Lea esto antes de hacer un cambio profesional a la ciencia de datos - KDnuggets

Reeditado por Platón

seguidores: 0

Lea esto antes de hacer un cambio de carrera a la ciencia de datos
Imagen del autor

Estás leyendo esto porque estás pensando en unirte a las filas de aspirantes a científicos de datos. ¿Y quién puede culparte? La ciencia de datos es un campo en crecimiento, incluso una década después de su ahora infame galardón de “trabajo más sexy” de Harvard Business Review. La Oficina de Estadísticas Laborales de EE.UU. actualmente predice La tasa de empleo de los científicos de datos crecerá un 35 por ciento entre 2022 y 2032. Compárese eso con la tasa promedio de crecimiento del empleo, que es solo del 5 por ciento.

Tiene otras cosas a su favor:

Está bien pagado (nuevamente, el BLS encontrado un salario medio de 103 dólares en 2022)
Viene acompañada de una alta calidad de vida (felicidad laboral superior a la media). conforme al Explorador de Carreras)
Hay seguridad laboral a pesar de la reciente ronda de despidos – porque hay mucha demanda para el papel

Así que hay muchas razones para querer entrar en este campo.

Lea esto antes de hacer un cambio de carrera a la ciencia de datos
Fuente: https://www.bls.gov/ooh/math/data-scientists.html

Pero la ciencia de datos es un campo muy amplio, con muchos puestos de trabajo diferentes y conjuntos de habilidades que debes conocer antes de comenzar. Este artículo lo guiará a través de las distintas direcciones que puede tomar y lo que necesita saber para cada una de ellas para ingresar a la ciencia de datos.

Para realizar una transición exitosa hacia una carrera de ciencia de datos, deberás seguir un enfoque estructurado:

Evalúa tu habilidades de ciencia de datos e identificar brechas.
Obtenga experiencia práctica en las áreas en las que es débil.
Red. Únase a grupos de ciencia de datos, asista a reuniones y contribuya a foros.

Profundicemos más.

Evalúe su posición inicial

¿Qué sabes ya y cómo se puede aplicar en la ciencia de datos? Piense en: cualquier conocimiento de programación, habilidades estadísticas o experiencia en análisis de datos que tenga.

A continuación, identifique las lagunas en sus habilidades, en particular las esenciales para la ciencia de datos. SQL es realmente imprescindible, pero la programación en Python o R, las estadísticas avanzadas, el aprendizaje automático y la visualización de datos también son extremadamente beneficiosos.

Una vez que haya identificado estas brechas, busque educación o capacitación relevante para llenarlas. Esto podría realizarse a través de cursos en línea, programas universitarios, campamentos de entrenamiento o autoestudio, con un enfoque en el aprendizaje práctico.

Experiencia práctica

No deberías limitarte a mirar vídeos y leer publicaciones de blogs. La experiencia práctica es crucial en la ciencia de datos. Participa en proyectos que te permitan aplicar tus nuevas habilidades en escenarios del mundo real. Podrían ser proyectos personales, contribuciones a plataformas de código abierto o participación en concursos de datos como los de Kaggle.

Si tiene algunas habilidades iniciales básicas, es posible que desee considerar buscar pasantías o trabajo independiente para adquirir experiencia en la industria.

Más importante, documentar todos sus proyectos y experiencias en un portafolio, destacando su proceso de resolución de problemas, las técnicas que utilizó y el impacto de su trabajo.

Nuestra red

Irrumpir en la ciencia de datos a menudo se reduce a quién conoce, además de lo que sabe. Encuentre mentores, participe en reuniones, conferencias y talleres para conocer nuevas tendencias y participe en comunidades de ciencia de datos en línea como Stack Overflow, GitHub o Reddit. Estas plataformas le permiten aprender de otros, compartir sus conocimientos y hacerse notar dentro de la comunidad de ciencia de datos.

Si deseas conviértete en un científico de datos desde cero, tiene sentido pensar en las habilidades que necesitarás desarrollar como árbol. Hay habilidades "troncales" que son comunes a todos los trabajos de ciencia de datos, y luego cada especialidad tiene habilidades "ramales" que continúan ramificándose en roles cada vez más especializados.

Hay tres habilidades principales que todo científico de datos necesita, sin importar en qué dirección vaya:

Manipulación/disputación de datos mediante SQL

La ciencia de datos básicamente se reduce a manejar y organizar grandes conjuntos de datos. Para hacer eso, necesitas saber SQL. Es las herramienta esencial para la manipulación y discusión de datos.

Lea esto antes de hacer un cambio de carrera a la ciencia de datos
Imagen del autor

Habilidades blandas

La ciencia de datos no ocurre en el vacío. Necesitas jugar bien con los demás, lo que significa mejorar tus habilidades interpersonales. Ser capaz de comunicar hallazgos de datos complejos de una manera clara y comprensible a partes interesadas no técnicas es tan importante como las habilidades técnicas. Estos incluyen comunicación efectiva, resolución de problemas y visión para los negocios.

La resolución de problemas ayuda a abordar desafíos de datos complejos, mientras que la perspicacia empresarial garantiza que las soluciones basadas en datos estén alineadas con los objetivos de la organización.

