Podcast (tiempo de escucha: 32 minuto)

Un pensamiento optimista no hará que la gente vuelva a la oficina, pero la ciencia de datos podría ayudar

Cuando a su personal le preocupa el regreso a la oficina, usted debe darle la confianza de que estará a salvo.

Rackspace Staff - Cloud Talk / Rackspace

¿Cuándo es seguro volver a abrir una oficina en un mundo con COVID-19? Este es un tema de conversación muy controvertido, pero uno en el que la ciencia de datos puede empoderar a su empresa para que tome decisiones informadas que tranquilicen a sus empleados.

Ryan Ries y Mark McQuade trabajan en Ingeniería y Ciencia de Datos en Rackspace. Dedican innumerables horas a investigar los datos, a entender qué nos dicen, a determinar tendencias y a averiguar si los datos tienen valor predictivo o de previsión. Todo esto se puede aplicar a un contexto comercial más amplio, pero Ries cree que la ciencia de datos tiene un papel particularmente vital que desempeñar en el entorno empresarial actual. "No sabemos cuáles son los efectos duraderos del COVID-19, y a la gente le preocupa ingresar en una oficina", explicó. "¿Cómo les transmites seguridad? Eso se reduce a los datos".

El último podcast Cloud Talk tiene como tema central este asunto. Ries y McQuade se unen al CTO de Rackspace Technology, Jeff DeVerter, en un debate animado sobre trabajar con datos, depurar y modelar datos, y sobre cómo la predicción de modelos puede ayudar a la gente a sentirse más segura.

Cómo usar la ciencia de datos para volver a trabajar

En solo 30 minutos, el panel explora lo siguiente:

  • Qué es la ciencia de datos y cómo ayuda a hacer mejores evaluaciones
  • Cómo tomar decisiones inteligentes acerca del futuro, en función de los conjuntos de datos del pasado
  • Cómo agregar valor y resiliencia a través de la depuración de datos, cuándo debería tener lugar la depuración
  • Mejores prácticas relativas al desarrollo, la prueba, la validación y la capacitación de modelos de datos
  • La necesidad de refinar y readaptar modelos en situaciones en rápida evolución
  • Cómo los datos abiertos pueden ayudar a otros con sus propias predicciones y previsiones sobre COVID-19

Crear sus propios modelos de previsión de COVID-19 puede parecer exagerado, pero tiene beneficios. "Un gran problema hoy en día es que hay mucha desinformación, por lo que necesitamos ayudar a las empresas a tomar decisiones basadas en hechos", dijo McQuade. Un proyecto reciente de Rackspace Technology involucró a una empresa afiliada a la Universidad de California en Irvine, que utilizó datos disponibles públicamente, AWS y el poder de DeepAR para proporcionar previsiones sobre el COVID-19. Tuvieron mejores resultados que los datos del Instituto para la Métrica de Salud y Evaluación (IHME). McQuade se entusiasmó con esto "porque genera previsiones confiables en las que la gente puede realmente creer, porque los datos son reales".

Esto no es algo fácil de lograr. "Puede que le resulte desalentador construir su propio modelo", dijo Ries, quien añadió que, para una apertura segura, las empresas también deben considerar el seguimiento de contactos para detectar a las personas que no presentan síntomas. Pero una vez que llegue a ese punto, esta información puede convertirse en su verdad, más que cualquier otra fuente. "La clave es confiar en esos datos tanto como sea posible", dijo McQuade. "Cuando los ejecutivos deciden el momento de la reapertura, no deberían hablar sobre algo que vieron en las noticias. El punto de partida, su referencia para la toma de decisiones, siempre deben ser sus datos".

Listen & Subscribe:
Subscribe via Apple Podcasts Subscribe via Google Podcasts Subscribe via Spotify Subscribe via Stitcher Subscribe via TuneIn

Únase a la conversación: encuentre Solve en Twitter and LinkedIn, o síganos en RSS.

Serie Solve Strategy

Inscríbase en uno de estos eventos mundiales, o en todos, en los que participarán personas influyentes, expertos, técnicos y líderes de la industria

Inscribirse