Inglés para científicos de datos y analistas: cómo explicar resultados en inglés

Un científico de datos o analista necesita inglés sobre todo para traducir resultados técnicos a lenguaje de negocio: explicar qué muestran los datos, qué incertidumbre hay y qué decisión recomiendas. Leer documentación ya lo haces; lo que marca la diferencia es presentar hallazgos, responder preguntas incómodas y escribir con claridad para quien no es técnico.

La mayoría de los profesionales de datos hispanohablantes lee inglés técnico sin problema: documentación de librerías, papers, Stack Overflow. El cuello de botella aparece en otro lado. Está en la reunión donde un director pregunta "so, what does this mean for us?" y la respuesta correcta no está en el notebook. Explicar un modelo a alguien que no lo construyó, en un idioma que no es el tuyo, es una habilidad distinta de programarlo. Y es justo la habilidad que separa a quien ejecuta análisis de quien influye en decisiones.

¿Qué inglés necesita un analista de datos en el trabajo diario?

Conviene separar tres capas. La primera es el inglés de lectura técnica, que probablemente ya manejas. La segunda es el inglés de escritura: mensajes en Slack, pull requests, documentación, informes, descripciones de dashboards. La tercera es el inglés de conversación: stand-ups, revisiones de resultados, reuniones con stakeholders, entrevistas. Casi todo el esfuerzo de mejora debería ir a las capas dos y tres, porque la primera ya la tienes.

Un nivel B2 sólido es un buen objetivo para trabajar con equipos internacionales. Más que un número, la prueba práctica es esta: ¿puedes explicar tu último proyecto, de principio a fin, en cinco minutos, sin leer y sin que un compañero no técnico se pierda? Si la respuesta es no todavía, ya sabes qué entrenar.

Cómo explicar un análisis a una audiencia no técnica

El error más común es empezar por la metodología. A un directivo no le importa que usaste gradient boosting; le importa qué descubriste y qué debería hacer con ello. Invierte el orden: conclusión primero, evidencia después, método al final y solo si preguntan. En inglés, esto se conoce como "lead with the answer".

• Conclusión: "Our main finding is that customers who contact support in the first week are more likely to cancel." (usa el resultado real de tu análisis)
• Implicación: "This suggests that early onboarding problems drive cancellations."
• Recomendación: "I recommend we test a proactive outreach to new users in their first three days."
• Incertidumbre: "We are fairly confident in the direction, but the size of the effect could vary."

Observa cómo la incertidumbre se dice en voz alta, sin esconderla ni dramatizarla. Frases como "we are fairly confident", "the data suggests" o "this is consistent with" son el vocabulario de quien respeta los datos sin sobrevender. Evita el extremo opuesto: "maybe", "I think", "it could be anything" repetidos hasta el cansancio hacen que tu análisis suene débil aun cuando es sólido.

Vocabulario estadístico en inglés que se usa en reuniones

Hay términos que conoces bien en español y cuya pronunciación o uso en inglés conviene afinar, porque se dicen todos los días y son fáciles de tropezar al hablar.

• Correlation does not imply causation: la frase que más vas a repetir.
• Sample size, outlier, bias, confidence interval, p-value, baseline, feature, target variable.
• Overfitting, underfitting, cross-validation, precision, recall, false positive, false negative.
• Trend, seasonality, variance, distribution, skewed, normalized, aggregated.

Practica diciendo en voz alta frases completas con estos términos: "The model is overfitting to the training data", "We removed three outliers that distorted the average", "The sample is too small to draw a firm conclusion". Decirlas una vez en voz alta vale más que leerlas diez veces. Y cuida la pronunciación de "variance", "bias" y "median": son términos que sueles ver escritos y que en conversación sorprenden.

Cómo defender un modelo cuando te cuestionan los resultados

Habrá preguntas incómodas: "why should we trust this?", "why did you not include X?", "this number looks wrong". La actitud correcta es la de quien acoge la pregunta como una oportunidad de aclarar, no como un ataque. Una fórmula de tres pasos: reconoce la pregunta, responde con evidencia y ofrece un siguiente paso si falta información.

• "That is a fair question. We checked it by comparing against last quarter, and the pattern holds."
• "Good point. We did not include that variable because the data was incomplete, but we can test it."
• "I am not sure yet. Let me verify and get back to you by tomorrow."
• "The model is accurate on average, but it performs worse for small accounts. That is a known limitation."

La tercera frase merece atención: decir "I am not sure yet, let me verify" es una señal de profesionalidad, no de debilidad. Lo que hunde la credibilidad es inventar una respuesta y que luego se descubra. En inglés, comprometerse a un plazo concreto ("by tomorrow", "by end of day") es lo que convierte un "no sé" en un "lo tengo bajo control".

Escribir en inglés: documentación, notebooks y mensajes de equipo

La escritura técnica en inglés valora la economía. Un buen mensaje de Slack sobre un análisis responde a tres preguntas: qué hiciste, qué encontraste y qué necesitas de quien lo lee. Compara: "Hey, I was looking at the data and there are some things" con "I analyzed churn for Q2. Early cancellations are concentrated in one plan. Could you confirm whether pricing changed in April?". La segunda ahorra una ronda entera de preguntas.

Para documentación y notebooks, adopta la regla de explicar el porqué, no solo el qué. Un comentario como "# remove outliers" dice poco; "# remove accounts with fewer than 3 transactions, which skew the average" deja claro el criterio. Escribir así te obliga a pensar mejor y deja trabajo reutilizable para quien llegue después.

Entrevistas técnicas y de comportamiento en inglés

Si buscas trabajo con empresas internacionales, la entrevista tiene una parte técnica y otra conductual, y esta última suele subestimarse. Prepara tres historias reales de tus proyectos con estructura situación, acción, resultado: un proyecto exitoso, un fallo del que aprendiste y un desacuerdo con un compañero o stakeholder. Ensáyalas en voz alta, con tus palabras, no memorizadas.

En la parte técnica, practica pensar en voz alta. Los entrevistadores no solo evalúan la respuesta, sino cómo razonas. Frases como "First, I would check the data quality", "Then I would split the data into training and test sets" o "One trade-off here is..." muestran el proceso. Quedarte en silencio cinco minutos, aunque estés pensando bien, se lee como bloqueo.

Una rutina de práctica de cuatro semanas

• Semana 1: resume en inglés, por escrito, tres análisis que hayas hecho: qué, hallazgo, recomendación.
• Semana 2: grábate explicando uno de ellos a "un director que no es técnico", en tres minutos.
• Semana 3: pide a un colega que te haga preguntas incómodas y responde con la fórmula reconocer, evidencia, siguiente paso.
• Semana 4: ensaya una entrevista completa, técnica y conductual, con alguien que te interrumpa.

Lo que más cambia el resultado es la retroalimentación específica: que alguien te marque cuándo te vas por la ruta técnica, cuándo suenas dudoso sin necesidad y cuándo una frase tuya confunde. Un profesor que conozca el contexto de datos, como en las clases de BestSpeak, puede simular el stakeholder escéptico, que es justo el escenario que más cuesta ensayar a solas.