Data y Business Intelligence

Entrevistamos a Pelayo Arbués, Head of Data en Idealista

Pinterest LinkedIn Tumblr

Hablamos con Pelayo Arbués, actual Head of Data en Idealista cuenta con más de 8 años de experiencia en el mundo de los datos. Dos de ellos como Senior Data Scientist en BBVA Next Technologies. Lleva ya más de cuatro años en Idealista, el portal inmobiliario español, como Lead Data Scientist primero y después cómo Head of Data. Además, es profesor en el Máster de Data Science en The Valley Digital Business School.

En Talent Hackers hemos querido entrevistar a Pelayo para que nos cuente las curiosidades que hay detrás de este gran profesional, su opinión sobre el talento y sobre todo muchas cositas sobre Data.

Sigue leyendo para enterarte de lo que nos ha contado 👇

Un aspecto fundamental a la hora de retener es que la gente se lo pase bien. Y está bastante estudiado que para disfrutar de una tarea tienes que estar haciendo algo con un propósito y que además te rete intelectualmente.

Pelayo, cuéntanos algo de ti que no salga en LinkedIn ni en tu currículum y que ha influido mucho en cómo eres como profesional a día de hoy.

Algo que puede ser no muy conocida es mi pasado relacionado con el deporte y  mi pasión por la fotografía. Por un lado siempre he tenido mucha energía así que desde pequeño siempre hice mucho deporte: tenis , fútbol y balonmano. A tenis entrené desde muy pequeño pero la verdad es que nunca fue mi pasión. Y aunque era bastante malo acabé siendo monitor durante muchos años. En esa experiencia aprendí a manejar grupos humanos de críos y adolescentes. Lo que posiblemente me haya dado mucha paciencia a la hora de gestionar proyectos y navegar el entorno empresarial. 

Por otro lado en los deportes colectivos, solía acabar ejerciendo de capitán de los equipos. Viéndolo con perspectiva me doy cuenta de que para liderar no te hace falta ser el más carismático ni el mejor del equipo. Hay hacer unas cuantas cosas bien que ese grupo humano necesita y valora. En mi caso era lo suficientemente bueno técnicamente. Intentaba tratar a la gente de manera justa independientemente de si eran mejores o peores y porque siempre defendía al equipo por encima de las individualidades.

Otra vivencia que posiblemente ha moldeado mi forma de ser ocurrió en mis años de instituto. Fue cuando jugaba en un equipo de fútbol sala en el que una temporada nos metieron en una liga con gente mayor. Y perdimos absolutamente todos los partidos del año. Y además perdíamos de auténticas palizas. Todo esas derrotas crearon una cohesión en el equipo, que unido a que al año siguiente ya eramos un poco más grandes acabamos quedando segundos. Así que si me hablas de perder tengo mucho callo y también sé que hay veces que los resultados tardan en llegar.

La última curiosidad que quiero comentar es sobre la fotografía. Empecé haciendo fotos en la universidad y acabé publicando alguna en revistas internacionales de skateboard. Incluso tuve publicaciones pagadas en revistas bastante grandes como Marie Claire China. Para los más curiosos os dejo mis perfiles de instagram (@pelayoarbues, @violetabypelayo)  y mis fotos con licencia para reutilizar en Unsplash. En cuanto al impacto de esta faceta en el mundo laboral, creo que ha influido en que sea bastante cuidadoso en cuanto al diseño de visualizaciones de datos y cualquier material gráfico que hago para presentaciones o informes. 

¿Qué es lo que más te apasiona del mundo de los datos?

La posibilidad de resolver problemas reales en multitud de ámbitos distintos. Creo que para las personas curiosas y que necesitamos retos constantes. Además, una de las cosas más bonitas que hay de trabajar en datos es que puedes trabajar en cualquier sector. Esto te permite avanzar por tu vida laboral sin posibilidad de aburrirte. Si eres de los que les gusta profundizar mucho podrías hacer toda tu vida en una industria en concreto, y si te gusta cambiar siempre tienes esa posibilidad. 

Además, muchas de las soluciones que han surgido a lo largo de los años provienen del ámbito público y la investigación y del mundo open source. Así que a nivel comunidad suele haber un ambiente bastante sano en el que tratamos de ayudarnos unos a otros. 

El futuro de los datos pasa por ser una función transversal e invisible en la empresa.

¿Cómo ves el futuro de la data? ¿Cuáles son las oportunidades/posibilidades que observas y que más te ilusionan?

