Datos impulsados a 200 MPH: cómo la analítica transforma las carreras de Fórmula Uno

Rjukan / Noruega -04.06.2016: White Mclaren 650s, Red Ferrari f12 y Yellow Lamborghini Huracan. … [+] Tres súper autos se detuvieron por un rato en un viaje por las montañas de Noruega en un valle vacío.

getty

Los corredores de Fórmula Uno tienen un largo legado de aprovechar lo último en diseño y tecnología automotriz. Hoy en día, estas máquinas inteligentes de alto rendimiento son capaces de alcanzar velocidades de más de 200 millas por hora (más rápido que un avión comercial al despegar). Y cada vez más, están siendo impulsados por los datos.

Para comprender el papel del análisis de datos, hablé con McLaren Racing of Britain, que fue fundada en 1963 por el piloto de carreras Bruce McLaren. “El mundo de la Fórmula Uno es un mundo impulsado por la innovación y los datos”, dijo Jessica “Jess” Tomkins, analista técnica de McLaren Racing.

Los números absolutos lo confirman: los autos de Fórmula Uno tienen 300 sensores que producen 100 000 puntos de datos, acumulando 1,5 terabytes de datos en el transcurso de una carrera, todos los cuales se analizan para informar todo, desde el diseño del auto hasta la estrategia de carreras. Además, al medir la temperatura de la pista, la degradación de los neumáticos, la aerodinámica y una amplia gama de otros indicadores de rendimiento en tiempo real, un equipo de carreras puede usar estos datos para hacer ajustes sobre la marcha.

“Usamos datos para tomar todas estas decisiones, antes y después de la carrera, y también para decisiones futuras”, explicó Tomkins.

La razón por la que los datos de rendimiento y el análisis son tan importantes es que muchos aspectos del diseño de los autos de Fórmula Uno están regulados por la Fédération Internationale de l'Automobile (FIA). Eso hace que los datos sean el factor X para todos los competidores que intentan ir más rápido y batir récords. Ese tipo de desempeño atrae a legiones de fanáticos a las carreras de Fórmula Uno, incluidos los entusiastas más jóvenes en los Estados Unidos. Pero este artículo trata menos sobre las carreras y mucho más sobre los datos detrás de ellas.

Un caso a pequeña escala

Lo que hace de McLaren un caso de uso inusual es la pequeña escala de su nuevo equipo de análisis de datos. McLaren Group tiene alrededor de 4000 empleados, con alrededor de 800 en su equipo McLaren Racing, pero solo tres analistas dedicados que trabajan en toda la empresa. “Un lunes, podría estar trabajando en la degradación de los neumáticos y un viernes ayudando a producir una mejor estrategia de marketing”, dijo Tomkins.

Esto difiere dramáticamente de otros equipos deportivos profesionales en los que el análisis de datos está estrictamente separado entre el aspecto empresarial y el rendimiento. En otras industrias, es difícil imaginar la mezcla de departamentos, como operaciones y funciones orientadas al cliente.

Dado su pequeño equipo de análisis de datos, McLaren necesita poner el modelado predictivo en manos de expertos funcionales. Por lo tanto, estos profesionales, que tienen experiencia en áreas como la aerodinámica o el rendimiento del motor, se encuentran entre una nueva generación de profesionales conocida como científicos de datos ciudadanos.

Sin conocimiento ni experiencia en codificación informática o diseño de algoritmos, estos ciudadanos científicos de datos necesitan herramientas y paneles que pongan el modelado predictivo a su alcance. Ingrese a Alteryx, una empresa líder en bancos de trabajo de análisis que trabaja con McLaren y otras empresas automotrices, así como con empresas de otras industrias.

Mark Anderson, director ejecutivo de Alteryx, cree que los científicos de datos ciudadanos llegaron para quedarse. “Hemos estado defendiendo la mayor parte de los 20 años”, dijo sobre la tendencia.

El objetivo no es eliminar a los analistas y científicos de datos, sino aprovechar su experiencia en toda la empresa. Dada la creciente demanda de análisis de datos en todos los aspectos de una empresa (contabilidad y finanzas, gestión de la cadena de suministro, ventas y marketing, y más), contratar a un número suficiente de científicos de datos se convierte en una propuesta muy costosa. Como resultado, existe una demanda creciente de software que permita a las personas con experiencia funcional transferir datos a herramientas y tableros para realizar análisis o producir un modelo predictivo. “Las empresas deben apoyar la democratización del acceso a estas herramientas de datos”, dijo Anderson.

