Estas son las razones por las que deberías convertirte en científico de datos

“Ciencia” es una palabra que proviene del Latín “scientia” (conocimiento). Y era cuestión de tiempo que los datos fuesen susceptibles de ser conocidos de un modo ordenado y estructurado. Las estadísticas acerca del volumen de datos que se maneja aumentan de forma exponencial. La norteamericana Domo, especializada en visualización de datos e inteligencia empresarial, revela en su informe 'Data Never Sleeps 5.0' que el 90% de todos los datos que existen actualmente ha sido creado en los últimos dos años (tres si tenemos en cuenta que el estudio es de 2017).

Cada minuto se usan 2,6 millones de GB solo en EEUU, o se envían 103 millones de email que son spam.

Según mylio.com, firma orientada a la gestión de imágenes, en 2017 se habrían hecho 1,2 billones de fotos. Mientras, la web de estadísticas en tiempo real Internet Live Stats indica que se habrán realizado 68.985 búsquedas en Google en un segundo justo ahora. Cada día se generan 2,5 quintillones de bytes de datos según el experto en SEO y contenido Ben Walker, de Vouchercloud. Es decir, se podrían llenar 10 millones de discos Blu-ray con esos datos, que alcanzarían una altura de cuatro Torres Eiffel si se pusieran uno encima de otro.

El conocimiento es poder

Conocer los datos se ha convertido en la prioridad de la práctica totalidad de las empresas que desean ser competitivas en un momento en el que la monetización de los mismos o su uso en los procesos de negocio es clave. En consecuencia, la cualificación de profesionales de esta área es irrenunciable. Ese es uno de los objetivos del Centro Universitario U-tad, que ofrece diferentes cursos de grado y postgrado alrededor de los datos, tanto en el campo del Business Analytics como en el de la Ciencia de Datos o el Big Data.

En el documento de InfoJobs titulado 'Estado del Mercado Laboral en España 2017', se refleja que los datos lideran la demanda de profesionales en el apartado de puestos emergentes. Estos puestos de trabajo caen dentro de dos perfiles principalmente: analista de datos y científico de datos, en los cuales existe un bajo nivel de competencia, pues todavía no hay muchos candidatos formados y pocos pueden acreditar suficiente experiencia.

El científico de datos puede verse como una versión evolucionada del analista. Este último no necesitaba conocer los datos en sentido estricto, tan solo debía analizar los que se iban acumulando a través de bases relacionales. Las ventas, los clientes, los stocks y otros datos relevantes se creaban mediante entradas manuales y lo importante era analizar las tendencias y predecir comportamientos o detectar un desalineamiento con los objetivos.

Diego Rojo, profesor del postgrado Experto en Data Science de U-tad, lo explica con más detalle: "el data scientist o científico de datos se encarga de generar valor a partir de grandes volúmenes de datos. Debe extraer, entender, limpiar y aplicar técnicas analíticas y machine learning a los datos para apoyar la toma de decisiones en problemas específicos de negocio. Frente a otros perfiles, cabe destacar su mayor capacidad para el desarrollo y aplicación de técnicas de aprendizaje automático. Estas técnicas son necesarias para múltiples tareas: realizar predicciones, clasificar elementos, agrupar a usuarios en distintos grupos o recomendar productos".

Con la llegada del Big Data y sus tres “v” (velocidad, variedad y volumen), es necesario conocer la naturaleza de los datos, que ahora pueden ser desestructurados (en su mayor parte); hay que “limpiarlos” y encontrar las relaciones entre ellos. Esto es, hay que refinarlos de igual modo que se refina el petróleo para convertirlo en gasolina.

Y ahí entra en juego el científico de datos y su relación, por ejemplo, con la IA. Diego Rojo lo aclara: "la mayor relevancia que están tomando los científicos de datos para dar solución a problemas de inteligencia artificial se debe a los avances que están permitiendo la aplicación de técnicas de machine learning sobre datos no estructurados (imágenes, sonidos, texto...)".

Daniel Higuero, doctor en Ciencia y Tecnología Informática y product architect en Novelti, subraya las diferencias académicas entre las tres disciplinas: "la formación de Big Data se enfoca al eficiente procesamiento y almacenamiento de datos de forma distribuida (...) Data science está enfocada al aprendizaje de técnicas y algoritmos de machine learning que nos permitan extraer información de valor de los datos analizados. Por último, la de Business Analytics se orienta al procesamiento y análisis de los datos sin requerir un conocimiento profundo de la tecnología y los algoritmos."

Un profesional todoterreno

Los científicos de datos capaces de manejar los conocimientos y habilidades necesarias para adoptar una visión holística de los datos son escasos, por lo que las empresas suelen buscar profesionales especializados en áreas como ciencias de la computación, estadística, machine learning, inteligencia de negocio, visualización de datos, matemáticas, ingeniería de software o ingeniería de datos. Daniel Higuero es categórico en este punto: "el ámbito de Big Data esta atrayendo actualmente perfiles de todas las áreas de conocimiento".

