Por qué deberías prestar atención al behavioral data science
Como todos saben, la ciencia de datos y IA son esa nueva moda. Impulsó las unicorn platform al mercado, provocó una nueva gama de debate religioso sobre lo que es o no es Inteligencia, qué modelos nuevos y elegantes usar, la nueva Suite Ejecutiva de Ciencias de Decisión de Google y muy probablemente otro descubrimiento sorprendente de algo que alguien hizo con las matemáticas: esto creó algo que no parece muy humano.
Pero hay un nuevo campo que se nos está acercando y que provocará algunas interrupciones en cualquier organización que se preocupe por los datos, por lo tanto, todos. Con el apoyo y la comprensión correctos de una organización, puede cambiar fundamentalmente tu forma de hacer negocios, manejar la tecnología y posiblemente incluso ver cómo tu competencia toma decisiones sin que ellos lo sepan.
¿Qué es la ciencia de datos?
Todo lo que alguien hace es muy desconcertante cuando no comprende sus orígenes o prácticas actuales. Esto se aplica a cualquier campo creativo o técnico, pero, por supuesto, el éxito de cualquier medición es difícil de desafiar en cualquier lugar, en los negocios o en la academia, por lo que tendemos a dejar que las disciplinas continúen creciendo hasta que inevitablemente implosionan mientras se estancan en el debate religioso de cosas aparentemente tontas.
La ciencia de datos ha existido durante décadas, un proceso en el que los datos se utilizan para encontrar una verdad significativa. Demasiada información es difícil de entender, por lo que se usaron algoritmos para definir qué era qué. Varios tipos de matemáticas se influenciaron por varios campos para resolver muchos de los problemas de diferentes maneras. Desde Cell Research, hasta Quantum Mechanics, y cualquier cosa intermedia.
Lo que sucedió en los años 90 fue interesante cuando algunos grupos se enteraron de esto y comenzaron a comercializarse. Gastaron en nuevas herramientas, certificación, estándares, términos…una gran cantidad de dinero en un campo que es REALMENTE sorprendente. La parte difícil es que las personas ahora están descubriendo el camino difícil, pero enmascarados bajo una gran cantidad de nuevas palabras de moda para compensar el dolor como Data-Driven, Data Informed, Impact Driven Data, etc., ¿cómo demuestras que la ciencia de datos que estás utilizando tiene un impacto?
¿En qué se diferencia la behavioral data science?
La ciencia de datos como práctica tiene MUCHA adopción de Business Intelligence como cultura empresarial, donde tomas temas simples de datos para comparar y hacer una predicción sobre algo. En última instancia, esa cosa todavía estaba sujeta a lo que decía la intuición de liderazgo, pero generó campos de análisis, y migró con Data Science y hoy es muy similar, pero con un poco más de datos y algoritmos más sofisticados de hace una década que ahora se denomina “Machine Learning”.
Tiene un enfoque lineal de lo que es, lo que hace y lo que pretende encontrar en general, pero el comportamiento es MUY diferente en todos los puntos de vista, casi lo opuesto a lo que es hoy la Ciencia de Datos. Y por esta razón, a medida que evoluciona, enfrentará una división inevitable con su propia dimensionalidad. Algunos en Data Science adaptarán sus viejas formas de impulsar sus propios Programas de Certificación. Algunos emergerán de las rocas donde ahora están sus campos para desafiar las cosas directamente, y algunos lo harán, pero no lo sabrán: organizaciones resuelven grandes problemas en función de sus antecedentes.
Sin embargo, uno de los principales temas de confusión que algunos enfrentarán es sobre “Psicología”, que no podría estar más lejos de la verdad, pero es un malentendido comprensible. Factually Behavior in Science está más estrechamente alineado con la física, la simulación, la mecánica cuántica y otras teorías multidimensionales de las matemáticas que cualquier otra cosa. Esto se debe a que la psicología es impulsada por un sesgo emocional para definir un sentimiento basado en ALGUNAS formas de ciencia, que finalmente se reduce a cómo una persona, grupo o sociedad traduce un hallazgo con una pequeña muestra de usuarios.
¡Recoge TODAS LAS COSAS!
De hecho, con behavioral, analiza TODAS las entradas de interacciones como Formula, y los campos en torno a esta práctica tienen un hambre insaciable de Datos de TODO. Este es un tema especialmente importante porque esta característica está más en línea con sus ingenieros y arquitectos de nivel más bajo, aquellos con los que generalmente es más difícil comunicarse y generar confianza con cualquier otra organización, ESPECIALMENTE las organizaciones de ciencia de datos.