Los pros y los contras del ciudadano científico de datos

Dar acceso a más personas a las herramientas de ciencia de datos puede ser una bolsa mixta. En el lado positivo, existen oportunidades para aprovechar más fuentes de datos, como aquellas dentro de las unidades comerciales o ubicaciones geográficas específicas. Las personas que están más cerca de los problemas que intentan resolver idealmente también deberían saber qué tipo de datos están disponibles dentro de su departamento o parte del negocio.

Una mayor conciencia de los datos y el valor de los análisis es una ventaja para cualquier líder empresarial. En mi trabajo con líderes de ventas, por ejemplo, amplío sus horizontes más allá de la inteligencia comercial y agrego tendencias pasadas para aprovechar el potencial del análisis de datos avanzado para hacer predicciones y mejorar la toma de decisiones.

Pero tener una herramienta no convierte automáticamente a alguien en un experto en datos. Como señaló un artículo reciente de Harvard Business Review: "No podemos olvidar que la ciencia de datos y la IA son, de hecho, muy difíciles, y hay un viaje muy largo desde tener datos hasta resolver un problema".

Los científicos de datos ciudadanos aún necesitan colaborar con los profesionales de datos, especialmente al interpretar los datos. Además, se puede argumentar a favor de limitar el acceso a los datos de toda la empresa, para mantenerlos seguros y evitar que se utilicen indebidamente o se secuestren.

Sin embargo, incluso con esos riesgos y limitaciones potenciales, las operaciones pueden basarse más en los datos, en particular al forjar asociaciones más estrechas entre los analistas de datos y los expertos funcionales que pueden usar herramientas básicas de datos. Como esto ocurre con más frecuencia, nace una cultura basada en datos.

“Cuando entré por primera vez, uno de los primeros proyectos en los que trabajé fue encontrar áreas en las que estábamos usando datos”, dijo Tomkins. A medida que se corrió la voz rápidamente sobre las capacidades de los datos, más personas en todo McLaren querían aprender a incluir el análisis de datos, el aprendizaje automático y el modelado predictivo en lo que hacen.

“Tratamos de trabajar con dos años de anticipación: cómo pueden cambiar los automóviles, las regulaciones pueden cambiar. Esos son los conjuntos de datos que estamos capturando para elaborar estrategias”, agregó.

Y no se trata sólo de carreras. Hoy, McLaren tiene un analista de sustentabilidad dedicado, que trabaja para establecer una línea de base para las emisiones de carbono en todas las operaciones y apunta a dónde se pueden realizar mejoras. La precisión de los datos es esencial, particularmente cuando se examina cómo se fabrican los automóviles. Los motores de Fórmula Uno, por ejemplo, están envueltos en una fina lámina de lámina de oro como aislante; Para tener cálculos de emisiones más precisos, la empresa necesitaba mejores datos sobre el peso de la lámina de oro a lo largo del tiempo.

Desde aumentar la sostenibilidad hasta mejorar el rendimiento, McLaren Racing se centra en el diseño, la ingeniería y la producción de autos de carreras. Mucho ha cambiado durante la última década, desde el tamaño y la forma de los automóviles hasta la tecnología del motor y el uso de sensores más pequeños. Si el pasado es el preludio, habrá más cambios en el futuro, otorgando una prima aún mayor a los modelos basados en datos que pueden predecir fallas en las piezas, al mismo tiempo que aumentan el rendimiento y la eficiencia.

Acceso a los datos correctos

Para que se persigan tales objetivos, los datos deben fluir por toda la organización. Con el auge del software como servicio (SaaS) en ciertas funciones, los datos se pueden agregar más fácilmente en toda la empresa. “Es por eso que nos hemos movido hacia la nube”, dijo Anderson. “Estamos explorando todo tipo de formas diferentes para garantizar que nuestro software llegue a los clientes de una manera rentable y de baja fricción”.

Los datos, sin embargo, no son perennes. Los análisis y las ideas pueden perder su potencia rápidamente. Un área en la que los líderes empresariales pueden tener dificultades es garantizar que los datos que utilizan estén actualizados y sean relevantes para tomar mejores decisiones.

Para McLaren, este es un hecho de la vida empresarial, lo que amplifica la importancia de cada punto de datos generado en tiempo real. Como dijo Tomkins, “Debido a que el deporte evoluciona tan rápido, queremos estar al límite”.