Data Scientist, la profesión ‘más sexy’ de Big Data: en qué consiste y cuáles son las competencias clave

data scientist msmk

La innovación y evolución asociada al Big Data y Analytics está generando una demanda de profesionales cualificados que no deja de crecer mes tras mes.

Las empresas precisan incorporar perfiles que prácticamente se están creando ad hoc, a medida que van surgiendo nuevas necesidades y retos. Se trata de un campo multidisciplinar en el que las aptitudes y conocimientos deben estar en permanente desarrollo y actualización, a un ritmo exigente y a la vez emocionante.

Y de entre todas estas nuevas ‘profesiones’ vinculadas al crecimiento de la gestión de la información hay una que se ha calificado como “la profesión más sexy del siglo XXI”. Aunque emplear el término “sexy” en relación con los algoritmos pueda resultar extraño, es como considera la publicación especializada Harvard Business Review a los científicos de datos o data scientists.

En cualquier informe, observatorio o listado de empleos ‘del futuro’, ya sea de Gartner, Business Insider o Ticjob, la de científico de datos aparece siempre en el top 5 de los más buscados y los mejor pagados, con sueldos que pueden incluir las seis cifras.

Pero, ¿en qué consiste exactamente esta figura? ¿Y cómo se encaja su talento en el mundo del Big Data? La encargada de darnos alguna respuesta es Gema Santos, Senior Performance Management Advisor en Repsol Exploración y colaboradora en el Área Académica de Big Data, Analytics y Business Intelligence de MSMK – Madrid School of Marketing.

1) Sobre Data Science:

“La ciencia de los datos es el estudio de dónde viene la información, qué representa y cómo se puede convertir en un recurso valioso en la creación de negocios y estrategias. La minería de grandes cantidades de datos estructurados y no estructurados para identificar patrones puede ayudar a una organización a controlar los costes, aumentar la eficiencia, reconocer nuevas oportunidades de mercado y aumentar la ventaja competitiva de la organización.

La ciencia de los datos todavía es incipiente y está mal definida como campo. Este campo de la ciencia está surgiendo en la intersección de los campos de las ciencias sociales y las estadísticas, la información y la informática, y el diseño. Incorpora herramientas de varias disciplinas para recopilar un conjunto de datos, procesar, obtener ideas y extraer datos significativos del conjunto e interpretarlos para fines de toma de decisiones.”

2) Sobre el Data Scientist:

“Un científico de datos viene a ayudar a convertir datos sin procesar en información. Para ser efectivos, deben poseer una combinación de analítica, ‘learning machine’ o aprendizaje automático, minería de datos y habilidades estadísticas, así como experiencia con algoritmos y codificación. Sin embargo, quizás la habilidad más importante que posee un científico de datos es la capacidad de explicar el significado de los datos de una manera que pueda ser fácilmente entendida por otros: que los datos cuenten historias y solucionar problemas basado en ellos.”

3) Principales diferencias frente a Business Intelligence y Big Data:

“La principal diferencia reside en sus orígenes, dónde nacieron estos conceptos y cómo ha sido su expansión. Ambos conceptos, BI y Big Data, especialmente el primero, han estado en su popularización y venta muy ligados a la industria de las tecnologías de la información y, diría que incluso
secuestrados marketinianamente por ellas. A pesar de que el Big Data es un campo de la estadística, fundamentalmente, su denominación también se debe a razones de marketing.

Si hay que diferenciarlos de forma sencilla, diría que Big Data o minería de datos es el análisis de datos a gran escala: se aplican algoritmos en el conjunto de datos complejos para revelar patrones que luego se utilizan para extraer datos utilizables y relevantes del conjunto. Business Intelligence o inteligencia de negocio es la integración de datos de negocio y su objetivo es permitir la fácil presentación e interpretación de estos grandes datos, bien sea para consultas, informes, procesamientos analíticos y alertas o para el análisis de negocios.”

4) Principales objetivos frente a Inteligencia Artificial:

“Crear sistemas expertos o autosuficientes requiere de mucho tiempo y dinero. Y puede que en el futuro se auto-reproduzcan a sí mismos pero nunca serán humanos, a lo sumo someterán a los humanos como la ciencia ficción ya nos ha propuesto. La inteligencia artificial busca sistemas que piensan y actúan como humanos pero no lo son, con sus ventajas e inconvenientes.

El científico de datos es un humano con todo lo que conlleva serlo. Se nos confiere las cualidades de los sentidos (vista, oído, gusto, tacto y olfato) e incluso el sentido común, habitualmente el menos común de los sentidos, la inteligencia emocional cada vez más trabajada desde temprana edad y competencia que tiene que poseer un científico de los datos, además de educación y experiencia en análisis de datos. Y la nunca suficientemente bien estimada, magia de la imperfección que hace sorprendentemente posible cosas inimaginables basándonos en la razón.”

Comments (0)

Deja tu comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información. ACEPTAR

Aviso de cookies