Hace unos diez años una conocida revista de negocios (HBR), llamó la ciencia de los datos “el trabajo más sexy de este siglo”. De hecho, la demanda del data science solo ha crecido desde entonces. Lo mismo informó Fortune al respecto de las vacantes abiertas para los científicos datos las cuales aumentaron exponencialmente en los últimos años.
Sin embargo, quienes deseen formar parte del data science pueden sentirse a menudo desesperanzados pues las descripciones de puestos revelan una gran lista de habilidades. Por otro lado, la intensa competencia para las posiciones de la ciencia de los datos también ha dejado a algunos solicitantes fuera de trabajos de sueño.
Aquí hay algunos roles que pueden servirte como grandes mojones hacia tu objetivo de convertirte en un data scientist. Estos roles técnicos y no técnicos pueden ayudarle a entrar en la industria.
Roles no técnicos en Data Science
Traductor de datos (Data Translator Analyst)
Los nuevos deben tener un rol. Un Analista y traductor de datos ayuda a los líderes de negocios a enfocar mejor sus problemas. Luego se transmiten estos objetivos de negocio a los profesionales de datos.
Un Data Analyst recibe los pedidos de los líderes de negocios y asegura que la solución construida por el equipo de datos genere valores de negocio.
Un buen candidato para un analista de datos, tiene un espíritu empresarial, buenas habilidades de gestión de proyectos y fluidez técnica general. Es conveiente mencionar que la experiencia de programación es opcional.
Data Science Product Manager (Gerente de producto - PM)
Los PM de data science poseen un roadmap total productos del data science, desde la conceptualización hasta el lanzamiento. Colabora con los equipos de negocios, identifican cómo la ciencia de los datos puede abordar los puntos críticos de los negocios. Los PM trabajan junto a los profesionales de los datos y los desarrolladores para elaborar los requisitos del producto, supervisar el desarrollo del producto y definir las métricas del éxito.
Un gerente de productos está en constante comunicación con un conjunto diverso de partes interesadas, llamados stakeholders.
Las empresas tienen productos de data science únicos. Por ejemplo, un PM podría supervisar el desarrollo de una herramienta de visualización de datos, mientras que otro PM podría manejar el roadmap de una aplicación de recomendaciones. Aquellos candidatos con visión holística y conocimiento del data science se ajustan muy bien a estas posiciones.
Consultor de estrategia de datos
Los consultores de estrategia de datos diseñan, construyen e implementan estrategias de datos que mejoren el rendimiento de los negocios. Los consultores trabajan con los líderes de negocios para evaluar las capacidades de datos de una empresa, y proponen roadmaps hacia una organización data driven.
Los consultores identifican cómo las empresas pueden utilizar las tecnologías de datos para resolver sus problemas. Es probable que la estrategia varía en función de la madurez de de la empresa. Para una organización joven, el consultor podría proponer la implementación de herramientas de gestión de datos y gestión. Mientras que para una organización madura, el consultor podría sugerir el uso de soluciones de nube innovadoras. Aquellos con un fondo de consultoría previa podrían encontrar atractiva estas posiciones.
Además, para estos roles se ajustan muy bien aquellos perfiles con algún conocimiento práctico de la gestión de datos como ser (gestión de datos, inteligencia de negocios, estadísticas, machine learning y cloud entre otros.
Gerente Técnico de Proyecto (Technical Project Managet)
Los gerentes técnicos de proyectos planifican, organizan y dirigen proyectos de data science. Manejan los recursos disponibles para un proyecto, garantizando que se entrega en tiempo, en el presupuesto y dentro del alcance.
Como los gerentes de proyectos supervisan un proyecto desde la concepción hasta el lanzamiento, su papel es bastante variado. Planifican las listas de proyectos, planifican las tareas del proyecto, evalúan las fases del proyecto, comunican con las partes interesadas y manejan la visión del producto.
Para gestionar los equipos de proyectos interfuncionales, utilizan metodologías de desarrollo como Scrum y Agile.
Esta posición se adecua a aquellos con experiencia previa en gestión. Los candidatos con un fondo técnico en ciencias de datos, ingeniería de software, o UI / UX suelen tener ventajas competitivas al arribar a este tipo de puestos.
Escritor Técnico
A medida que los productos de la ciencia de los datos crecen en número y escala, es necesaria la documentación técnica. La documentación correcta y concisa es una de las mejores maneras para que un desarrollador comunique las instrucciones a los usuarios finales.
Aquí tenemos un ejemplo de twilio.
Un escritor técnico cumple esta colosal función, haciendo guías rápidas, FAQS, documentación en detalles, materiales de referencia sobre productos técnicos. También trabajan en estrecha colaboración con los ingenieros de desarrollo, gerentes de productos y gerentes de programas para diseñar la documentación. Los escritores técnicos deben tener un fondo técnico para que puedan interactuar con equipos técnicos fácilmente.
