El mundo del análisis de datos (sí, análisis de datos; no arquitectura, ni ciencia de datos, ni la vasta cantidad de términos que solo algunos puristas se precian de poder definir con precisión) ha estado lleno de hitos. Desde la llegada de herramientas como Power BI, Tableau, Power Query, DAX o el ya veterano SQL, cada una ha representado en su momento un punto de inflexión para los analistas. ¿Por qué? Porque cada una de estas herramientas ha permitido fortalecer la estructura sobre la cual analizamos datos: desde el clásico “cuadro de mando” —tan literal en el pasado como lo es ahora— hasta los modernos dashboards.

Los analistas de datos deben adaptarse constantemente a las tendencias del sector y a la llegada de nuevas herramientas. La experiencia en un sector específico y el dominio de los distintos procesos ETL, hasta la obtención de insights, requieren una base sólida de competencias. Además, no podemos olvidar que son pocas las empresas que pueden jactarse de tener a alguien dedicado exclusivamente al análisis de datos, ya que, en la mayoría de los casos, estos profesionales deben participar en todo el ciclo del proceso ETL: desde la extracción hasta la interpretación final.

Sin embargo, aunque en el mediano plazo este enfoque puede seguir vigente, la irrupción de la inteligencia artificial marca un antes y un después. A simple vista, el ojo humano no detecta lo que las máquinas pueden identificar cuando se trata de números y extracción de conclusiones. Por ello, el rol fundamental del analista será conocer a fondo sus datos y ser capaz de convertirlos en insights que la IA no sea capaz de detectar por sí sola.

Esto es especialmente relevante hoy en día, cuando la mayoría de los ERP están integrando suites completas de análisis de datos que permiten a las compañías tomar decisiones en tiempo casi real. La IA, junto con la automatización de procesos ETL que muchos ERP ya incorporan, está transformando el análisis de datos tal y como lo conocíamos, relegándolo a un segundo plano.

La misión sigue siendo la misma: generar valor a través de los datos. Pero la metodología es distinta. Ahora, el analista debe competir con la IA y, al mismo tiempo, ser su aliado. Si en tu rol como analista no eres capaz de obtener conclusiones que no puedan resolverse con un simple prompt, tu valor tenderá a disminuir.

Sin duda alguna, estamos viviendo el fin de una era en el mundo del análisis de datos. Las empresas hoy tienen un exceso de información. El rol del analista evoluciona hacia el de un verdadero minero de datos, donde —metafóricamente hablando— no se trata de manipular grandes volúmenes, sino de usar una simple pica para encontrar los datos verdaderamente valiosos que ni el ERP ni la IA pueden automatizar o identificar por sí solos.

Lógicamente, no estamos hablando del fin del rol del analista, sino de su transformación. Los nuevos profesionales deben ser más asertivos a la hora de buscar conclusiones y proponer elementos que realmente permitan a las compañías tomar decisiones informadas. No es un misterio que la alta demanda de analistas de datos ha llevado a que muchas personas ingresen al campo sin siquiera entender que lo más importante no es la técnica, sino la conclusión. En gran parte, este rol es 40 % herramientas y 60 % generación de insights destacados en la actualidad. En el futuro las herramientas podrían no significar mucho para el analista y la obtención de insights a través de un correcto análisis de la información será la clave para destacar.