Decision Scientist
Usar modelos y datos no solo para predecir, sino para optimizar directamente una decisión de negocio.
Ruta paso a paso
Fases ordenadas con duración orientativa; los tiempos varían según tu experiencia previa y dedicación semanal.
Estadística e inferencia causal
6-8 semanas- Estadística inferencial y diseño de experimentos
- Fundamentos de inferencia causal (más allá de la correlación)
- Fundamentos de toma de decisiones bajo incertidumbre
Modelado de decisiones y optimización
6-8 semanas- Modelos de optimización y programación lineal
- Árboles de decisión y análisis de sensibilidad
- Simulación de escenarios (Monte Carlo)
Machine learning aplicado a decisiones
6-8 semanas- Modelos predictivos como insumo de una decisión, no como fin en sí
- Métodos de uplift modeling y targeting óptimo
Comunicación ejecutiva y portafolio
4-6 semanas- Traducción de modelos complejos en recomendaciones accionables
- 2-3 proyectos que muestren el ciclo pregunta → modelo → decisión → impacto
Preparación para el mercado laboral
2-3 semanas- Práctica de casos de negocio con ambigüedad (business case interviews)
Tecnologías que debes dominar
- Python o R
- SQL
- DoWhy / EconML (inferencia causal)
- PuLP / OR-Tools (optimización)
- Excel avanzado para modelado financiero
Conceptos que debes poder aplicar
- Inferencia causal y variables de confusión
- Optimización bajo restricciones
- Análisis de sensibilidad y simulación de escenarios
- Uplift modeling y targeting
- Traducción de modelos en decisiones accionables
- Cuantificación de impacto de negocio (ROI de una decisión)
Ejemplo de proyecto (Industria)
Optimización de Asignación de Presupuesto de Marketing Entre Canales
Un Decision Scientist en una empresa de e-commerce recibe la pregunta: '¿cómo debemos repartir nuestro presupuesto de marketing entre canales para maximizar ventas incrementales?'. Construye un modelo de atribución causal, estima el retorno marginal de cada canal, y propone una reasignación de presupuesto con un rango de confianza sobre el impacto esperado.
Entregables típicos
- Modelo de atribución causal por canal de marketing
- Estimación del retorno marginal (no solo correlacional) de cada canal
- Recomendación de reasignación de presupuesto con escenarios
- Plan de medición para validar el impacto tras implementar el cambio
Roles relacionados
Data Scientist
Rol más generalista, con menor foco específico en optimización de decisiones.
Quantitative Analyst (Quant)
Aplicación similar de optimización y modelado, pero en contexto financiero. Los roles que construyen la infraestructura, los pipelines y la arquitectura sobre la que corren todos los demás roles de datos.