Nate Silver habla sobre encontrar un mentor, aprender estadísticas por sí mismo y no adaptarse a su carrera

Quizás nadie haya hecho más por la causa de la toma de decisiones basada en los datos en la mente del público que Nate Silver. Su libro, La señal y el ruido, explica el poder de los modelos estadísticos para mejorar nuestras predicciones sobre todo, desde el clima hasta los deportes y el mercado de valores. La ciencia de datos es el campo más popular en este momento, y Silver es su protagonista.

Pero para la mayoría de las personas, el abismo entre reconocer la importancia de los datos y empezar a analizarlos realmente es enorme. ¿Cómo pueden quienes no tienen una formación exhaustiva en estadística adquirir las habilidades necesarias para prosperar (o incluso simplemente sobrevivir) en nuestra era del «big data»?

El mes pasado tuve la oportunidad de hacerle esa pregunta a Silver y puede que sus respuestas lo sorprendan. Lejos de aconsejar que todo el mundo debe especializarse en estadística, en la conversación editada que sigue aconseja tanto a los estudiantes como a los ejecutivos que se arremanguen —independientemente de sus conocimientos estadísticos— y se ensucien las manos con los datos.

HBR: Si soy un profesional o un ejecutivo normal, he leído su libro, sé que estas cosas importan y también sé que son complicadas y no puedo esperar mucho. ¿Existe algún tipo de nivel de conocimientos estadísticos que necesite alcanzar? ¿Qué tipo de educación tengo que volver y asegurarme de que tengo?

Plata: Creo que el mejor entrenamiento casi siempre va a ser el entrenamiento práctico. En cierto modo, el libro es bastante abstracto, en parte porque intenta analizar muchos campos diferentes. Está intentando no hacer generalizaciones descabelladas en demasiados ámbitos.

Pero toda mi experiencia consiste en trabajar con datos de béisbol o aprender teoría de juegos porque quiere ser mejor en el póquer, ¿verdad? O [usted] quiere crear mejores modelos electorales porque tiene curiosidad y cree que los productos actuales que existen no son tan fuertes como podrían ser. Así que, ensuciarse las manos con el conjunto de datos es, creo, mucho mejor que dedicar demasiado tiempo a leer y demás.

HBR: ¿Y si he leído su libro y acabo de empezar la universidad o un poco más joven y trato de pensar que tal vez este puesto de estadístico o científico de datos sea algo que me interese? ¿Qué estudio? ¿Cuánta educación necesito? ¿Cuál es esa base para dedicarse a algunos de estos trabajos?

Plata: De nuevo, creo que la experiencia aplicada es mucho más importante que la experiencia académica. Probablemente no esté de más ir a una clase de estadística en la universidad.

Pero en realidad es algo que requiere muchas partes diferentes del cerebro. Quiero decir, lo que es más difícil de enseñar es la intuición de las grandes preguntas que se hacen. Esa curiosidad intelectual. Ese detector de tonterías a falta de un término mejor, en el que ve un conjunto de datos y tiene al menos una primera aproximación de la cantidad de señal que hay allí. Eso puede ayudar a que sea mucho más eficiente.

Esas cosas son un poco difíciles de enseñar a través del aprendizaje de libros. Así que es por experiencia. Yo sería un defensor si usted fuera a tener una educación, entonces que fuera una educación bastante diversa para que ejerciera muchos músculos diferentes.

Podrá aprender las habilidades técnicas más adelante y estará más motivado para aprender más habilidades técnicas cuando tenga algún problema que intente resolver o algún incentivo financiero para hacerlo. Así que creo que es importante no especializarse demasiado pronto.

HBR: Supongamos que está en un punto en el que ha empezado a jugar con algunos datos. Está interesado, motivado y ahora es el momento de aprender algunas de esas habilidades tal y como ha mencionado. ¿Voy a coger un libro de texto? ¿Voy a hacer un curso en línea?

Plata: Quiero decir, mi camino ha sido un poco sui generis en algunos sentidos, ¿verdad? Probablemente un curso en línea podría funcionar, pero creo que en realidad cuando la gente es autodidacta con orientación ocasional, con empujones ocasionales aquí y allá, eso podría funcionar bien.

