Una de las interrogantes clave con respecto a los grandes volúmenes de información que las organizaciones generan hoy en día es qué hacer con ellos, cómo transformarlos en valor. El científico de datos, un profesional capaz de manejar algoritmos de Machine Learning para identificar patrones, correlacionar información y transformar ese conocimiento en ventajas competitivas para las compañías, se está convirtiendo en un elemento clave para enfrentar esta pregunta. Por supuesto, un solo movimiento en el tablero no suele resultar en victoria: la organización debe cambiar a la par.
El impacto económico de los datos y la necesidad del científico de datos
Los impactos económicos del superávit de información actual ya están bien documentados. En América Latina, el mercado de Big Data & Analitics (que crece prácticamente de la mano con los datos) produjo ventas por $2,900 millones de dólares en 2017, de acuerdo con Frost & Sullivan. Se estima también que para el año 2023 ese segmento alcance los $8,500 millones de dólares.
De acuerdo con la firma, estas cifras se deben al alza de productividad obtenida mediante mejoras en el servicio al cliente y nuevas soluciones IoT. Además, las soluciones de análisis de datos en tiempo real cobran relevancia a medida que los usuarios finales implementan más tecnologías de próxima generación, como inteligencia artificial. Para aprovechar esos volúmenes de información el científico de datos se está volviendo cada vez más necesario.
Habilidades y conocimientos clave del científico de datos
En este escenario, ¿qué habilidades y conocimientos buscar en este tipo de profesionistas? El reporte The Quant Crunch —de IBM, Business-Higher Education Forum y Burning Glass— describe cómo ha sido disruptiva en el mercado laboral la demanda de científicos de datos. Al contratar a un profesional de esta materia se espera que tenga competencias analíticas como arquitectura de bases de datos, análisis de datos, visualización de información en tecnologías específicas como R, Apache Hadoop, Tableau y analítica predictiva, así como conocimientos de Phyton y Java.
Burtch Works, agencia estadounidense especializada en reclutar personal, indica que 50% de los científicos de datos que ha ayudado a colocar tiene menos de 10 años de experiencia laboral; 32% del total vienen del mundo de las matemáticas y estadística, 19% de la ingeniería informática y 16% de otras ingenierías.
Pero la organización también debe analizar qué tan preparada se encuentra para recibir a este ilustre nuevo empleado, o si siquiera es útil en sus filas. Aman Naimat, vicepresidente senior de Tecnología en Demandbase, señaló hace unos días que para lograr un impacto en la labor del científico de datos, este debe estar orientado al negocio, no vivir en una “torre de marfil”. Es importante también que la compañía esté lista para integrar su estrategia de productos, ingeniería y tecnología con los datos y la inteligencia artificial. Asimismo, señala que el trabajo del científico de datos debe ser más ágil que el de cualquier ingeniero dentro de una cultura de experimentación que puede fallar muchas veces en el camino de hallar la solución más adecuada.
En una economía orientada a datos la figura de un científico de datos dentro del equipo IT puede ayudar a transformar la información en ventajas competitivas. Integrarlos o no al equipo puede hacer la diferencia en resultados a mediano plazo. Antes de mover piezas en el tablero, habría que responder si la compañía está lista para moverse en conjunto hacia ese cambio.
Características a tener en cuenta para contratar un científico de datos
| Característica | Explicación |
|---|---|
| Habilidades analíticas | El científico de datos debe tener habilidades sólidas en análisis de datos, estadísticas y modelado matemático para poder interpretar y extraer información valiosa de grandes conjuntos de datos. |
| Conocimiento técnico | Es fundamental que el científico de datos tenga conocimientos profundos en herramientas y lenguajes de programación como R, Python, SQL, Apache Hadoop, así como experiencia en manipulación y gestión de bases de datos. |
| Experiencia relevante | La experiencia previa en proyectos relacionados con la ciencia de datos, como análisis predictivo, modelado de machine learning, optimización de procesos y visualización de datos, es crucial para el éxito en el rol de científico de datos. |
| Orientación al negocio | Además de habilidades técnicas, el científico de datos debe estar orientado al negocio, comprendiendo las necesidades y objetivos de la organización para aplicar sus habilidades analíticas de manera efectiva y generar valor empresarial. |
| Comunicación efectiva | La capacidad para comunicar los hallazgos y resultados de forma clara y comprensible, tanto a equipos técnicos como no técnicos, es esencial para asegurar la implementación exitosa de soluciones basadas en datos en la organización. |
