El mercado global de análisis de datos Se prevé que aumente en 234.400 millones de dólares entre 2023 y 2028. Este rápido aumento acelerará el crecimiento de los empleos en este campo.
Para obtener más información sobre las tendencias de los campos del análisis de datos, sus perspectivas y sus desafíos, hablamos con Aksinia Chumachenko, líder del equipo de análisis de productos en Simpals, la empresa digital líder en Moldavia. En esta entrevista, Aksinia compartirá su trayectoria, su enfoque de liderazgo y tutoría, y su visión para el futuro de este campo en rápida evolución.
Su viaje de estudiante universitario a líder de equipo de análisis de productos es inspirador. ¿Podría compartirnos los hitos clave que han dado forma a su carrera en el análisis de datos?
Mi viaje comenzó en NUST MISiS, donde estudié Ingeniería y Ciencias de la Computación. Estudié mucho y fui un estudiante muy activo, lo que me hizo elegible para un programa de intercambio en la Universidad de Ciencias Aplicadas de Häme (HAMK) en Finlandia. Esta experiencia me llevó a mi primer trabajo real en TI: una pasantía en Renault en 2019. Fue mi primer trabajo como analista de datos. Me ayudó a familiarizarme con herramientas populares como Excel y SQL y a desarrollar mi pensamiento analítico.
El tiempo que pasé en Renault me ayudó a darme cuenta de que el análisis de datos es algo que me interesaría seguir como carrera de tiempo completo. Después de mi paso por Renault, me uní a Sberbank, uno de los bancos más grandes de Europa del Este, como analista interno a través de su programa altamente competitivo Sberseasons. La competencia fue intensa, con más de 50 postulantes por puesto. Sin embargo, tres equipos diferentes dentro del banco estaban interesados en contratarme y finalmente elegí trabajar con Sberbank CIB, que es responsable del negocio de inversiones corporativas.
En Sberbank trabajé como analista para importantes clientes B2B. Esta experiencia me ayudó a mejorar mis habilidades en Python y obtener más experiencia práctica trabajando con big data.
En 2020, hice la transición al análisis de productos en OZON Fintech, uno de los mercados líderes en Rusia. Este papel fundamental me permitió duplicar mi salario y adquirir una amplia experiencia trabajando en productos fintech. En OZON, trabajé con cuatro productos financieros y, a través de mi investigación basada en datos, aumentamos significativamente métricas clave como el uso, la cantidad de nuevos clientes, las devoluciones y los ingresos.
En noviembre de 2020, BCS Investments, nombrada “Compañía de Inversión del Año” por una autorizada plataforma financiera en línea, se acercó a mí. Buscaban contratar a su primer analista de productos y crear un nuevo departamento desde cero. Esa oportunidad encajaba con mis objetivos, ya que quería adquirir nuevas habilidades de liderazgo. Durante mi estancia allí, implementé numerosas iniciativas impactantes. Uno de los más importantes fue la introducción del proceso de pruebas A/B desde cero, que mejoró la experiencia del usuario y las métricas del producto. Gracias a la implementación de este proceso de prueba A/B en toda la empresa, aumentamos la tasa de conversión de incorporación en nuestra aplicación en varios puntos porcentuales, lo que en última instancia afectó la cantidad de clientes que utilizan la aplicación y, en consecuencia, nuestros ingresos.
Aproximadamente un año después, hice la transición a Simpals en Moldavia, donde todavía trabajo como líder del equipo de análisis de productos. Administro un equipo de expertos en análisis de datos de primer nivel y trabajo en uno de los sitios web más visitados de Moldavia.
Recientemente, he estado muy involucrado en retribuir a la comunidad. Organicé una reunión en Moldavia en 2023 y también fui oradora. Una de las oradoras fue una colega a quien fui mentora desde cero; fue un gran placer ver cuánto había crecido rápidamente.
También soy juez en varios hackatones internacionales, incluido Hackathon de Big Data de las Naciones Unidasdonde evalué 18 equipos diferentes en función de la innovación, calidad y aplicabilidad de sus soluciones.
Otros hackathons a los que me invitaron como experto son el MLH Web3Apps Hackathon y el MLH Data Hackfest.
Como líder en su campo, ¿cómo aborda la tutoría de los miembros de su equipo y qué impacto espera tener en sus carreras?
Comencé a ser mentor tan pronto como tuve mi equipo. Hoy en día, soy mentora no solo dentro de Simpals sino también en organizaciones externas como Women in Tech y Women in Big Data. Estos son programas internacionales gratuitos que ayudan a las mujeres a progresar en sus carreras. Como mentora, he ayudado a varias mujeres a lograr un éxito significativo al subir de nivel o comenzar una nueva carrera.
Cada aprendiz es diferente, por eso creo planes de desarrollo individuales basados en sus objetivos, fortalezas y debilidades. También nos reunimos periódicamente para reuniones individuales para discutir cómo van las cosas.
Ver mi impacto en los colegas es muy gratificante. Además, al ayudar a los demás, también me ayudo a crecer como profesional y ser humano.