Desde hace tiempo pienso que el futuro de los datos pasa por ser una función transversal e invisible en la empresa. Al igual que en su momento las hojas excel sólo las utilizaban expertos y ahora son ubicuas, espero que en algún momento pase algo parecido en el mundo de los datos. 

Con esto no quiero decir que los perfiles muy técnicos vayan a desaparecer, sino que algo de la caja de herramientas que habitualmente usamos en Ciencia de Datos se irá incorporando en el día a día de más perfiles. En ese momento posiblemente el debate vaya virando y nos centraremos menos en las herramientas y más sobre cómo resolver los problemas. Además algo que me parece que ya está ocurriendo es que algunos problemas de datos son bastante complicados de resolver,  no sólo técnicamente, sino como retos de usabilidad o producto por lo que al final acabamos trabajando con perfiles de todo tipo lo que hace que la experiencia en el trabajo sea mucho más enriquecedora.

¿Cuál o cuáles creen que son los mayores retos para las empresas en materia de datos? Algo en lo que dirías “aún queda mucho por hacer”.

El principal handicap al que te enfrentas habitualmente es la cultura. A las empresas les encanta decir que son data driven, pero en la realidad no encuentras en su cultura nada relacionado a tratar con cuidado la calidad de los datos que se usan ni tampoco hay un gusto por el rigor en su explotación.

Cuando hablo de calidad y rigor lo hago con los pies en la tierra. Sé que los datos no van a ser nunca perfectos, como tampoco son nunca objetivos, así que no espero que se alcance ese nivel, pero sí algo más gobernado. En lo referente al rigor no me refiero a aplicar técnicas que te sirvan para doctorarte, pero sí cumplir unos mínimos en cuanto a la mentalidad crítica que has de tener a la hora de evaluar una solución. Nosotros somos muy de lanzar productos con soluciones técnicas sencillas y  mejorables, pero que cumplen su propósito y con las que es fácil iterar. 

Incorporar el método científico a la empresa, que al final está muy relacionado con las aproximaciones lean de desarrollo de producto, es fundamental. Pero para ello necesitamos más formación en todos los empleados de la empresa, por eso muchas empresas están implementando programas de alfabetización de datos para que la ejecución de proyectos sea más fluida. 

Así que buscamos buenas personas que sepan ejecutar técnicamente y que también les guste comunicar, compartir con sus compañeros y que tengan buena actitud ante la frustración. 

Imagino que habrás trabajado con muchos equipos y personas muy diferentes, ¿qué es lo que más valoras en un profesional a la hora de incorporarlo a tu equipo?

Pese a que son puestos muy técnicos, lo que más valoro son las habilidades blandas. Por ejemplo, en Idealista desde que empezamos tenemos una dinámica de equipo muy buena, y cuando gestionas un equipo que está creciendo siempre tienes miedo a que se rompa ese momento dulce. Así que buscamos buenas personas que sepan ejecutar técnicamente y que también les guste comunicar, compartir con sus compañeros y que tengan buena actitud ante la frustración. 

Las posiciones de datos nos situamos cerca del negocio pero también tenemos un pie puesto en tecnología y habitualmente sufres en los comienzos de la integración con unos y con otros. Introducir estas funciones en las empresas suele provocar cierto rozamiento con las formas tradicionales de trabajar así que tienes que ser tenaz, positivo y tener alta empatía para hacer que los proyectos avancen. Muchas veces los proyecto se caen por culpa del factor X así que hay que intentar entender los fundamentos del negocio pero también la psicología de las personas

Actualmente las empresas hablan de que no encuentran al profesional que necesitan, les cuesta atraerlos y retenerlos. Desde el punto de vista de un profesional de data, ¿cuáles son los aciertos y errores que están cometiendo las empresas aquí?

Nosotros tenemos la suerte de que se han cumplido más de tres años desde la última vez que se nos fue un científico de datos. Uno de los problemas raíz que tienen los procesos de selección es que no gestionan bien las expectativas. Y este es una de las principales causas de frustración de Data Scientists. El término Data Scientist engloba muchas funciones dentro y hay que intentar ser muy concreto respecto a lo que se espera en esa posición. No vale copiar y pegar descripciones de roles de otras empresas. Tienes que adaptar la descripción y tu proceso de selección al puesto que realmente estas intentando contratar. 