Data Science en la práctica, aunque no siempre parecerá así, es responsable de muchos de sus propios dolores. Esto proviene del hecho de que tuvo que piratear el proceso de otros procesos pirateados. Data Lakes, Data Tech con fecha, Open Source TODO, nuevas plataformas de herramientas, etc., solo anuncia más costos y resultados locos y lentos. Incluso preparar datos para hacer una única predicción, dependiendo de la cantidad de datos que use, puede tardar MESES en implementarse, además de días o semanas antes de que obtenga un resultado.
Efectivamente, al contrario de lo que ocurre con la ciencia de datos tradicional, Behavioral Data Science está mejor equipada para asimilar TONELADAS de datos rápidamente y comenzar a darle sentido, equiparlos y comenzar a reutilizar los mismos patrones de comportamiento en varios grupos en uno solo. Herramientas. En esencia, Behavior Driven Data Science evita los datos instantáneos a los que todas las organizaciones están acostumbradas y favorece la simulación desde el inicio para comenzar a discutir y probar rápidamente los resultados. Una gran parte del comportamiento es que no se enfoca en el contexto humano, solo se preocupa por los Datos, permite que los creativos y evangelistas se preocupen por el contexto emocional.
Esta será la parte más difícil de la adopción, sin embargo, hacer la vida más fácil para tantos campos impulsados por la intuición será algo difícil de hacer. Tantos grupos han puesto tanto valor en su propio proceso que decirles que ya no necesitan hacerlo hará que las cosas sean confusas. ¿Qué le dices a un investigador de usuarios cuando ya no tiene que preocuparse por las encuestas porque este campo cuantifica todo el comportamiento y lo perfila en bases de datos impulsadas por “IA” que están retroalimentando entradas de flujos en tiempo real dando una predicción sobre las rutas de los usuarios en UX? Básicamente, ahora serán diseñadores increíbles. Será raro.
No es necesario piratear
Data Science se enorgullece de ser una práctica de herramientas hackear y procesos para encontrar la verdad. Para ser claros, es un trabajo brillante, pero sufre las mismas dudas de “¿WTF significa?” Dicho esto, inadvertidamente ha entrenado a sus mejores líderes de este campo con la perspectiva y la empatía adecuadas para ser el futuro de la IA de muchas maneras.
El Científico de datos “Unicornio” tiene algunas “capacidades” con las personas, sabe algo de matemáticas, conoce algunos lenguajes de secuencias de comandos y puede trabajar en una base de datos. Hoy, esos trabajos están recibiendo un mal sueldo, lamentablemente, pero hace una década, esos trabajos se pagaban con medio millón fácilmente. Pero el gran tema aquí es que la mayoría de esos científicos de datos realmente no entienden sus entornos tecnológicos, como en qué datos existen y dónde, por qué está allí, qué significa o cómo acceder a más. Incluso la tecnología de datos utilizada se desarrolla inherentemente en torno a muros de parcialidad que acaban de ser aceptados. Incluso la base de datos de cada organización que se usa hoy en día es algo estructurado a partir de los años 70, que NADIE que se centra en el comportamiento puro tocaría ni con un palo de 10 metros.
Hoy en día, algunos de los mejores científicos de datos conductuales conocen el código de bajo nivel y la arquitectura desde el principio, de hecho, algunos de ellos conocen el código de bajo nivel mejor que algunos ingenieros en el espacio empresarial actual, he conocido a algunos que conocen idiomas que la mayoría de los ingenieros ni siquiera entienden. No puedes esperar que alguien haga todas las cosas, o ¿por qué lo necesitarían en absoluto? Sin embargo, esta oportunidad conduce a mejores conexiones culturales con los ingenieros, lo cual es imperativo.
La behavioral data science desafiará la cultura de los datos
Lo que es más sorprendente de este campo emergente también será lo más amenazador culturalmente para muchos, pero esta es la naturaleza de la interrupción cuando las emociones no reconocen la verdad y la arrogancia lleva a decisiones que más o menos garantizan su interrupción. En el extremo opuesto de esto, aquellos que pueden adoptar adecuadamente los estándares como cultura para una organización resultarán en un progreso que cambiará el mundo casi de inmediato.
