Ingeniero de decisiones: funciones, habilidades e impacto
Un modelo de score puede incluir una variable que no debería estar ahí porque tiene una correlación alta y parece atractiva. Como no hay una palanca que la explique, deja de funcionar cuando cambian las condiciones, y no se sabe cuándo ocurrirá.
El ingeniero de decisiones analiza primero el resultado, luego la situación y, después, las palancas de esa situación que conducen al resultado. Solo entonces busca los datos y evalúa si puede automatizar la decisión mediante la conciencia situacional, la comprensión de la situación y la lógica situacional. Es necesario conocer la situación.
¿En qué se diferencia un ingeniero de decisiones de un científico de datos?
Un buen ingeniero de decisiones primero obtiene una lectura de la situación, luego la comprende y después define la lógica de decisión. Analiza de dónde vienen los datos, qué representan para el negocio y qué permiten anticipar sobre el comportamiento futuro.
Un científico de datos puede tomar datos recopilados y crear un modelo estadístico sólido. Sin embargo, ese modelo quizá no tenga relación con el origen de los datos ni con lo que representan para el negocio. En crédito, alguien puede afirmar que predice quién tendrá un buen o mal desempeño. Al revisar cómo se recopilaron los datos y qué representan las variables, puede resultar que estas no permitan hacer esa predicción. El ingeniero de decisiones establece esas conexiones antes de confiar en el modelo.
¿Qué hace un ingeniero de decisiones con el equipo de producto?
Un buen ingeniero de decisiones suele conversar con todo el equipo de producto. Trabaja con el equipo para mejorar la lectura de la situación, su comprensión y la lógica de decisión. Pregunta cómo se recopilan los datos, qué representan y cómo son los clientes. Cuando hay casos límite, analiza qué aspecto tendrían los datos.
Valida la lectura de la situación al probar los modelos de decisión y comparar los resultados con lo esperado. Luego ajusta y perfecciona los modelos según sea necesario.
¿Cómo conecta un ingeniero de decisiones la evaluación crediticia con la cobranza?
Puede conversar con el equipo de cobranza y preguntarle qué patrones observa en los clientes que no logra localizar. También pregunta qué datos podrían mejorar la cobranza cuando sí se logra encontrar a un cliente.
Ese análisis puede llevarlo de nuevo a la evaluación crediticia. Un grupo de clientes puede obtener buenos resultados en el score y, aun así, ser imposible de localizar más adelante durante la cobranza. El ingeniero de decisiones busca datos disponibles al momento de la solicitud que permitan identificar antes a ese grupo.
Por ejemplo, la solicitud puede mostrar un número de teléfono nuevo, recién activado. Quizá ese número no esté vinculado con ninguna otra persona ni con WhatsApp o Telegram. El ingeniero de decisiones analiza cómo se relacionan esos datos de la solicitud con el resultado posterior de la cobranza.
Esta forma de analizar conecta todo el proceso. Sigue la cadena causal de los acontecimientos y configura la decisión para obtener buenos resultados. Esa es la diferencia entre un analista de datos tradicional y un ingeniero de decisiones.
¿Qué puede salir mal si una entidad solo cuenta con ciencia de datos o IA?
Una entidad puede analizar los datos que ya tiene en sus sistemas y aprovechar las capacidades técnicas disponibles. También puede introducir los datos en un LLM y obtener un modelo. El modelo puede ser técnicamente capaz y, aun así, no tener relación con la realidad.
Para encontrar esa relación, alguien debe investigar, participar en el trabajo de producto, conversar con el equipo y pensar cómo se podrían recopilar más datos. Esto implica conocer la situación y analizar qué aspecto tendrían los datos si algo fuera cierto.
Si se espera cambiar un resultado, debe haber una palanca que lo permita. El trabajo consiste en encontrar los datos que la indican y decidir cómo recopilarlos. Si no hay datos directos, los datos indirectos pueden servir como fuente, siempre que tengan una correlación razonable con los datos prácticos.
¿Cómo puede un ingeniero de decisiones comprobar si alguien realmente vive en una dirección?
Se puede preguntar a una persona si vive en una dirección. Tal vez presente una factura de electricidad como comprobante de domicilio. Eso demuestra que tiene un vínculo con la dirección, pero no que realmente viva allí.
Puede revisar la actividad asociada con el domicilio. ¿Le entregan comida allí? ¿Le entregan paquetes allí? Esta actividad puede indicar que alguien pasa suficiente tiempo en ese domicilio como para tener motivos para recibir entregas allí.
Estos son datos indirectos para determinar si alguien vive en un lugar. Quizá no sean los datos oficiales que se entregan a un banco o empleador, pero pueden indicar lo que ocurre en la realidad. El ingeniero de decisiones se pregunta qué datos permitirían saber si alguien realmente vive en esa dirección y luego analiza cómo recopilarlos.
¿Qué habilidades necesita un ingeniero de decisiones ante los cambios tecnológicos?
Los LLM, Claude y OpenAI ChatGPT permiten analizar datos mucho más rápido. Aun así, alguien debe pensar en el producto, investigarlo y preguntarse qué significan los datos en la realidad. Ese análisis sigue siendo lo más importante.
