El trabajo más sexy del siglo XXI: trabajar con datos
En la medida en que los datos cada vez se generan más rápido y en mayor volumen, esto va a seguir sucediendo. Por ejemplo, el estudio de Glassdoor muestra que trabajar en profesiones como Data Scientist está generando un salario promedio de US$ 116,840 dólares al año en Estados Unidos, con una fuerte cantidad de posiciones abiertas en muchas de las principales compañías de sectores tan diversos como tecnológicas, financieras, seguridad, retail y consumo masivo, entre otras.Según este estudio, algunas de las compañías insignia que están contratando profesionales relacionados a datos son:Facebook: US$ 133,841 dólares por año.Apple: US$ 149,963 dólares por año.Airbnb: US$ 117,229 dólares por año.Twitter: US$ 134,861 dólares por año.Microsoft: US$ 119,129 dólares por año.LinkedIn: US$ 138,798 dólares por año.IBM: US$ 110,823 dólares por año.Según un comunicado de IBM, trabajar como Data Scientist es considerado “mitad analista, mitad artista” debido a que es necesario aplicar toda una evolución en el criterio con el que se entiende la información y se aplica a un contexto útil y generador de rentabilidad. Hoy en día los analistas y científicos de datos se enfocan en extraer el conocimiento escondido en los datos.En América Latina existe una industria vibrante que está comenzando a tomar forma. Para poder convertirse en un Data Analyst profesional o un Data Scientist completo resulta complicado debido a la poca oferta de calidad. No hay muchos lugares alcancen un nivel atractivo para las grandes empresas multinacionales, que son las primeras en adoptar este tipo de perfiles. En Digital House, se está generando un gran impacto capacitando Data Scientists y profesionales en Data Analytics capaces de seducir a grandes compañías como Google a nivel local.Este espacio educativo tiene un equipo académico con experiencia internacional que otorga a los alumnos un diferencial. Este es el caso de Matías Zabaljauregui, quien ha trabajado en proyectos insignia a nivel mundial como en el CERN en Europa y hoy en día comparte su conocimiento a través del programa de Data Science ofrecido por Digital House. Por su parte también está Ricardo Díez, fundador y director de Analytics.Town, una consultora especializada desde la cual ha realizado proyectos basados en datos para 22 países, entre ellos Estados Unidos, Canadá, España, Japón y la mayor parte de América Latina. Hoy en día Ricardo comparte sus ponencias a través del curso de Data Analytics.Ahora bien ¿qué conocimientos debe tener un profesional a la hora de querer hacer una carrera en Data Analytics o Data Science?Existen algunas diferencias muy marcadas entre ambos perfiles y otras que son muy sutiles. Mucho tiene que ver con la profundidad y el enfoque de algunos conocimientos. Entre las principales tenemos:| Data Analytics | Data Science |
| Estadística descriptiva e inferencial | Estadística avanzada |
| Necesidad de toma de decisiones basadas en datos (pero no hace el data minning) | Trabaja, opera y se adentra en la manipulación de datos |
| Conocimiento de Excel y herramientas de Business Intelligence | Conocimiento de Python y otros lenguajes de programación donde pueda crear modelos predictivos |
| Enfoque en indicadores clave de rendimiento y de negocio (KPI, KSI) | Enfoque en manipulación de grandes volúmenes de datos |
| Genera dashboards, reportes y visualizaciones para apoyar la toma de decisiones | Desarrolla las bases para Machine Learning y Big Data |
| Perfil con enfoque primario en los negocios | Perfil con enfoque primario en la ciencia detrás de los datos |