A medida que los profesionales van adquiriendo experiencia, añaden capas de conocimiento y adquieren una transversalidad que es la que más se valora, pero la que más escasea. No es de extrañar que, a la hora de acceder a un puesto de trabajo, se valore muy positivamente haber cursado estudios complementarios y de postgrado.

U-tad cuenta con un gran abanico de cursos de postgrado a los que acceder desde diferentes campos formativos: grados en Informática, Telecomunicaciones o Industriales; o licenciaturas en Física, Matemáticas, Estadística... También son idóneos para profesionales TIC con experiencia que quieran dar un salto en su carrera o deseen especializarse en el mundo del Big Data, Data Analytics/Science y Data Visualization.

Es el caso del Máster en Big Data y Data Science. Con un marcado carácter transversal, incluye materias relacionadas con la visualización de datos o el machine learning junto a la posibilidad de elegir posteriormente un campo más definido de especialización en Big Data o Data Science.

Si el fin que se persigue es acceder a una cualificación aún más específica, las propuestas de U-tad son Experto en Data Science y Experto en Big Data. Las enseñanzas en ambos "van al grano", lo cual permite acortar el tiempo necesario para acceder a un puesto de trabajo.

Al mundo de los datos también se puede recalar desde una formación no tan técnica. Tal y como descubre el informe de Infojobs, "el Business Analytics tiene un enfoque muy ligado a la operativa de negocio", lo cual requiere menos conocimientos técnicos. En este sentido, el curso Experto en Business Analytics de U-tad abre las puertas del empleo en este sector a perfiles sin conocimientos de programación (economistas, financieros, periodistas, responsables de negocio en grandes empresas, etc.).

Sea como fuere, desde U-tad están comprometidos a facilitar esa adquisición de conocimientos y mejora de la cualificación a profesionales en activo. "Dado que la mayoría de nuestros estudiantes en el área de Data compagina los estudios con el trabajo, nuestro programa de formación, así como los horarios en los que se imparte la docencia se han adaptado para permitir compatibilizar la vida laboral con la formación. Nuestros programas se ofertan en horario executive concentrando las clases en jueves y viernes por la tarde, así como sábados por la mañana", relata Daniel Higuero.

Argumentos que dibujan un atractivo futuro

Como estamos viendo a lo largo de este artículo, la profesión de científico de datos cuenta con una demanda creciente y es accesible desde distintas rutas formativas. Todo ello le confiere versatilidad y permeabilidad para trabajar en este campo una vez que se adquieran los conocimientos necesarios.

La cercanía a las empresas es fundamental. Daniel Higuero insiste en la relevancia de este punto en la planificación de enseñanzas en U-tad: "a través de nuestro Comité de Data, formado por las empresas más relevantes del sector, trabajamos de forma coordinada para que nuestros planes de estudios reflejen las necesidades reales de dichas empresas. Prueba de esta cercanía es el debate sobre las salidas profesionales del Big Data que vamos a organizar en el International Lab del Ayuntamiento de Madrid el próximo 12 de septiembre, abierto a todos aquellos interesados en este sector en auge y con gran demanda de empleo".

No menos interesante es observar que el salario medio es de más de 40.000 euros anuales para los científicos de datos y de más de 35.000 para los analistas (según concreta el informe de InfoJobs), que además manifiesta una tendencia al alza.

La ciencia de datos, por otra parte, permite trabajar en distintos sectores y áreas de negocio: desde la agricultura hasta la industria pasando por la logística o turismo. Los datos son el nuevo petróleo y habrá bastantes probabilidades de que se pueda trabajar en el sector en el que más cómodos nos sintamos.

Diego Rojo coincide con esta apreciación: "los sectores que más demandan data scientists son aquellos que tienen una mayor cantidad de datos que explotar, como pueden ser el sector bancario, el energético, el retail, el asegurador y el de telecomunicaciones. Sin embargo, la ciencia de datos está cada vez presente en una mayor cantidad de sectores, ya que las empresas se han dado cuenta que tenían un activo de gran valor, los datos, que no estaban explotando".

De cara a la inquietud, los datos son un campo que precisa de una formación constante. Los métodos y técnicas que se emplean son punteros y en continua transformación. El machine learning se usa de forma generalizada en la ciencia de datos para encontrar relaciones y extraer información a partir de ellos. Y al revés, técnicas de IA como machine learning o deep learning precisan de un tratamiento previo de los datos no estructurados para dotarlos de estructura antes de ser aptos para su procesamiento.

Igualmente, cuantos más conocimientos se tienen, más valor se adquiere como profesional. Hay que recordar que la ciencia que nos ocupa es esencialmente transversal a otras muchas disciplinas y áreas de conocimiento. Un profesional que se forme en analítica de datos y posteriormente haga un máster en ciencia de datos podrá seguir aspirando a puestos que tengan que ver con los datos, pero con un plus añadido de reconocimiento.

Fotos | Internet en un minuto, Puestos de trabajo emergentes, Red Neuronal, Infografía Data Scientist