Para mejorar, hace falta investigar, hacer preguntas y comprender las respuestas. Se necesitan pensamiento sistémico y capacidad para comunicarse con otras personas. La tecnología viene después.
Antes, un ingeniero de decisiones necesitaba conocimientos estadísticos para trabajar con R y luego con Python, además de preparar y manejar datos como un científico de datos. Esas habilidades técnicas ya no son necesarias. Lo que sigue haciendo falta es pensar con claridad en los factores que intervienen en una situación, cómo influyen en el resultado final y cómo puede mejorarse la toma de decisiones. La indagación más importante es filosófica: relacionar los supuestos y las hipótesis con la realidad y diseñar buenas pruebas.
- Análisis del producto y los datos: Analizar el producto y preguntar qué significan los datos en la práctica antes de usar tecnología.
- Pensamiento sistémico: Entender cómo las palancas influyen en los resultados y cómo las decisiones pueden mejorarlos según el contexto.
- Pensamiento claro: Considerar hipótesis contradictorias, explorar cada una y evitar apegarse a una sola idea.
- Comunicación entre equipos: Explicar conceptos técnicos con claridad para que las partes interesadas no técnicas puedan entenderlos y actuar.
- Conciencia situacional: Entender dónde se ejecutan las decisiones, a quién afectan y cuál es el contexto operativo que mantiene vigentes los modelos.
- Resolución de problemas: Convertir problemas de negocio en lógica de decisión clara mediante el trabajo entre equipos.
- Presentación de modelos de decisión: Presentar con claridad los modelos, sus supuestos y resultados para que los equipos puedan implementarlos correctamente.
- IA y aprendizaje automático: Comprender sus principios básicos y cuándo aplicarlos a los modelos de decisión.
¿Qué conviene buscar al contratar a un ingeniero de decisiones?
Un buen ingeniero de decisiones contrasta constantemente el modelo con la realidad. Un consultor, gerente de producto o profesional de marketing puede presentar algo atractivo y hacerlo parecer cierto. El ingeniero de decisiones sigue preguntándose qué aspecto tendría si estuviera equivocado y qué aspecto tendría si tuviera razón.
Esto es importante al trabajar con modelos de score. Algunas variables tienen correlaciones altas y parecen útiles, pero no están vinculadas a una palanca que explique el comportamiento crediticio o el pago. Pueden dejar de funcionar cuando cambian las condiciones, y no se sabe cuándo ocurrirá. Un buen ingeniero de decisiones busca la palanca que explica la correlación y comprueba si esa relación se mantiene.
Un buen estadístico puede decir que está bastante seguro porque las estadísticas muestran que el modelo funciona. Un ingeniero de decisiones puede mostrar qué está vinculado a la palanca, qué ocurrirá si esta cambia y cómo se relacionan los datos con el fenómeno.
¿Cómo evaluar a un candidato a ingeniero de decisiones en una entrevista?
Presente al candidato un problema con una correlación fuerte y clara en los datos, pero no le diga que es falsa. La causa debe estar en la forma en que se generaron los datos. Un ejemplo es la fuga de información: una variable como «contactado por cobranza» se completa después del resultado y predice el incumplimiento a la perfección. Otro ejemplo es un efecto del proceso, como solicitudes enviadas de noche que registran más incumplimientos porque un corredor envía su lote a las 2am.
Quien busca dar una respuesta convincente señalará que hay una correlación clara. Un buen ingeniero de decisiones dirá que no entiende cómo puede ser tan fuerte, porque no tiene sentido en la realidad. Incluya también una correlación real que tenga una explicación razonable. Así podrá ver si el candidato distingue ambas situaciones en vez de poner todo en duda.
Hay personas que quieren demostrar que hicieron su trabajo aunque no haya una correlación real. La tarea consiste en permitir que el candidato explique cómo razona sobre el problema y si logra identificar qué factor mueve los datos.
Preguntas sobre el ingeniero de decisiones
¿Cómo convertirse en ingeniero de decisiones?
Empiece por aprender a contrastar supuestos e hipótesis con la realidad y luego ponga a prueba esas relaciones. Necesita analizar con claridad las palancas de una situación, cómo influyen en el resultado y cómo pueden mejorarlo las decisiones.
¿Un ingeniero de decisiones necesita saber programar?
Antes, los ingenieros de decisiones necesitaban conocimientos estadísticos para trabajar con R y después con Python, además de preparar datos como un científico de datos. Esas habilidades técnicas ya no son indispensables, porque la tecnología viene después de analizar el producto, los datos y las palancas que influyen en el resultado.
¿En qué trabaja un ingeniero de decisiones día a día?
El ingeniero de decisiones conversa con el equipo de producto, pregunta qué significan los datos en la realidad e investiga los casos límite. Contrasta los modelos de decisión con lo esperado, los ajusta según sea necesario y analiza cómo recopilar más datos.
¿Qué cualidades hacen a un buen ingeniero de decisiones?
Un buen ingeniero de decisiones contrasta el modelo con la realidad y se pregunta qué aspecto tendría si estuviera equivocado. Busca la palanca que explica una correlación, comprueba si la relación se mantiene y explica el modelo con claridad para que otras personas puedan actuar.
