¿Qué es un data scientist? Salario, habilidades y cómo llegar a serlo

Read in English. (Leer en inglés.)

Trabajar como científico de datos puede ser intelectualmente desafiante, analíticamente satisfactorio y ponerte a la vanguardia de los nuevos avances tecnológicos. Los científicos de datos son cada vez más comunes y demandados, ya que los grandes datos son cada vez más importantes para la toma de decisiones de las organizaciones. A continuación, te explicamos qué son y qué hacen, y cómo convertirte en uno de ellos.

¿Qué hace un data scientist?

Los data scientists determinan las preguntas que debe plantear su equipo y descubren cómo responder a esas preguntas utilizando datos. A menudo desarrollan modelos predictivos para teorizar y hacer previsiones.

Un data scientist puede realizar las siguientes tareas en el día a día:

• Encontrar patrones y tendencias en los conjuntos de datos para descubrir ideas

• Crear algoritmos y modelos de datos para predecir resultados

• Utilizar técnicas de aprendizaje automático para mejorar la calidad de los datos o las ofertas de productos

• Comunicar recomendaciones a otros equipos y al personal superior

• Implementar herramientas de datos como Python, R, SAS o SQL en el análisis de datos

• Estar al tanto de las innovaciones en el campo de la ciencia de datos

Analista de datos vs. data scientist: ¿Cuál es la diferencia?

El trabajo de los analistas de datos y de los data scientists puede parecer similar: ambos encuentran tendencias o patrones en los datos para revelar nuevas formas de que las organizaciones tomen mejores decisiones sobre las operaciones. Pero los científicos de datos tienden a tener más responsabilidad y generalmente se les considera más veteranos que los analistas de datos.

A menudo se espera que los científicos de datos formulen sus propias preguntas sobre los datos, mientras que los analistas de datos pueden apoyar a equipos que ya tienen objetivos establecidos. Un científico de datos también puede pasar más tiempo desarrollando modelos, utilizando el aprendizaje automático o incorporando programación avanzada para encontrar y analizar datos.

Salario de los científicos de datos y crecimiento del empleo

Un científico de datos gana un salario promedio de 30,000 pesos mensuales en México, según Talent.com [1].

La demanda es alta para los profesionales de datos—se encuentra en la sexta posición de los empleos con más auge en México de 2022 según Linkedin—con un porcentaje de contratación de 19.8% mujeres y 80.2% hombres [2].

Cómo convertirte en data scientist

Convertirte en un científico de datos suele requerir cierta formación formal. He aquí algunos pasos a tener en cuenta.

1. Obtén un título en data science.

A los empleadores generalmente les gusta ver algunas credenciales académicas para asegurarse de que tienes los conocimientos necesarios para abordar un trabajo de ciencia de datos, aunque no siempre es necesario. Dicho esto, una licenciatura relacionada puede ser de gran ayuda—intenta estudiar ciencias de los datos, estadística o informática para tener una ventaja en este campo.

¿Ya terminaste la universidad?

Considera obtener una maestría en ciencia de datos. En un programa de maestría, puedes profundizar en tu comprensión de la estadística, el aprendizaje automático, los algoritmos, la modelización y la previsión, y potencialmente realizar tu propia investigación sobre un tema que te interese. Hay varias maestrías de ciencia de datos disponibles en línea.

2. Afina las habilidades relevantes.

Si crees que puedes afinar algunas de tus habilidades en el campo de los datos, piensa en hacer un curso en línea o inscribirte en un bootcamp relevante. Estas son algunas de las habilidades que querrás tener.

Lenguajes de programación: Los data scientists pueden esperar pasar tiempo utilizando lenguajes de programación para clasificar, analizar y gestionar grandes cantidades de datos. Los lenguajes de programación más populares para la ciencia de los datos son:

• Python

• R

• SQL

• SAS

Visualización de datos: Ser capaz de crear tablas y gráficos es una parte importante de ser un data scientist. La familiaridad con las siguientes herramientas debería prepararte para hacer el trabajo:

• Tableau

• PowerBI

• Excel

Aprendizaje automático: Incorporar el aprendizaje automático (machine learning)y el aprendizaje profundo (deep learning) en tu trabajo como data scientist significa mejorar continuamente la calidad de los datos que recopilas y ser potencialmente capaz de predecir los resultados de futuros conjuntos de datos. Un curso de aprendizaje automático puede ayudarte a empezar con los fundamentos.

• Big data: Algunos empleadores querrán ver que estás familiarizado con big data. Algunos de los marcos de software utilizados para procesar big data son Hadoop y Apache Spark.

• Comunicación: Los científicos de datos más brillantes no podrán afectar a ningún cambio si no son capaces de comunicar bien sus hallazgos. La capacidad de compartir ideas y resultados verbalmente y por escrito es una habilidad que se suele buscar en los científicos de datos.

3. Consigue un trabajo de analista de datos de nivel inicial.

Aunque hay muchos caminos para convertirse en un científico de datos, empezar en un trabajo de nivel básico relacionado puede ser un buen primer paso. Busca puestos que trabajen mucho con datos, como analista de datos (data analyst), analista de inteligencia empresarial (business intelligence analyst), estadístico (statistician) o ingeniero de datos (data engineer). A partir de ahí, es posible trabajar hasta convertirte en un científico a medida que amplías tus conocimientos y habilidades.

4. Prepárate para las entrevistas de ciencia de datos.

Con unos cuantos años de experiencia trabajando con análisis de datos, puede que te sientas preparado para pasar a la ciencia de los datos. Una vez que hayas conseguido una entrevista, prepara las respuestas a las probables preguntas de la entrevista.

Los puestos de data scientist pueden ser muy técnicos, por lo que es posible que te encuentres con preguntas tanto técnicas como de comportamiento. Anticípate a ambas y practica diciendo tu respuesta en voz alta. Estar preparado con ejemplos de tus experiencias laborales o académicas anteriores puede ayudarte a parecer seguro y bien informado ante los entrevistadores.

Estas son algunas de las preguntas con las que te puedes encontrar:

• ¿Cuáles son los pros y los contras de un modelo lineal?

• ¿Qué es un bosque aleatorio?

• ¿Cómo utilizarías SQL para encontrar todos los duplicados en un conjunto de datos?

• Describe tu experiencia con el aprendizaje automático.

• Da un ejemplo de una ocasión en la que te hayas encontrado con un problema que no sabías cómo resolver. ¿Qué hiciste?

Un profesional de datos de IBM ofrece sus consejos a los futuros data scientists:

Cómo empezar

Convertirte en un data scientist puede requerir cierta formación, pero al final puede estar esperando una carrera exigente y llena de retos.

¿Apenas comenzaste tu carrera en la ciencia de los datos? Toma un curso intensivo de los fundamentos con el certificado profesional de ciencia de datos de IBM.