Read in English

El inicio de mi historia con los datos

Mi trayectoria profesional en Data Management ha sido un proceso modelado por las distintas situaciones empresariales en las que he participado. Es una historia de aprendizaje continuo que no comenzó en un departamento de tecnologías de la información o sistemas, sino en un equipo de marketing.

De hecho, a finales de 2006, durante el cuarto año de mi carrera de Ingeniería Industrial en la PUCP, realizaba unas prácticas en un departamento de marketing en una empresa de supermercados. La empresa necesitaba que realice extracciones de datos de su base de datos transaccional para analizar qué compraban los clientes. El objetivo principal era encontrar las mejores ofertas que incrementen el consumo de los clientes.

Esta experiencia me dio una visión general de cómo los datos podían ayudar a los equipos de negocio a tomar mejores decisiones. Los datos provenían de dos fuentes principales: una era una base de datos relacional que almacenaba registros detallados de los tickets de los clientes, incluyendo productos, precios y categorías; la otra era una base de datos independiente con información sobre los clientes que tenían tarjeta de fidelidad. Los datos del sistema transaccional se transferían a la base de datos relacional periódicamente. En aquel momento, no había una forma automática de procesar y mostrar esta información. Mi rol consistía en extraer partes de la base de datos, llevarlas a Excel, limpiarlas, usar tablas dinámicas para organizarlas y, finalmente, crear gráficos en Excel. Estos gráficos eran una forma de reporte para mostrar a los líderes una visión clara del rendimiento de las ventas y la respuesta de los clientes. Respaldaban el Data-driven Marketing al ayudar a optimizar los precios mediante descuentos específicos y dirigidos a través de la tarjeta de fidelidad, con el fin de mejorar la retención de clientes y aumentar la facturación. Este trabajo fue el inicio de mi carrera en datos, ya que me consolidé en el uso de Excel y también de Visual Basic (VB), una herramienta de programación, para realizar todos los pasos de preparación de los datos en un informe.

Al mismo tiempo, asistía a un curso llamado "Análisis y Diseño de Sistemas". Esta asignatura aumentó mi interés en el área, ya que aprendí los conceptos básicos para entender las necesidades de información de una empresa y cómo diseñar un sistema de software para darles soporte. También aprendí a modelar una base de datos utilizando dos enfoques: multidimensional y relacional, y a diseñar sistemas mediante diagramas de flujo de datos, que son muy útiles para mostrar cómo se mueven los datos de un punto a otro. Estaba muy entusiasmado con estos nuevos conocimientos y más tarde me convertí en profesor asistente del curso. Estoy seguro de que mis prácticas previa en marketing me ayudaron a entender mejor este campo, y sentí una fuerte conexión con la importancia que tienen los Business Insights para las empresas.

Los mismos métodos en diferentes empresas

En mis siguientes roles, la tecnología que utilicé siguió siendo bastante similar. En una compañía de seguros, de nuevo haciendo prácticas en marketing, trabajé con bases de datos transaccionales, de siniestros y de clientes. Esto nos permitía extraer datos y construir modelos para estimar los ingresos esperados de diferentes productos de seguros. También pudimos identificar productos cuyos ingresos estaban por debajo del objetivo, entender las posibles causas y explorar si nuevos acuerdos con socios podrían ayudar a aumentar las ventas.

Poco después, trabajé a tiempo completo en una empresa de telecomunicaciones durante finales de los años 2000 y principios de los 2010. Utilizábamos una base de datos relacional para identificar los servicios que tenían los clientes y contrastábamos estos datos con el catálogo de promociones para detectar cualquier error de forma proactiva. Este proceso nos ayudaba a verificar que las facturas fueran precisas y reducía el número de quejas de los clientes. En este rol, obtenía los datos del sistema mediante una extracción de datos diaria ejecutada por el departamento de IT. Creé un programa utilizando Visual Basic y una base de datos Microsoft SQL Server para transferir y procesar los datos cada noche, de modo que tuviéramos información actualizada por la mañana. Este programa comprobaba automáticamente si las ofertas coincidían con los servicios, permitiéndonos corregir cualquier factura antes de enviarla al cliente. Este trabajo redujo las reclamaciones, lo que supuso un resultado positivo para el equipo que gestionaba las incidencias de los clientes. Un colega de mi equipo creó un sitio web utilizando PHP. Este sitio era una de las herramientas que los representantes de servicio al cliente utilizaban durante las llamadas para comprobar y corregir rápidamente los errores de facturación con los clientes. Combinado con las comprobaciones automáticas de errores, creamos una innovación que mejoró significativamente la gestión de la facturación de los clientes.

Tras adquirir esta experiencia, sentí que era el momento de crecer profesionalmente y decidí dejar la empresa para realizar un MBA en Bélgica. Mi objetivo era aprender sobre gestión de equipos, operaciones, productos, marketing, finanzas, contabilidad y más. Esto amplió mi conocimiento sobre los negocios, aunque las herramientas técnicas que utilizaba en mis tareas diarias seguían siendo las mismas. Sin embargo, mi visión de la tecnología se expandió a través de los diferentes casos de negocio que estudiamos y los profesionales con los que trabajé durante el curso.

