemente con seres humanos (relación que no precisamente sale bien todo el tiempo).

No se ha dicho ni la base primordial de lo que esto significa para la humanidad, la industria y los negocios. Se debe reflexionar en cómo impacta la ciencia de datos, así como la IA en las actividades cotidianas y preguntarse si realmente es algo deseable que las máquinas hagan el trabajo o si se debe limitar su uso a aquellas funciones que requieran de ellas para acelerar los procesos y obtener mejores resultados.