Actitud de aprendizaje constante

La ciencia de datos es diferente de lo que era hace cinco años. Basta con mirar dónde nos encontramos hoy con la IA en comparación con 2018. Constantemente surgen nuevas herramientas, técnicas y teorías. Es por eso que necesita una mentalidad de aprendizaje continuo para mantenerse actualizado con los últimos desarrollos y adaptarse a las nuevas tecnologías y metodologías en el campo.

Necesitará automotivación para aprender y adaptarse, así como un enfoque proactivo para adquirir nuevos conocimientos y habilidades.

Si bien existen habilidades comunes, como describí anteriormente, cada rol exige su propio conjunto de habilidades específicas. (¿Recuerdas? Branches.) Por ejemplo, el análisis estadístico, las habilidades de programación en Python/R y la visualización de datos son específicos de trabajos más especializados en ciencia de datos.

Lea esto antes de hacer un cambio de carrera a la ciencia de datos
Imagen del autor

Analicemos cada función adyacente a la ciencia de datos para que pueda ver lo que necesita.

Analista de Negocios/Datos

¡Sí, este es un rol de ciencia de datos! Incluso si los detractores no están de acuerdo, sigo creyendo que puedes tratarlo como un trampolín al menos si tu objetivo es ingresar a la carrera de ciencia de datos.

Como analista de datos o de negocios, usted está a cargo de cerrar la brecha entre el conocimiento de los datos y la estrategia de negocios. Es perfecto para quienes tienen la habilidad de comprender las necesidades comerciales y traducirlas en soluciones basadas en datos.

Como habilidades básicas, necesitarás inteligencia empresarial (no hay sorpresas), fuertes habilidades analíticas, dominio de lenguajes de consulta de datos, predominantemente SQL. En esta función, Python y R son opcionales porque la tarea principal es la disputa de datos.

Hay un componente de visualización pero dependiendo de su trabajo, puede significar crear paneles en Tableau o gráficos en Excel.

Data Analytics

Esta función se centra en interpretar datos para proporcionar información útil. Es un gran trabajo para usted si le gusta traducir números en historias y estrategias comerciales.

Necesitará un control firme análisis estadístico y visualización de datos. (aunque nuevamente, estos pueden ser paneles de control y/o gráficos de Excel). También necesitarás dominio de herramientas de análisis como Excel, Tableau y SQL. Python/R vuelve a ser opcional, pero recuerde que realmente pueden ayudar con la implementación de estadísticas y automatización.

Aprendizaje automático (Machine learning & LLM)

Los científicos de Machine Learning desarrollan modelos y algoritmos predictivos para realizar predicciones o decisiones basadas en datos. Estos roles son adecuados para quienes tienen un gran interés en la IA y la construcción de modelos.

No hay sorpresas en cuanto a las habilidades básicas: necesitarás un profundo conocimiento de algoritmos, experiencia con marcos de aprendizaje automático como TensorFlow y PyTorch, y sólidas habilidades de programación. Python y/o R ya no son opcionales sino imprescindibles.

Ingeniería de datos

Este rol le permite concentrarse en la arquitectura, la gestión y el mantenimiento de las canalizaciones de datos. Es una buena opción para personas que disfrutan de los desafíos técnicos de administrar y optimizar el flujo y el almacenamiento de datos.

Para conseguir este trabajo, necesitarás eExperiencia en gestión de bases de datos, procesos ETL y dominio de tecnologías de big data como Hadoop y Spark. También necesitarás competencia en la automatización de la canalización de datos utilizando tecnologías como Airflow.

Inteligencia empresarial

En inteligencia empresarial, se trata de crear visualizaciones. Es fantástico para narradores y personas con un fuerte sentido empresarial.

Deberá ser un profesional con tecnologías de paneles como Tableau y Qlik, ya que esas son las herramientas que utilizará para desarrollar sus visualizaciones. También necesitará habilidades de manipulación de datos (léase: habilidades de SQL) para ayudar a optimizar las consultas de datos que aceleran el rendimiento del panel.

Como mencioné anteriormente en el artículo, la ciencia de datos es un campo que evoluciona rápidamente. Todo el tiempo se abren nuevos empleos y roles. Volviendo a la analogía de mi árbol, me gusta pensar en él como si se agregaran nuevas ramas al tronco principal de la ciencia de datos. Ahora hay ingenieros en la nube, especialistas en SQL, roles de DevOps y más, todos todavía conectados a esa vía de ciencia de datos. Por lo tanto, este artículo proporciona solo una breve idea de las direcciones que puede seguir con la ciencia de datos.

Más que eso, también debes recordar que la ciencia de datos conlleva desafíos asociados a ese sueldo de seis cifras. Hay una curva de aprendizaje muy pronunciada y el aprendizaje nunca termina realmente. Las nuevas tecnologías, tendencias y herramientas llegan rápido y con fuerza, y si desea conservar su trabajo, debe mantenerse al día.

Dicho todo esto, es una gran opción profesional. Con las tres competencias principales que mencioné en su haber, estará bien equipado para asumir cualquier papel de la ciencia de datos eso te atrae.

Nate Rosidi es científico de datos y en estrategia de producto. También es profesor adjunto de enseñanza de análisis y es el fundador de StrataScratch, una plataforma que ayuda a los científicos de datos a prepararse para sus entrevistas con preguntas de entrevistas reales de las principales empresas. Conéctate con él en Gorjeo: StrataScratch or Etiqueta LinkedIn.