Una situación ideal es cuando estudie por su cuenta y tal vez tenga algún tipo de mentor con el que hable de vez en cuando. Al principio debería estar alerta de que va a cometer algunos errores tontos. Y algunos necesitarán una corrección única. Otros tardarán toda una vida en aprender. Pero sí, creo que a las personas que se motivan por sí mismas siempre les va a ir mejor que a las personas que se alimentan de una dieta de cosas.

HBR: Supongamos que una organización contrata a un montón de «directores de estadísticas» para usar su terminología. ¿Los divide en su propio departamento que atiende al resto de la empresa? ¿O es importante asegurarse de que cada equipo cuente con alguien que tenga el conjunto de herramientas analíticas necesarias y experiencia?

Plata: Creo que querrá integrarlo en la medida de lo posible. Eso significa que también van a tener algunas habilidades empresariales, ¿verdad? Y aprenda que presentar su trabajo es importante. Pero necesita que se integre en la estructura de la organización.

Ha visto este cambio en los equipos de béisbol, por ejemplo, en el que antes contrataba a un analista para que marcara esa casilla y la compartimentara. Eso no sirve de mucho.

HBR: Obviamente, ha tenido una experiencia muy pública con el hecho de que, incluso cuando los datos son buenos y el modelo es bueno, la gente puede dar marcha atrás por varias razones, legítimas o no. ¿Algún consejo para una vez que esté en esa posición, tenga un asiento en la mesa, pero las demás personas alrededor de la mesa en realidad no compran lo que usted vende?

Plata: Si no puede presentar sus ideas al menos a un público modestamente mayor, entonces no le va a servir de mucho. Se supone que Einstein dijo que no confío en ninguna teoría física que no pueda explicarse a un niño de 10 años. Muchas veces las intuiciones detrás de las cosas no son realmente tan complicadas. En Moneyball, ese porcentaje en base es mejor que el promedio de bateo, parece: «Vale, bueno, el objetivo es anotar carreras. El primer paso para anotar carreras es llegar a la base, así que tengamos una estadística que mida llegar a la base en lugar de solo un tipo de llegar a la base. No es una batalla tan difícil de librar.

Ahora, si siente que se está expresando y entendiendo la esencia de algo y todavía no lo escuchan, entonces quizás sea hora de cambiar de profesión. Se da el caso [de que] las personas con talento analítico tienen mucha demanda ahora mismo en muchos campos, por lo que la gente puede darse el lujo de ser exigente hasta cierto punto.

No acepte un trabajo en el que se aburra. Si es un desafío, siente que está creciendo, tiene buenos debates internos, está bien. Un poco de fricción puede ser saludable. Pero si siente que no lo escuchan, entonces querrá cortarse las venas después de demasiado tiempo. Es hora de seguir adelante.

HBR: ¿Qué tal, desde la perspectiva de una organización o una empresa, conocer las áreas en las que los datos realmente van a ser la clave para hacer buenas predicciones y buenas decisiones, en comparación con las áreas en las que no lo son? En declaraciones a muchas empresas emergentes y empresas de tecnología, escucha: «Los datos no pueden decirnos nada». El futuro es muy diferente al pasado y no podemos confiar en él en absoluto, así que en realidad es un juego de intuición.

Plata: Muchas veces, cuando los datos no son muy fiables, la intuición tampoco lo es. El problema es que la gente lo ve como una cosa o la otra, cuando a veces es ambas o ninguna de las dos, también. La pregunta debería ser qué tan bueno es un modelo en relación con nuestro enfoque de escupir y agallas. Y también cuánto sabemos sobre este problema. Hay algunos temas en los que simplemente no tiene una buena respuesta y tiene que cubrir sus riesgos como empresa y no fingir que está más seguro de lo que realmente está.

Muchas empresas privadas se muestran muy reacias a hacer frente a la incertidumbre en sus perspectivas. El gerente no quiere que parezca que no está seguro de lo que hace. Y el consultor o el analista quieren proporcionar información para que el gerente se sienta más seguro. Eso es bastante problemático porque muchos problemas que están en la frontera de los negocios, en la frontera de la ciencia, [son] por definición bastante desafiantes que nadie más ha resuelto.

Ahí es donde es importante tener una actitud más humilde con respecto a lo que puede lograr y lo que no puede. El hecho de que un modelo no vaya a ser muy preciso o exacto no significa que, por lo tanto, debe confiar en su instinto después de un par de whiskys y asumir que va a ser mucho mejor.