Dado que Behavior se trata de utilizar entradas masivas de datos para impulsar y extraer valores constantemente y empoderar a CUALQUIERA que tome una decisión creativa o basada en la intuición, el equipo adecuado puede convertirse en el mejor amigo de todos. Con UX o equipos de diseño, pueden sobrecargarlos con procesos, herramientas y conocimientos para ver sus campos completos de manera diferente, incluso eliminar grandes fragmentos de procesos. Con los equipos de ingeniería, puede conducir a una tecnología más rápida que crea arquitectura para potenciar la eficiencia para todos, con una mejor comprensión de una nomenclatura similar. Para los campos de Marketing o Negocios, puede ayudar a centralizar todas las cosas en un cerebro masivo que le permitirá ver el efecto mariposa de todo lo que esté dispuesto a medir.
Esta relación será un empuje y atracción para todos los lados, por lo que debe haber un plan de ataque en su lugar. La buena noticia es que estas mentes pueden brindar orientación e incluso diseñar herramientas que probablemente puedan omitir algunas de esas herramientas comerciales que usas ahora en tu organización, suponiendo que las personas puedan romper sus viejos hábitos. En realidad, después de la evaluación, he estado expuesto a una organización que descubrió que estaba usando las mismas herramientas en 5 departamentos diferentes y se centralizó en una herramienta que construyeron internamente que les ahorró cientos de miles de dólares y literalmente semanas de tiempo en rendimiento anual. La mala noticia es que, en contra de su propia naturaleza, si les das demasiada libertad para desafiar las cosas, te quedarás atrapado en sus vacíos.
Torpe ni siquiera lo describirá
Este es el mayor desencadenante de los signos de lo que vendrá, las personas que se encuentran en estos campos se están volviendo menos incómodas. Lo más cómico de todo es que no se incluyen en el mundo de la ciencia de datos como práctica, en algunos casos las relaciones con quienes lo practican y los que están en los roles de datos existentes generan disputas en las organizaciones que generan algunos resultados difíciles… incluso en contra de sus mejores esfuerzos.
Va a ser difícil identificarlos ahora, pero es muy probable que comiences a verlos surgir, probablemente con algunos post aquí en Medium. Estás comenzando a verlo ahora con los líderes de Data Science, comenzando a volverse MUY filosófico, lo que históricamente es cuando una comprensión alcanza sus límites de impacto, está en nuestra programación (en realidad, estas cosas son más o menos inevitables, otro tema de comportamiento espeluznante) .
Estas personas se mantendrán calladas, pero su trabajo hablará en voz alta y se puede decir en función de sus áreas de interés más tempranas. Alguien con experiencia en Bio, Física, Cognición, Neuro o un campo relacionado que se ocupa de entradas MASIVAS de Datos es el primer signo, sus próximos caminos en algún campo de ingeniería son los siguientes. Algunas de esas mentes entran en la visualización de datos. Por cierto, básicamente pueden hacer que sea una versión mejor y más refinada de Tableau personalizada bastante rápido.
Impacto en la IA
Vi una publicación hoy en Medium sobre el futuro de “Deep Learning” siendo “Deep Reasoning”, que es SUPER curioso. Pero también recuerdo que no hace mucho tiempo, algunas grandes inversiones en “IA centrada en el ser humano”. Estos son más o menos los mismos temas que Behavioral Data Science cubre a medida que crece hoy en día. Toma todos los datos, crea una estructura con simulación en un entorno digital y utiliza esos hallazgos para tomar decisiones basadas en las interacciones que estás aprendiendo en tu producto, juego, etc.
Pero esa afirmación es lo más importante, cómo la fuerza con la que impactan las cosas, es literalmente solo matemáticas. Y cuando está rastreando simulaciones masivas de comportamiento, está viendo un colisionador de partículas de información y rápidamente lo organiza en embudos y herramientas para que las personas los usen. Efectivamente, esta será la mejor manera de entrenar la IA. Pero creo que lo más importante para la IA será que mirar las cosas con un sesgo emocional, como la psicología, inevitablemente te llevará a un muro que puede obtener el estado de “unicornio”, pero no hará las cosas que la gente piensa.
Todavía no puedo anticipar lo que sucederá aquí con cómo colisionarán los dos campos, pero sospecho que se mejorarán mutuamente. Incluso entonces, espero que alguien de ambos campos llegue a un punto en el que empiecen a cuestionar su trabajo y simplemente digan “Oh, todo es solo matemática y frecuencia” y en algún lugar Isaac Newton sonreirá cuando lo llame con su declaración de todo cosas que tienen reacciones iguales y opuestas.
