ENTREVISTA

Un economista uruguayo en las decisiones de mercado que toma Uber

"Gran desafío: cómo adaptar rápidamente la ciencia de datos de una empresa cuando hay cambios estructurales", dijo Alejandro Lagormasino.

Alejandro Lagomarsimo
Alejandro Lagomarsimo

En el mundo corporativo hay una creciente confianza en el valor que agregan los economistas a la planificación estratégica de las empresas, asegura el economista uruguayo Alejandro Lagomarsino, doctor en Economía (Harvard University) y científico de datos en Uber Technologies. Cada vez con mayor frecuencia, los equipos profesionales de las grandes corporaciones globales incorporan economistas en áreas de gran relevancia para su negocio y, así, el extraordinario crecimiento del sector tecnológico fue acompañado de una fuerte demanda por profesionales de la economía.

Para Lagomarsino, existen crecientes sinergias entre la “caja de herramientas” del economista y la manera en que se gestionan las empresas. Y cada vez con mayor frecuencia —destaca el caso de Amazon como paradigmático—, hay economistas en los equipos que participan directamente de las decisiones de negocio de compañías líderes. En la actualidad, Lagomarsino se encuentra trabajando en un proyecto que busca mejorar la precisión de las estimaciones en los experimentos que se realizan en Uber. A continuación, un resumen de la entrevista.

—Hasta no hace mucho tiempo, la mayor parte de los investigadores y profesionales altamente especializados doctores se encontraban trabajando exclusivamente en entornos académicos. Eso ha cambiado radicalmente. ¿Cómo ha sido ese fenómeno?

—En los últimos años hemos sido testigos de un crecimiento vertiginoso del sector tecnológico en EE.UU., el cual ha venido acompañado de un crecimiento en la demanda de doctores en economía (economistas) para dicho sector. Un grupo de investigadores analizó este fenómeno hace unos años y encontró que el número de empresas tecnológicas que requirió economistas aumentó un 40% entre 2015 y 2018, mientras que el número de departamentos de economía universitarios cayó un 16%. (NdeR: Athey & Luca (2018). Economists (and Economics) in Tech Companies. Harvard Business School, documento de trabajo 19-027). En la actualidad hay más economistas trabajando en estas empresas no sólo porque el sector ha crecido, sino por las crecientes sinergias que existen entre la caja de herramientas (“toolkit”) del economista y la manera en la que se gestionan decisiones de negocio en este sector.

—¿Hablamos de doctores en economía con sesgo y formación a la tecnología exclusivamente, o también académicos “más tradicionales”?

—Los economistas tienden a identificarse con ciertas áreas de la economía, como economía pública, laboral, etc. y, dentro de estos “tipos” de economistas, los más demandados por empresas tecnológicas son aquellos orientados a la organización industrial o los micro-econometristas aplicados. Es una generalización, por supuesto, hay economistas de muchas otras áreas trabajando en empresas tecnológicas. A modo de ejemplo, Facebook ha formado un área llamada Novi, que tiene que ver con la criptomoneda Libra, con varios macroeconomistas que tienen un perfil similar al que se podría encontrar en la Reserva Federal.

—¿Y qué empresas son las convocantes en esa demanda, actualmente?

—Destacaría a Amazon y Uber, aunque hay muchas otras, por ejemplo, Airbnb, eBay, Facebook, Google, Microsoft, Wayfair, que destacan también por la incorporación de este perfil de profesionales.

—El caso de Amazon se considera paradigmático…

—Amazon es, probablemente después de la Reserva Federal —y quizá después de alguna consultora como Cornerstone—, el máximo empleador de economistas en Estados Unidos. Hace unos años contaba con más de 150 economistas y no me extrañaría que ese número haya seguido creciendo. Más allá del número, lo “paradigmático” del caso Amazon es el rol que desempeñan sus economistas. En varias empresas es común encontrar economistas asesorando sobre grandes lineamientos de dirección estratégica, pero Amazon ha sido pionero en integrarlos como agentes que asisten y guían las decisiones de negocio en todas sus áreas.

—¿Por qué? ¿Qué buscan? ¿Cómo agregan valor los economistas en estas empresas?

—Agregan valor al reducir las conjeturas con las que operan las empresas. Tomemos a Uber como ejemplo y supongamos que se quiere saber si sería beneficioso lanzar un nuevo producto, o se debe definir la manera de emparejar (“matching”) conductores con usuarios que solicitan un Uber. El economista puede tener como cometido desarrollar un experimento para analizar el impacto que tendría el lanzamiento del producto, o diseñar un algoritmo de emparejamiento, describir sus propiedades y evaluar sus resultados empíricamente. En base a los resultados obtenidos, se avanzaría en una u otra dirección. En definitiva, el valor que se agrega es el de proveerle a la empresa un análisis científico de sus datos que sirva de guía y fundamento para la toma de decisiones.

—O sea, ¿hablamos de solucionar problemas “cotidianos” del negocio?

—Generalmente sí, las empresas deben definir cómo diseñar y operar sus productos, y en muchas de estas decisiones se puede encontrar a un economista trabajando. A modo de ejemplo, aproximadamente el 90% del ingreso de Facebook se da a través de la venta de sus anuncios en subastas online y por ende es lógico que Facebook tenga un equipo importante de economistas trabajando en el diseño de estas subastas. También hay muchos economistas trabajando en las plataformas de experimentación de estas empresas, en el diseño de sistemas de reputación/calificación, y en modelos de precios.

