Negocios y Emprendimiento

MIT Sloan: el 60-85% de proyectos de datos falla por falta de 'decision science'

El problema no es la calidad de los algoritmos sino la desconexión entre el lenguaje de los científicos de datos, orientado a precisión y métricas de modelo, y el lenguaje de los directivos, orientado a costo, cuota de mercado y rentabilidad. El resultado habitual: modelos elegantes que nadie usa. La 'decision science' propone partir de la decisión específica que debe tomarse y construir el modelo a partir de ahí, en lugar de modelar los datos disponibles y esperar que los directivos encuentren utilidad en los resultados. Este enfoque exige que los equipos de analytics trabajen con líderes de negocio desde el inicio del proyecto, no al final cuando el modelo ya está construido.