Traslado a Europa y un gran paso en la automatización

Cuando me mudé a Europa a mediados de la década de 2010, mi primer trabajo a tiempo completo en una editorial me resultó bastante familiar en comparación con mi experiencia anterior. La empresa analizaba las ventas mediante un sistema transaccional, pero mi función se centró en mejorar la Supply Chain Management a través de los datos. Al principio, utilicé herramientas conocidas como Excel para procesar datos, extraer Insights, crear Dashboards e identificar oportunidades para mejorar la cadena de suministro. También desarrollé modelos para predecir la demanda.

Sin embargo, decidí personalmente hacer los procesos más automáticos, con el apoyo de mi equipo. Busqué una forma de añadir un sistema automático dentro de la empresa para obtener, transformar y mostrar datos que ayudaran a los diferentes equipos de Supply Chain. Utilizando AutoIt, una herramienta para automatizar tareas de Windows, para crear Scripts que extrajeran datos del sistema, junto con MySQL, fui capaz de ejecutar todos los flujos de trabajo de transformación de datos automáticamente en segundo plano. Mi nuevo rol pasó a ser la supervisión de los pipelines de datos en lugar de realizar tareas manuales de transformación de datos. Esta fue una experiencia muy reveladora para mí, y el equipo quedó encantado con los resultados. No obstante, todas nuestras soluciones dependían de la infraestructura de IT existente en la empresa, lo que limitaba su potencial de escalabilidad. Aun así, los nuevos Insights que descubrimos resultaron muy útiles y ayudaron a la empresa a aumentar las ventas y mantener unos ingresos estables.

Mi siguiente trabajo, en la industria de los medios de comunicación a finales de la década de 2010 y principios de la de 2020, supuso un cambio significativo. Pasé los dos primeros años trabajando en la comprensión de los cálculos de auditoría de medios y ayudando a un departamento global a automatizar estos cálculos utilizando herramientas sencillas como Excel y Visual Basic. Sin embargo, el plan siempre fue trasladar este proceso al Cloud. Cuando llegó el momento, los métodos de cálculo se transfirieron a la nube. Este fue un cambio importante, ya que me permitió aprender de otros colegas que eran expertos en Cloud Data Management. Con el apoyo de la empresa, asumí un rol de Data Engineering, extrayendo datos de plataformas digitales, transformándolos para cumplir con los estándares globales y poniéndolos a disposición de los usuarios a través de herramientas visuales o exportaciones del sistema.

Mi rol creció positivamente. Empecé con los cálculos de auditoría y luego asumí la responsabilidad de proyectos de IT en Europa y otras regiones. Estos proyectos consistían en comprender los datos de varias agencias de la empresa, seguir los estándares y la arquitectura del Cloud, y ayudar a los equipos a automatizar el análisis del rendimiento de los medios. Inicialmente, desarrollé soluciones de forma independiente, pero más tarde trabajé estrechamente con otros Data Engineers, supervisando el desarrollo y gestionando tanto los datos como las tareas del proyecto. Este rol siguió evolucionando y, finalmente, lideré uno de los proyectos estratégicos de la compañía, que implicaba el manejo de grandes volúmenes de datos de proveedores de todo el mundo. El proyecto pretendía realizar investigaciones de marketing que ayudaran a las agencias a comprender el comportamiento de la audiencia y medir el impacto global de la publicidad.

El futuro de los datos: nuevos retos

A medida que he ido ganando experiencia en este campo, está claro que aparecerán más retos en el futuro próximo, ya que el mundo de la tecnología ha cambiado rápidamente en los últimos años. Por ejemplo, siempre es bueno reutilizar diferentes partes de un sistema. Esto crea un sistema de componentes en el Cloud que funciona como un Framework, generalmente para necesidades de negocio que tienen soluciones similares. Pero cuando surgen nuevas necesidades que son diferentes a otros proyectos, es importante decidir cómo encajarán esas nuevas piezas en las soluciones estándar. Sin embargo, a veces las herramientas de la nube que antes eran adecuadas se vuelven costosas, por lo que es necesario migrar partes a nuevas herramientas. Esto provoca migraciones y puede dar lugar a trabajos inesperados.

La Generative AI ha creado una nueva necesidad para que las empresas se adapten a esta tendencia. Esto requiere el uso de nuevos servicios compatibles con Large Language Models (LLMs) e integrarlos en el sistema para probarlos primero con Proofs of Concept (POCs) y luego crear proyectos que pasen a formar parte del sistema. Al principio, puede ser un reto decidir qué equipo de IT debe construir estos nuevos sistemas, ya sea en la extracción de datos, la transformación o la visualización. La Generative AI puede utilizarse en muchas capas diferentes, y la empresa debe decidir dónde trabajarán los modelos de IA y cómo se conectarán entre sí. También existen retos relacionados con la Data Security, asegurando que el acceso sea sólido y que los procesos controlen la seguridad de la información de la empresa para cumplir con estándares como las certificaciones ISO. También es importante entender los costes del Cloud y de los proveedores de LLM externos para ser siempre eficientes y cambiar de herramientas para mantener la competitividad del negocio.

Una mirada al futuro

Sin duda, una infraestructura en el Cloud ha sido un enorme paso adelante para mí y tiene muchos beneficios en comparación con las antiguas formas en que solía resolver los problemas en mi carrera. Me interesa mucho ver qué nos depara el futuro con el crecimiento de la nube, las nuevas ideas de los proveedores de Cloud y el uso de la Generative AI en la tecnología. Pero estoy seguro de que el mejor enfoque ante este cambio tecnológico es seguir aprendiendo, seguir avanzando, seguir adaptándose y nunca detenerse.