—¿Debemos considerar que los economistas están mejor preparados para modelizar, aprovechar los datos, simular mercados?

—En el mundo empresarial se habla mucho de “toma de decisiones basada en datos”, aunque debería ser “… basada en rigurosos análisis de datos” y los economistas tienen, en mi opinión, dos habilidades claves para realizar estos análisis. Una de ellas es la capacidad de analizar relaciones empíricas y llevar a cabo ejercicios de inferencia causal. Durante décadas se ha construido un toolkit en economía orientado a investigar relaciones empíricas entre variables, y desarrollar metodologías para estimar relaciones causales entre variables. La segunda habilidad es la de analizar y diseñar mercados e incentivos. Uber creó un nuevo mercado en el que hay que emparejar a conductores con pasajeros, Airbnb uno donde hay que emparejar a quien busca un alojamiento con quien lo ofrece, y muchas otras empresas tecnológicas han efectivamente creado mercados. En economía se han desarrollado teorías respecto a cómo diseñar mercados desde mucho antes del advenimiento de las empresas tecnológicas, y aplicar estas viejas teorías a estos nuevos problemas y seguir desarrollándolas aún más, ha dado grandes resultados.

—El caso UBER. ¿En qué ha sido útil su trabajo y el de sus colegas?

—Trabajo en el área de desarrollo de la plataforma de experimentación refinando estrategias empíricas para aquellos experimentos donde hay interferencias de red. Un ejemplo: donde no se puede afectar solamente a un grupo de usuarios sin afectar a todo el resto, lo que invalida estrategias más clásicas de experimentación o “A/B testing”. En Uber, la experimentación es clave para mejorar la experiencia de los usuarios. Puede que se lancen más de 1.000 experimentos nuevos por mes, donde se testean nuevos productos o mejoras en la app, por lo que refinar las estrategias de experimentación resulta indispensable para que cada decisión que se tome esté respaldada por la mejor evidencia científica posible.

—En ese contexto, ¿cómo ocurre la interacción con otras disciplinas? Por ejemplo, ingeniería, psicología, marketing….

—En áreas donde el trabajo es muy cercano a la gestión del producto, se aprecia un vínculo más estrecho con el marketing y la psicología. Sin embargo, hay muchos economistas que generan herramientas que sirven de base para la toma de decisiones y gestión del producto, un ejemplo de ello es el desarrollo de plataformas de experimentación, pero no son los usuarios de estas herramientas, en cuyo caso el vínculo no es tan estrecho. En cualquier caso, la interacción con ingeniería de sistemas sí es una constante. Las empresas tecnológicas están dominadas por gente con esta formación y los economistas aprendemos mucho trabajando con ellos, en temas como hábitos y estilos de programación, control de versiones, etc.

—¿Es el comienzo de un movimiento más amplio aún en el que los economistas sean cada vez más la base de la planificación estratégica del negocio de las empresas?

—No sé qué deparará el futuro, pero sí considero que hay una creciente confianza en el valor que agregan los economistas a la planificación estratégica. A modo de ejemplo, el hecho de realizar experimentos para guiar decisiones empresariales —un campo en el que los economistas juegan un rol preponderante—, es indiscutible que puede ayudar a evaluar alternativas. ¿Pero es realmente ésta la mejor manera en que una organización genere conocimiento y tome decisiones consistentemente? Considero que hay cada vez más una mayor convicción de que sí (al menos en empresas tecnológicas). Un trabajo reciente estudia justamente esto y constata que adoptar tecnologías de experimentación en startups aumentó su crecimiento (NdeR: refiere a Koning, Hasan & Chatterji (2020). Digital Experimentation and Startup Performance: Evidence from A/B Testing. Harvard Business School, documento de trabajo 20—018).

—¿Cuáles son las fronteras para el avance de solución de problemas a partir de estrategias tecnológicas y la ciencia de datos?

—Destacaría dos desafíos. Uno consiste en cómo solucionar problemas de baja frecuencia en base a ciencia de datos. La experimentación y el machine learning son útiles para evaluar escenarios que se repiten o se pueden simular, pero encuentran mayores dificultades para eventos de baja frecuencia. Un segundo desafío consiste en cómo adaptar rápidamente la ciencia de datos de la empresa cuando ocurren cambios estructurales. Esto ha sido más visible como consecuencia de la pandemia. Muchos de los algoritmos de machine learning o de inferencia causal precisan que las relaciones entre variables que se observan en el pasado reciente (o período que se utilice para estimar el modelo) se mantengan, lo cual no necesariamente se cumple en todos los contextos.

ADEMÁS

Perfil

Alejandro Lagomarsino es científico de datos en Uber Technologies donde desarrolla un evas metodologías de experimentación. Es doctor en Economía por la Universidad de Harvard y licenciado en Economía por la Universidad de Montevideo. Tiene experiencia internacional como consultor económico para el Banco Interamericano de Desarrollo y el Banco Mundial. En Uruguay se ha desempeñado en el área de análisis económico de CERES y CPA Ferrere.

Reportar error
Enviado
Error
Reportar error
Temas relacionados