Cuando una organización pública decide que su comunicación necesita más capacidad de análisis, el reflejo habitual es contratar a "alguien de datos". Suele acabar siendo alguien con perfil técnico fuerte (estadística, ingeniería de datos o ciencia de datos) que produce dashboards elaborados que el área de comunicación no sabe usar y modelos que nadie pide.

El problema no es del profesional contratado. Es que se ha contratado un perfil para resolver un problema que ese perfil no resuelve. Una clasificación clásica del sector identifica nueve tipos de analistas de datos. Veamos cuáles encajan en comunicación pública y, sobre todo, cuál no.

Los nueve perfiles, resumidos

Tomada de la literatura sectorial de ciencia de datos, la clasificación distingue:

  1. Estadístico aplicado: especializado en modelos estadísticos, diseño experimental, clustering, modelación predictiva.
  2. Matemático aplicado: investigación operativa, optimización de procesos, análisis cuantitativo profundo.
  3. Ingeniero de datos: Hadoop, bases de datos, APIs, flujos de datos, infraestructura ("data plumbing").
  4. Científico de aprendizaje automático: machine learning, algoritmos, complejidad computacional.
  5. Analista de negocio: ROI, ciencias de la decisión, análisis financiero aplicado.
  6. Desarrollador software: código de producción, ingeniería de software para sistemas analíticos.
  7. Especialista en visualización: dashboards, exploración visual, narrativa con datos.
  8. Analista espacial / SIG: infraestructura de datos espaciales, grafos, geolocalización.
  9. Generalista: combinación pragmática de varios de los anteriores.

Cuál se contrata habitualmente y por qué es el equivocado

Por reputación, visibilidad mediática y oferta formativa, los perfiles más contratados en los últimos años han sido el científico de aprendizaje automático y el ingeniero de datos. Ambos son excelentes profesionales. Ambos son, en la mayoría de áreas de comunicación pública, una mala elección.

Razón: el problema dominante en comunicación institucional no es construir un modelo predictivo nuevo ni montar una infraestructura de datos compleja. Es convertir datos existentes en decisiones tomables por personas no técnicas. Esto requiere un perfil distinto.

Contratar a un científico de datos para resolver un problema de toma de decisión no técnica es como contratar a un arquitecto cuando lo que necesitas es decorar el salón. La sofisticación está, no resuelve.

Cuál sí encaja: el analista de negocio con sensibilidad visual

El perfil que mejor encaja en un área de comunicación de organización pública combina dos de los nueve tipos: analista de negocio y especialista en visualización. Las razones operativas:

Por qué este perfil mixto funciona

  • Habla el idioma de la decisión. Su formación está orientada a apoyar decisiones, no a construir modelos. Esto reduce la distancia entre dato y acción.
  • Sabe explicar el dato sin tecnicismo. La visualización no es decoración: es la interfaz por la que un directivo no técnico va a consumir el análisis.
  • Detecta lo relevante sin hipotecarse en herramientas. No tiene compromiso emocional con un stack tecnológico concreto; usa lo que sirve.
  • Conoce los límites del dato. Diferencia entre métricas operativas y métricas decisivas, evitando dashboards llenos de números que no informan.

Cuándo sí tiene sentido contratar un perfil técnico avanzado

Hay tres situaciones donde un perfil técnico (ingeniero de datos, machine learning, estadístico aplicado) es la elección correcta:

  1. Cuando hay una infraestructura de datos que construir desde cero. Si la organización no tiene aún los pipelines básicos, contratar a un visualizador es prematuro.
  2. Cuando hay un problema predictivo claro y recurrente. Por ejemplo, anticipar crisis reputacionales con cierta antelación, predecir comportamiento de un segmento. Esto justifica perfil ML.
  3. Cuando el volumen y heterogeneidad de fuentes exige ingeniería especializada. Escucha digital masiva multilingüe, integración de muchas APIs, fuentes en tiempo real.

Fuera de estos tres casos, contratar un perfil técnico avanzado para acompañar comunicación es sobre-ingeniería que no rinde.

El error inverso: contratar un visualizador sin criterio analítico

Existe también el error opuesto: contratar a alguien que hace dashboards bonitos pero no entiende qué métricas importan ni por qué. El resultado es estética sin sustancia: paneles muy presentables que en la primera revisión seria del comité quedan en evidencia por mostrar lo que no decide nada.

El criterio: la visualización debe ser el último paso, no el primero. Primero se decide qué se necesita decidir, luego qué datos lo informan, luego cómo se visualizan para el público concreto que va a consumirlos.

Lo que pedimos a un perfil analítico antes de incorporarlo

Tres preguntas que aplicamos en los procesos de incorporación de perfiles analíticos a áreas de comunicación:

  1. "Cuéntame una decisión real que cambió por un análisis que hiciste". Si no puede contarla con detalle, no ha trabajado en entornos donde el dato realmente importaba.
  2. "Muéstrame un dashboard que hayas hecho y dime qué quitarías ahora". Quien no critica su propio trabajo no ha aprendido lo suficiente de él.
  3. "Cómo explicarías esta métrica a alguien que no es técnico". Si no puede, probablemente tampoco la usa para informar decisión.

Si vas a reforzar la capacidad analítica de tu área de comunicación y quieres asegurarte de contratar el perfil correcto para tu caso, ese es exactamente el tipo de criterio externo que podemos aportar.

Hablemos

Sin compromiso. Respuesta en 48h.

Conclusión

La contratación analítica en áreas de comunicación pública es un campo donde el perfil obvio rara vez es el adecuado. La sofisticación técnica no resuelve un problema que es, en el fondo, de traducción de datos a decisión.

El perfil mixto analista de negocio + visualización es, en la mayoría de casos institucionales, el que mejor encaja. El perfil técnico avanzado tiene su lugar, pero solo cuando hay un problema técnico real que justifique su contratación. Decidir bien esta elección puede ahorrar uno o dos años de inversión mal orientada.