Intentamos contar claramente en qué momento de madurez estamos en la empresa respecto al dato y qué tipo de retos organizativos y técnicos tenemos. Insistimos muchísimo en que los candidatos entiendan qué necesitamos en este momento y cómo estamos trabajando. No tiene sentido vender la moto de que vas a estar haciendo Deep Learning, cuando la realidad es que igual eres el primero en explorar un dominio de datos. Y además te va a tocar dedicarte a buscar problemas en la calidad del dato antes de poder meterte a modelizarlo.

Un aspecto fundamental a la hora de retener es que la gente se lo pase bien. Y está bastante estudiado que para disfrutar de una tarea tienes que estar haciendo algo con un propósito y que además te rete intelectualmente. Habitualmente las personas en estos perfiles buscamos proyectos que hasta cierto punto nos hagan sentir incompetentes en un principio. Así que a medida que la gente va creciendo profesionalmente, los proyectos en los que trabajan deben de ir creciendo como reto intelectual. No siempre podemos ofrecer este tipo de proyectos. Pero hay que intentar que tengan espacio para innovar en la aplicación de sus nuevas habilidades y a la vez no caer en sobreingeniería. Y por supuesto, darles seguridad y autonomía, empoderándolos. No deberías fichar a gente con estos niveles tan altos de formación y creatividad para luego cortarles las alas con microgestión. 

Otra cuestión que muchas veces se hace mal es abandonar a este tipo de perfiles en cuanto a su formación de habilidades blandas. Como decía antes es muy importante que los Data Scientists sepan ejecutar. Para ello tienen que saber transformar requerimientos vagos en requisitos específicos. Saber equilibrar cuestiones difíciles como velocidad vs calidad. Buenas prácticas vs progreso o identificar cuál es el método mínimo que genera valor o el dataset mínimo necesario para abordar una tarea.  Y además tienen que ser capaces de lidiar con la incertidumbre que rodea a los proyectos de datos. Es decir, que estos perfiles necesitan que los senior del equipo no les enseñen únicamente cuestiones técnicas sino también cómo afrontar los proyectos, comunicar y gestionar grupos de interés. 

En cuanto a las cosas que mejor se están haciendo para retener suelen estar relacionadas con la formación continua. Los perfiles de datos son muy demandantes de formación y es algo muy obvio así que muchas empresas trabajan estos temas por lo que apenas es diferenciador, casi se ve como un mínimo.

Barriendo para casa, ¿cómo ves el futuro de los datos en el mundo del reclutamiento? ¿Cómo crees que podrían los datos ayudar a las empresas a encontrar y atraer a los mejores profesionales?

La verdad es que nunca he trabajado en temas de analítica aplicada a recursos humanos, así que hay que tomar mi opinión con cautela. Supongo que, como en muchas otras aplicaciones de analítica y datos, donde más puede impactar al principio es en la recolección de datos, en su estructuración y en prefiltrados masivos que faciliten el trabajo de los reclutadores. Me imagino procesos donde se extraigan automáticamente entidades del texto de CVs y cuestionarios para intentar identificar habilidades y conocimientos de los potenciales candidatos.

El uso de la analítica también tiene potencial para determinar qué tipo de formación es necesaria y cuál es la más eficaz para mejorar la retención, así como identificar qué mix de variables y situaciones de la empresa tienen mayor repercusión en la satisfacción del trabajo. Me imagino que con el uso de la analítica aparecerán las respuestas más obvias pero los datos suelen ayudar a encontrar matices, cambios de comportamiento y situaciones para explorar también cualitativamente. Además se podrían usar estos sistemas para enrutar las preguntas más frecuentes  hacia las políticas de empresa que a veces están enterradas en documentaciones  difícilmente navegables.

En principio es un tema bastante sensible por el potencial daño que podría causar un algoritmo que amplifique sesgos existentes en los procesos. En ese sentido sí que veo interesante utilizar la analítica para identificar sesgos inherentes en la empresa y poder trabajar en reducirlos. 

Y por último, y no menos importante, dinos con quién te irías de cañas para hablar de la vida y de data?

Con los que habitualmente me voy de cañas para divertirme, arreglar el mundo o discutir: mis ex compañeros Javi Priego y Andrés Gordo, mis amigos de Komons y por supuesto, la gente de mi equipo. 

Somos el equipo de Talent Hackers. Compartimos información, tendencias, artículos y guías del mundo IT y de reclutamiento.

Write A Comment

Share via
Copy link
Powered by Social Snap