Mi interés por el análisis de datos no comenzó con la inteligencia artificial ni los modelos de aprendizaje automático, comenzó mucho antes, trabajando con hojas de cálculo y grandes cantidades de información que debían convertirse en decisiones concretas. Durante años trabajé en la administración pública, en ese entorno, los datos estaban presentes todos los días, ingresos, gastos, pagos, saldos, proyectos, fuentes de financiamiento y porcentajes de ejecución, sin embargo, tener muchos datos no significaba necesariamente comprender lo que estaba sucediendo. Esa diferencia fue lo que comenzó a despertar mi curiosidad.
Por ejemplo, un porcentaje de ejecución presupuestaria, puede parecer solamente una cifra dentro de un informe, pero detrás de ese número existen proyectos que avanzaron o se retrasaron, recursos que fueron utilizados oportunamente y otros que permanecieron inmovilizados, decisiones administrativas que terminaron afectando a una institución y en última instancia a la población.
Lo mismo sucede en casi cualquier ámbito, las ventas de una empresa, el rendimiento de un equipo de fútbol, los hábitos de una persona o el funcionamiento de una ciudad generan información constantemente y los datos permiten observar esas realidades desde una perspectiva diferente.
Durante mucho tiempo, Excel fue una de mis principales herramientas de trabajo, con él podía ordenar información, realizar cálculos, elaborar reportes y presentar resultados y aunque sigue siendo una herramienta extraordinariamente útil, llegó un momento en el que quise ir más allá de describir lo que ya había pasado. Ese interés me llevó a acercarme a herramientas como Power BI, SQL y Python y posteriormente a profundizar en Big Data, analítica de datos y aprendizaje automático y este cambio no fue solamente tecnológico, también representó una nueva manera de pensar.
Cuando uno empieza a trabajar seriamente con datos, comprende que el objetivo no es construir el gráfico más llamativo ni utilizar el algoritmo más complejo, el verdadero desafío consiste en formular una buena pregunta, encontrar información confiable, analizarla correctamente y comunicar los resultados de una manera que ayude a tomar mejores decisiones.
Una de las cosas que más me atrae del análisis de datos es la posibilidad de descubrir relaciones que no se observan a simple vista, al revisar una tabla podemos encontrar cientos o miles de registros aparentemente desordenados, pero cuando limpiamos la información, la organizamos y la analizamos, comienzan a aparecer tendencias, concentraciones, anomalías y comportamientos repetitivos.
En la ejecución presupuestaria, por ejemplo, no basta con conocer el porcentaje alcanzado al final de una gestión, también resulta importante observar el comportamiento mensual, identificar qué unidades concentran la mayor cantidad de recursos, reconocer periodos de estancamiento y analizar qué variables podrían explicar los retrasos. En ese momento, los datos dejan de ser un archivo almacenado en una computadora y se convierten en conocimiento.
Considero que el análisis de datos tiene un enorme potencial dentro de las instituciones públicas, muchas decisiones todavía se adoptan sobre la base de reportes tardíos, información fragmentada o criterios exclusivamente intuitivos, la experiencia continúa siendo importante, pero puede fortalecerse cuando está acompañada por evidencia.
Un sistema de análisis adecuado podría ayudar a detectar retrasos presupuestarios, anticipar problemas de liquidez, identificar proyectos con dificultades, evaluar el comportamiento de los ingresos y orientar mejor la asignación de recursos. Esto no significa que un algoritmo pueda sustituir el criterio de las personas, los datos tampoco son infalibles pueden estar incompletos, mal registrados o interpretados fuera de contexto, por eso, el análisis requiere conocimiento técnico, pero también responsabilidad y comprensión de la realidad que representan esos números.
Otro aspecto que me apasiona es que este campo obliga a mantenerse en aprendizaje permanente. Siempre existe una nueva herramienta, una técnica diferente o una manera más eficiente de resolver un problema, a veces el proceso puede ser frustrante, los datos no llegan ordenados, los códigos generan errores y los resultados no siempre coinciden con lo que uno esperaba y precisamente allí se encuentra una parte importante del aprendizaje revisar, cuestionar, corregir y volver a intentarlo.
En resumen creo que no me apasionan los datos simplemente por acumular cifras o crear gráficos, Me apasiona lo que podemos descubrir a través de ellos, detrás de una base de datos aparentemente fría pueden encontrarse explicaciones, advertencias, oportunidades y respuestas, aprender a encontrarlas es un proceso que apenas comienza y que, probablemente, nunca termina.
Tal vez esa sea la razón principal por la que este mundo me resulta tan apasionante. 🙂