Aksinia, como líder del equipo de análisis de productos en Simpals, una empresa que tiene un impacto significativo en el ecosistema digital de Moldavia, ¿qué papel juega el análisis de datos en el éxito de plataformas digitales como 999.md?
999.md es visitado por más de 2 millones de usuarios únicos cada mes, lo que nos brinda muchos datos con los que trabajar. Fui responsable de construir un equipo desde cero y liderarlos para asegurar el crecimiento de métricas clave y optimizar los procesos existentes. Gracias a los ajustes en las características clave, hemos logrado un aumento de ingresos del 13%.
Gracias a nuestro trabajo, la plataforma puede obtener más ingresos y reducir gastos siempre que sea posible. Esto es lo que hace la analítica: no sólo ayuda a ganar más dinero, sino que también evita gastos innecesarios que, para proyectos grandes como este, pueden ser significativos.
El campo del análisis de datos está en constante evolución. ¿Cuáles son los mayores desafíos que enfrenta el análisis de productos y datos en la actualidad?
Los datos se acumulan rápidamente y es un desafío recopilarlos y analizarlos. Sin embargo, lo que es aún más importante, los conocimientos generados deben estar alineados con la estrategia y los objetivos generales de la empresa. Haga una pregunta: ¿completar esta tarea lo impulsará a alcanzar sus objetivos comerciales? A veces, los analistas de datos olvidan hacerse esta pregunta. Pero creo que es crucial tener una mentalidad empresarial.
Además, a muchos profesionales de TI les resulta difícil mantenerse actualizados con las tecnologías que cambian rápidamente. Para mantenerme actualizado, asisto regularmente a conferencias (a veces como orador). Mi mentor también me ayuda a crecer y explorar cosas nuevas constantemente.
Mencionó la importancia de alinear el análisis de datos con la estrategia comercial. Danos un ejemplo de cómo ha funcionado esta alineación en tu puesto en Simpals.
La tarea de mi equipo era optimizar la experiencia del usuario en 999.md. Necesitábamos aumentar la participación de los usuarios y las tasas de conversión haciendo que la plataforma fuera más intuitiva y fácil de usar. Esto es lo que hicimos:
- puntos débiles identificados en el recorrido del usuario;
- utilizó la segmentación de usuarios para comprender mejor cómo los diferentes grupos utilizan la plataforma;
- Realizó pruebas A/B para comparar diferentes versiones de plataformas y ver qué cambios condujeron a mejores resultados.
Anteriormente mencioné lo importante que es alinear el análisis de datos con los objetivos comerciales. Los conocimientos que obtuvimos nos permitieron aumentar los ingresos y aumentar la satisfacción del cliente.
La integración de la IA y el aprendizaje automático en la analítica es un tema candente en este momento. ¿Cómo cree que estas tecnologías darán forma al futuro del análisis de datos?
La IA y el aprendizaje automático son básicamente omnipresentes. No hay un solo campo donde no se utilicen estas tecnologías. Estas tecnologías también nos permiten automatizar procesos de datos complejos. Esto ahorra tiempo en «trabajo manual» y nos permite dedicar más tiempo a la resolución de problemas y la creatividad.
En el futuro, veremos que la IA y el aprendizaje automático se vuelven aún más integrales para el análisis de datos, con modelos y herramientas más sofisticados que pueden manejar tareas cada vez más complejas. Estas tecnologías funcionan mejor en sinergia con la creatividad humana, no como reemplazo. Una comprensión profunda de los datos y el contexto empresarial sigue siendo esencial para aprovechar al máximo lo que ofrecen la IA y el aprendizaje automático.
Dada su experiencia y reconocimiento en el campo, incluida la evaluación de hackatones internacionales y el Big Data Datathon de la ONU, ¿cómo cree que evolucionará el panorama global del análisis de datos en los próximos años?
El papel de los analistas cambiará y se ampliará gradualmente. Por ejemplo, una tendencia que veo ahora mismo en el mercado es que los analistas deben tener habilidades de gestión de productos, ya que necesitan tener un conocimiento profundo del trabajo con datos y conocimiento del producto para tomar decisiones.
Otro cambio importante es que las nuevas tecnologías están acelerando mucho el trabajo con datos. Lo que antes llevaba días o semanas ahora se puede hacer en unas pocas horas. Por ejemplo, el almacén de datos en la nube BigQuery de Google, que utilizan muchas empresas, ya está introduciendo nuevas herramientas que facilitan la vida a los analistas, como la búsqueda de información basada en una tabla específica y el seguimiento de la calidad de los datos.
Sin embargo, es importante darse cuenta de que la IA no reemplazará por completo a los analistas. Al contrario, se convertirá en una poderosa herramienta que te permitirá centrarte en tareas más complejas y estratégicas. El papel de los humanos en la analítica sigue siendo muy importante. Las habilidades sociales como el pensamiento crítico y la capacidad de comunicarse y negociar con diferentes personas son algunas cosas cruciales que la IA no puede reemplazar.
