Con la cantidad de información disponible aumentando cada año, la ciencia de datos y analítica de negocios se han convertido en dos de las áreas con mayores retos de la actualidad en el ámbito de la gestión de activos. El campo de trabajo es novedoso y lleno de oportunidades, pero también puede imponer un alto nivel de estrés. Las gestoras de fondos están desarrollando equipos específicos de análisis de datos con el objetivo de tener acceso a mayor información y extraer interpretaciones rápidas que les permitan tomar decisiones mejor informadas que impacten de manera positiva en la rentabilidad de sus fondos. Muchos de estos equipos no están formados por gestores, sino por científicos de datos.
Además de trabajar en el desarrollo técnico, que haga que el modelo evolucione y sea cada vez más eficiente, estos equipos tienen la responsabilidad de producir las ideas de inversión y de presentarlas a los gestores, que se nutren de esta información para implementarlas en las carteras. Es lo que hace, por ejemplo, el equipo de la gama CORE de Goldman Sachs AM, una de las firmas más avanzadas en el desarrollo de estos sistemas. La firma americana ha conseguido posicionar a muchas de sus estrategias de gestión cuantativa basadas en el análisis de datos entre los productos más demandados por los inversores españoles, siendo el GS US CORE, el GS Europe CORE y el GS Global CORE los que más atención han recibido.
“A partir de un cierto nivel de competencia técnica, el mayor reto del científico de datos se encuentra en desarrollar una mentalidad que facilite navegar la complejidad de la profesión y lograr resultados”, afirma Eduardo Ramírez, doctorado en sistemas inteligentes y director de analítica en la nube de Ensitech. Según explican desde la empresa tecnológica, una mentalidad orientada en datos se construye mediante la práctica de hábitos que ayudan a los empresarios a entender mejor la labor de los científicos de datos y éstos a hacer un mejor trabajo:
1. Cuestionárselo todo y ser crítico
El pensamiento crítico consiste en el arte de analizar y cultivar el pensamiento para mejorarlo continuamente. Es decir, la práctica de un pensamiento auto-dirigido y auto-correctivo, sujeto a estándares de excelencia que son básicas para un buen análisis cuantitativo. La finalidad de cuestionárselo todo es evitar invertir en iniciativas analíticas que no ofrecerán resultados y encontrar las que sí lo harán. Los atributos de un análisis de alta claridad pueden ayudar a plantear las preguntas correctas. Algunos de ellos son objetividad, claridad, exactitud, precisión, relevancia, profundidad y amplitud.
“Podemos juzgar una decisión por su resultado, pero también por el proceso por cómo fue tomada”, decía el político e investigador Robert Rubin. ¿Es confiable la medición? ¿Es consistente el uso de las unidades? ¿Es válido el uso de porcentajes? Esas son algunas preguntas que deben hacerse. “Así como es necesario cuestionar los datos, también es fundamental cuestionar los propios supuestos cuando los datos apuntan hacia una dirección diferente”, señala Ramírez.
2. Pensar estadísticamente
Pensar estadísticamente no significa memorizar las fórmulas de la probabilidad y estadística, sino profundizar en el uso cotidiano de sus conceptos fundamentales para identificar los sesgos y los errores más comunes. Las ideas estadísticas son abstracciones de la realidad y, por lo tanto, esconden información. Una idea aparentemente simple como el promedio es la fuente de muchas conclusiones erróneas al asumir que las condiciones promedio ocurrirán o que un individuo es similar al promedio de su población.
“El pensamiento estadístico es una disciplina mental que requiere de una constante alerta para identificar las fuentes de sesgo y error. Un buen análisis de datos requiere practicar la identificación y cuantificación de las fuentes de incertidumbre, pero no detenerse por ellas. Es importante recordar que todas las decisiones que se toman están sujetas a incertidumbre, pero a pesar de ellas hay que decidir y actuar”, señala Ramírez.
3. Recordar siempre que se trata de una ciencia
El pensamiento científico es la disciplina mental que aporta una metodología para establecer la validez del conocimiento y avanzar con solidez en el entendimiento de los fenómenos. Del método científico debemos tener presente que establecer causalidad no es trivial y que las variables pueden estar relacionadas de formas diversas que nos pueden engañar con facilidad. Recientemente el pionero del enfoque probabilístico a la inteligencia artificial, Judea Pearl, lanzó una aguda crítica al modus operandi de la ciencia de datos popular, donde se favorece la generación de modelos predictivos como cajas negras, sin profundizar en el entendimiento de las relaciones causales entre las variables.
