Qué necesito para convertirme en un Data Science

La cantidad ingente de datos generados gracias a la digitalización y la ‘hiperconectividad’ de la población han creado una nueva era, haciendo nacer no solo nuevos perfiles profesionales sino nuevos puestos de trabajo alrededor de ello.

Data Analysts, Data Miner, Data Steward, Analytics Manager y Business Manager son las posiciones ofertadas en el mundo del big data más enfocadas a negocio, pero en el aspecto técnico entre las más populares están: Data Scientist, Programmer, Big Data Architect, Hadoop Developer, Database Administrator, o Project Manager.

El Data Scientist o científico de datos se ha convertido en una de las posiciones más demandadas y mejor remuneradas de los últimos tiempos, en 2017 Harvard Business Review la bautizaba como “la profesión más sexy del siglo XXI”, pero ¿qué se necesita para incorporarse al mundo del data science?

Estos perfiles son cada vez más esenciales para las empresas y esa es una de las razones por las que el Data Analytics Academy de MSMK se vuelca a la formación especializada en el mundo de los datos.

Antes que nada, explicaremos las labores básicas que desempeñan estos profesionales. El científico de datos debe hallar valor en grandes volúmenes de datos y fuentes, debe saber dar respuesta a problemas de la organización a través de los datos en cuatro pasos el data scientist: extrae, depura, procesa y reestructura datos pero para ello utiliza herramientas y softwares tecnológicos.

¿Cómo convertirme en un científico de datos?

En principio, según los expertos quien quiera dar un salto profesional hacia el mundo de los datos debe responder afirmativamente las siguientes preguntas:

  1. ¿Te gusta la estadística o tienes conocimientos básicos?
  2. ¿Te interesa la programación?
  3. ¿Estás dispuesto a mantenerte en constante formación?
  4. ¿Eres autodidacta?

Una vez contestadas las preguntas podemos seguir, adentrémonos en tres áreas principales:

  • MATEMÁTICAS: en este aspecto será determinante formarse y tener acercamiento a la probabilidad y estadística. Gran parte de la ciencia de los datos se basa en estimar la probabilidad de ciertos incidentes, una vez comprendidos conceptos de probabilidad es momento de avanzar y adentrarse en los análisis estadísticos, ya que es la rama de las matemáticas cuya finalidad es precisamente el análisis de los datos. Además de estas dos, otra parte de la que no se habla mucho es sobre álgebra lineal, la parte que te llevará a comprender esos algoritmos de los que tanto escuchamos hablar.

 

  • PROGRAMACIÓN: para convertirte en científico de datos debes saber lenguajes de programación. R y SAS son unos de los más utilizados, aunque Python viene pisando fuerte, todos ellos se utilizan para análisis estadísticos de datos transformándolos en formatos legibles y visuales. Por otro lado, SQL es otro tipo de lenguaje que se utiliza en la gestión de información de bases de datos, es de los más utilizados.
    A partir de estos lenguajes se desprenden los entornos de desarrollo, el análisis, procesamiento y la visualización de datos a los que se suman diferentes softwares de gestión de datos y técnicas como es el machine learning.

 

  • NETWORKING: En este punto, es necesario hacer una pausa, y volver a la valoración del mercado. En España, más de 200 empresas encuestadas aseguran tener dificultad para conseguir perfiles de Business Intelligence y Big Data tanto en el nivel técnico como en el área directiva.
    A pesar de ser un perfil por el que las empresas compiten, nuestros expertos aconsejan crear una red contactos en el sector, asistir a eventos y mantenerse en contacto con otros científicos de datos o profesionales del sector, conferencias como las que organiza MSMK son una buena opción.