Roles técnicos en Data Science
Analista de inteligencia empresarial (business intelligence analyst)
Un analista de BI utiliza el análisis de datos y las herramientas de visualización para ayudar a las organizaciones a tomar decisiones de negocio basadas en sus datos. El día a día de un analista de BI implica la interpretación de los datos clave para generar insights. Para comunicar estos insights, los analistas de BI mantienen las métricas y las visualizaciones en forma de dashboards, tableros o presentaciones. Como tal, un analista de BI es calificado en herramientas de base de datos (SQL), herramientas de inteligencia empresarial (como Tableau o Power BI), y herramientas de hoja de hoja (como Excel).
Un proyecto emocionante para los analistas de BI es automatizar los procesos de informes existentes. La gestión de datos en tiempo real y sin informes manuales es un gran deseo de las organizaciones.
Analista de datos (data analyst)
Un analista de datos comparte muchas similitudes con un analista de BI. Al igual que un analista de BI, un analista de datos es responsable de proporcionar métricas de negocio precisas y extraer insights aplicables para que las partes interesadas de negocios tomen decisiones basadas en datos.
En algunas empresas, un analista de datos puede estar involucrado en proyectos de análisis avanzados. El data analyst se asocia con los equipos de producto, negocio e ingeniería para trabajar sobre las decisiones de negocio clave. Por ejemplo, un analista de datos puede ser encargado de crear una segmentación del cliente, que se puede utilizar para elaborar estrategias específicas de segmentación.
Dependiendo del alcance del trabajo, un analista de datos puede tener que conocer no sólo las herramientas de SQL, BI, y las herramientas de la hoja, sino también un lenguaje de programación (como Python o R).
Analista de Marketing
Un analista de operaciones de marketing implementa procesos de marketing y analiza el rendimiento de marketing. Estos procesos pueden incluir el liderazgo y el compromiso del cliente utilizando software CRM. Los analistas de marketing analizan los datos de clientes y proveedores para descubrir oportunidades y optimizar los procesos de marketing. Por ejemplo, un analista podría llevar a cabo un análisis de funnel para encontrar el punto más débil en el proceso de conversión del cliente.
Ejemplo de un análisis de funnel.
Además, los analistas de marketing realizan ensayos de hipótesis para optimizar el rendimiento de las campañas de marketing. Con las pruebas adecuadas, un analista podría descubrir que los emojis en los títulos de correo electrónico mejoran significativamente la tasa de apertura o clic entre las audiencias más jóvenes. Este papel es una excelente vacante para aquellos con bagaje en el marketing. También es ideal para recién graduados, ya que las publicaciones de analistas de marketing requieren menos de 2 años de experiencia pero recibidos en sus carreras de grado.
El analista financiero (Financial Analyst)
Los analistas financieros examinan los datos financieros, identifican las oportunidades de inversión y evalúan los resultados de las decisiones de negocios. En concreto, analizan la interacción entre los factores macroeconómicos, las condiciones macroeconómicas, y los fundamentos de una empresa. Los datos financieros son todo para los analistas financieros. Para evaluar la salud de una empresa, se examinan las métricas como el margen bruto, el margen neto, las tasas de crecimiento, el retorno de las acciones y los ingresos por acción, entre otros.
Los analistas también hacen proyecciones sobre el rendimiento y el valor futuros de una empresa utilizando métodos estadísticos (como el análisis de la regresión) y la modelización financiera avanzada (como el análisis de flujos de efectivo descontados).
Aquí aplican aquellos perfiles con títulos de licenciatura en contabilidad, economía, finanzas, o estadísticas y obviamente los ingenieros industriales. También los MBA tienen grandes oportunidades de convertirse en un analistas financieros por su visión generalista.
Ingeniero en Aprendizaje Automático (Machine Learning Engineer)
Según LinkedIn, el machine learning engineer es uno de los títulos de empleo con mayor crecimiento en 2022. Un MLE diseña, construye y produce modelos de machine learning. Por lo tanto, son competentes en el diseño de arquitectura de modelos, la orquestación de pipelines de aprendizaje automático y el seguimiento de soluciones de ML ya implementados en producción.
Por ejemplo, un MLE que trabaja en una compañía de carpooling puede monitorear el tiempo que tarda su modelo para asignar conductores a sus autos. El MLE trabaja con data scientists de datos para asegurarse de que el tiempo no exceda un límite predefinido. El papel del MLE es adecuado para aquellos con fuertes capacidades en programación, como ser ingenieros de software o ingenieros de datos. Los MLE también deben tener una sólida base en las matemáticas y estadísticas y una sólida comprensión de los modelos de aprendizaje de máquina.
Ser un profesional en el mundo de los datos
Los buscadores de empleo y recruiters suelen a menudo omitir muchos de estos títulos al buscar perfiles para el rubro de la ciencia de datos. Entonces no dejes de buscar trabajo y oportunidades en otros puestos más allá del famoso data scientist pues como verás, es puedes aprender muchas habilidades relacionadas que servirán para ir adentrándote en el apasionante mundo del machine learning y data science. Como Steve Jobs dijo alguna vez graciosamente, “no puedes conectar los puntos que esperan... así que tienes que confiar en que los puntos se conectarán de alguna manera en tu futuro”.
Como siempre, es un placer que nos visites en MaselData, no te olvides de darnos like en Linkedin Maseldata y seguir navegando nuestra página para mas tips.
También te podemos ayudar a hacer de tu emprendimiento o empresa datadriven contactanos!
Comments