Conferencia sobre Análisis de Datos, Enseñanza y IA - Conversación con Kevin Hartman

Comentarios Introductorios

Kevin Hartman: Profesor en Notre Dame, ex Estratega Jefe de Análisis en Google.
Enfoque: Discusión sobre la carrera de Kevin, la enseñanza y el papel de la IA en el Análisis de Datos.

Analista de Datos de corazón, con pasión por contar historias.
Primeras ideas equivocadas: Pensaba que los números eran aburridos, quería ser artista.
Realización: Podía combinar números con narración para crear historias dinámicas e interesantes.

Comenzó en una agencia de publicidad, se trasladó a Google en 2012.
Roles significativos en Google:
- Lideró el primer y más grande equipo de análisis en el lado de ventas.
- Evangelista Jefe de Análisis (rebautizado después como Estratega Jefe de Análisis).
Responsabilidades clave:
- Desarrollar equipos de análisis.
- Líder de pensamiento global en análisis.
- Patrocinador ejecutivo para la certificación de analista de datos de Google a través de Coursera.

Inicio inesperado: Comenzó a enseñar en la Universidad de Chicago alrededor de 2010-2011.
Desarrolló una pasión por la enseñanza; lo vio como un nuevo desafío.
Compaginó la enseñanza como adjunto en varias universidades mientras trabajaba en Google.

Fomentar una mezcla de habilidades del cerebro derecho (creativas) y del cerebro izquierdo (analíticas).
Énfasis en simplificar la presentación de datos para evitar abrumar a la audiencia.
Estrategia de enseñanza notable: Mantener el córtex prefrontal de la audiencia sin sobre activación por la complejidad.
Importancia de contar historias convincentes con datos.

Impacto presente y futuro de la IA:
- Procesamiento de Lenguaje Natural (NLP) simplificando consultas y análisis de datos.
- Herramientas de IA (por ejemplo, R, SQL, Polymer, EMA) se están volviendo más prominentes.
Cambio de paradigma: Menos habilidades técnicas requeridas a medida que la IA simplifica tareas.
Elementos humanos: Combinar habilidades técnicas con agudeza empresarial para el desarrollo de estrategias.

Campañas de Marketing: Mejorar el ROI al dirigirse a los consumidores adecuados utilizando datos.
Ejemplo de análisis simple: Matriz de Recencia-Frecuencia para la segmentación de clientes.
Consejos para Nuevos Analistas:
- Obtener una base sólida en estadística y probabilidad.
- Aprender herramientas esenciales: Hojas de cálculo, SQL, R, Tableau, Power BI.
- Desarrollar habilidades para contar historias: Visualizar datos de manera efectiva y construir un portafolio.
- Guía práctica: Plan de seis meses para convertirse en analista de datos.

Notre Dame: Enseñanza de análisis de marketing digital y análisis empresarial.
Instituto de Análisis de Arte y Ciencia:
- Enfocado en preparar a profesionales para un mundo orientado a los datos a través de boletines, videos y cursos en línea.

Pasión por hacer el análisis de datos accesible.
Datos de contacto: LinkedIn, sitio web de Art Science, correo electrónico de Notre Dame.

La diversa trayectoria profesional de Kevin desde el análisis hasta la enseñanza, integrando la IA en los flujos de trabajo de datos y contribuyendo al futuro de la educación en análisis de datos.