E62 - Gestión de roles de datos con Milenko Brzovic

Resumen

Milenko Brzovic, líder de un equipo de datos en un banco chileno (antes Data Scientist en Entel), conversa sobre la gestión de roles de datos: cómo llegó a la jefatura, qué proporciones de roles conviene tener y qué habilidades hacen falta para liderar. Cuenta que su carrera se guió por crecimiento personal e impacto, no por un cargo en particular. Hoy lidera a 10 personas con perfiles distintos: Data Scientists senior y Analytics Translators, entre otros. Los participantes coinciden en que la proporción de roles depende de la madurez del stack de datos (primero Data Engineers, después Data Scientists y ML Engineers, y siempre alguien que conecte con el negocio). Sobre metodologías, defienden los valores ágiles (valor incremental, equivocarse rápido, retrospectivas) sin aplicar Scrum al pie de la letra. Entre las claves del liderazgo mencionan empatía, saber escuchar, priorizar, proteger al equipo de la presión, ser honesto cuando se lidera a gente que sabe más y llevarse bien con el área de gobernanza. También se habla de títulos, consultoras, practicantes y decisiones difíciles.

Capítulos

• 00:00
  IntroBienvenida al episodio 62, el primero con invitado. Se explica el formato (conversación abierta con preguntas del chat) y por qué el tema, la gestión de roles de datos, no se aprende en libros sino con experiencia y errores.
• 04:12
  Presentación de MilenkoEmpezó en Data Science hace poco más de 5 años (2018) tras volver a Chile, estudiando por su cuenta. Entró a Entel tras muchas pruebas, tuvo una jefatura allí, pasó a un banco como Data Scientist y hace unos 7 meses tomó un rol de jefatura: técnico, jefatura, técnico y jefatura otra vez.
• 07:12
  Discusiones filosóficasAnécdotas de las discusiones en la oficina: si creían en Dios, libre albedrío, animales y un debate con presentación de PowerPoint sobre quién era más tierno.
• 08:59
  Cómo llegaste al mundo de los datos?Su motivación fue que había mucho por aprender (un conocimiento casi interminable) y que el impacto de un proyecto de datos se puede medir. Estudiaba con cursos de YouTube (estadística de Harvard) y apuntes ordenados.
• 12:36
  Cómo ha cambiaro la industria en estos años?Hay más madurez: antes eran fáciles las ganancias rápidas (modelos de propensión); hoy ya están hechas en las empresas grandes. La gobernanza y la seguridad de datos pesan más y pueden resultar más restrictivas. Compara R (semántico, similar a PySpark), Python (más integraciones) y SQL (análisis rápido).
• 16:20
  Cuándo decidiste cambiarte a gestión de roles de datos?No lo planificó: decide por crecimiento e impacto. Eligió la jefatura sobre el rol de principal porque era un desafío nuevo. El reto es manejar personalidades distintas y roles que no domina; hoy tiene 10 reportes directos. Se aclara que los roles son Data Analyst, Data Engineer, Data Scientist y ML Engineer.
• 26:20
  Importa el título de ingeniero?Los filtros de recursos humanos penalizan a quien no tiene título, sobre todo en empresas tradicionales; es difícil, no imposible. Recomiendan networking, portafolio y startups, que valoran más la ejecución y aceptan menos recursos a cambio de experiencia.
• 31:25
  Proporción óptima de roles?Al partir el stack conviene tener varios Data Engineers; luego más Data Scientists, y después ML Engineers para producción y continuidad. Siempre debe haber un rol de "última milla" (Analytics Translator) que conecte datos y negocio. Para reubicar gente hay que "muñequear" y probar, y conversar intereses con la jefatura.
• 41:06
  Qué viene antes, los datos o los casos de uso?Dilema del huevo y la gallina. Milenko opina que debe haber una estrategia global de decidir con datos: armar el stack y mirar los casos de uso casi en simultáneo, con mirada de largo plazo.
• 43:20
  MemesPausa de memes sobre el programador independiente y el líder improvisado. Se discute que a veces se promueve a alguien técnico sin aptitudes de liderazgo, los cursos de liderazgo (LinkedIn Learning) y el costo de dejar de programar para liderar. Chistes sobre la documentación.
• 50:43
  Sirve Scrum?Los valores ágiles (valor incremental, descomponer tareas, equivocarse rápido, retros) sirven; aplicar Scrum al pie de la letra en datos es "un desastre". Opinan que el rol de Scrum Master dedicado no tiene sentido y que la retro es muy útil.
• 56:25
  Qué aptitudes son necesarias para liderar roles de datos?Empatía, escuchar, tomar decisiones difíciles, tener background técnico, priorizar y saber "muñequear" a los jefes superiores para quitar presión al equipo, como un entrenador de fútbol.
• 01:01:52
  Opiniones sobre consultoresExperiencia mayormente poco recíproca ("piden, piden, piden"), aunque hubo una excepción buena. Se externalizarían proyectos de bajo impacto o tipo "pega cacho". Se comenta que los practicantes suelen ser buenos y baratos, y que las consultoras se contratan para cambios transversales.
• 01:07:20
  Desiciones difíciles que has tenido que tomar?Decidir quién recibe premios de desempeño cuando varios compiten. No le ha tocado desvincular; lo más cercano es informar a candidatos que no siguieron en el proceso, con honestidad y explicando qué fue positivo. Hoy lidera 3 Data Scientists senior, 2 Analytics Translators y otros roles.
• 01:12:22
  Cambios en la gobernanza de datosHay tensión entre cumplir normas y generar valor rápido. Su consejo es llevarse bien con gobernanza y pedir ayuda en vez de imponer soluciones, porque gran parte de la disposición es humana.
• 01:15:20
  Cómo manejar a gente que sabe más que unoSer honesto y transparente: "yo no las sé todas", apoyarse en las propias fortalezas y centrarse en lo que necesita el negocio.
• 01:20:25
  CierreConsejos finales: tomar apuntes y sintetizar, enfocarse en aprender y mejorar más que en ascender. Agradecimientos y anécdotas de juegos de mesa.

Palabras clave