En el clímax de la película Hidden Figures, nominada al Premio de la Academia, se llama a la matemática Katherine Johnson para verificar los cálculos de las coordenadas de aterrizaje de la cápsula espacial de John Glenn, Friendship 7. La tecnología acaba de reemplazar a las computadoras humanas, las personas que calculan datos que completaron ecuaciones complejas antes del advenimiento del sistema informático, pero los datos de la máquina tenían discrepancias que una persona debía resolver.
Eso fue ciencia de datos en 1961. En estos días, las cosas son un poco diferentes. Los complejos sistemas de recopilación de datos permiten a las empresas de todos los sectores obtener más información sobre sus negocios, clientes y perspectivas de futuro. Pero al igual que en las figuras ocultas, todavía se necesita gente para encontrar verdades importantes dentro de los datos.
Aquí está la primicia sobre cómo usamos la ciencia de datos todos los días y las habilidades esenciales que necesita para tener éxito como científico de datos, ingeniero o analista.
La ciencia de datos está en todas partes
El potencial para los científicos de datos más allá de las industrias financieras y tecnológicas está floreciendo. "Hay una creciente comprensión en todos los sectores de que las habilidades de ciencia de datos se han vuelto esenciales para competir y mejorar en el mercado actual", dice Michael Galvin, director ejecutivo de Data Science Corporate Training para Metis, una compañía de capacitación en habilidades de ciencia de datos que trabaja con individuos y empresas. .
Piensa en las cookies. No, no los que sumerge en la leche: las poderosas herramientas de recopilación de datos que ayudan a los analistas de datos, científicos e ingenieros a aprender sobre los hábitos web de los consumidores e informar los algoritmos en torno a esos "cómo-ellos-sabían-yo-yo solo estaba pensando". -de-eso ?! "anuncios que se muestran en Facebook. ¿Su meta? Evaluar los intereses y el comportamiento de los consumidores y utilizar esos análisis para ayudar a tomar decisiones comerciales clave para empresas de todos los sectores.
“Existe una conciencia más amplia de la ciencia de datos en la corriente principal. Al afectar todo, desde las compras de Amazon hasta los atracones de Netflix, la ciencia de datos está afectando a más personas que nunca antes ”, dice Galvin.
Cómo encajas
Con el crecimiento en los campos de la ciencia de datos, ha habido una mayor superposición entre los roles de científico de datos, analista de datos y modelador.
Pero según el Dr. Flavio Villanustre, Vicepresidente de Tecnología y Sistemas HPCC para LexisNexis Risk Solutions, la distinción entre varios puestos es realmente única y presenta oportunidades para aquellos dotados en áreas específicas.
"Los analistas de datos tradicionalmente se especializan en técnicas de manipulación de datos, que requieren capacitación en todo, desde lenguajes de consulta hasta modelos de datos gráficos", dice Villanustre. "Mientras tanto, los modeladores analizan datos numéricos para correlaciones y patrones".
Cuando se trata de ciencia de datos, Villanustre explica que los candidatos ideales deberían mostrar un superconjunto de estos dos tipos de habilidades combinadas con el dominio y el conocimiento empresarial. "Los científicos de datos generalmente poseen un conocimiento más profundo que el analista de datos sobre técnicas de programación y un conocimiento más amplio que los modeladores estadísticos sobre metodologías analíticas de datos que utilizan técnicas más sofisticadas".
Al postularse a estos puestos, es importante tener en cuenta qué tareas realmente está buscando realizar una empresa.
"El rumor en torno a la ciencia de datos ha dado como resultado que muchas compañías contraten científicos de datos para hacer el trabajo de un analista de datos, que termina limpiando y preparando datos y gastando muy poco tiempo haciendo ciencia de datos real", explica Nick Kramer, Director Senior de Datos y Análisis en SSA & Company, una firma de consultoría de gestión que se especializa en transformar el análisis de big data en operaciones para empresas.
Las nuevas herramientas están permitiendo que los modelos analíticos sean creados por aquellos con niveles de experiencia más bajos, por lo que las habilidades diversificadas y relacionadas, como el conocimiento del negocio y las habilidades de comunicación efectiva, son importantes para diferenciar a los solicitantes de empleo. Al entrevistar, asegúrese de hacer preguntas para centrarse exactamente en lo que busca una empresa, luego muestre sus fortalezas en consecuencia.
Nuestra oficina
Lo que necesitas para tener éxito
El viejo adagio sobre no ver el bosque por los árboles es algo importante para recordar cuando se trabaja como científico de datos, analista o ingeniero. Si bien la precisión de los datos principales es importante, también lo es reconocer la imagen general de los problemas que una empresa espera resolver.
"Hay una tendencia entre los científicos de datos a complicar demasiado las cosas y dejarse atrapar por un agujero negro de detalles", advierte Galvin. "En cambio, deberían pensar en el problema comercial que intentan resolver, hacer que algo funcione y luego repetir".
Además, un interés en lo que está haciendo, como es el caso de cualquier trabajo, también es esencial.
“Las empresas trabajan con diferentes tipos de datos (como imágenes, texto y datos financieros) en diferentes problemas. Debe estar interesado y comprender el tipo de datos con los que trabajará para tener éxito ”, dijo Galvin. “Por ejemplo, los científicos de datos que trabajan con imágenes médicas no suelen ser médicos, pero su usuario final o cliente será un médico. ¿Puedes entender qué problemas están tratando de resolver? ¿Estás interesado en resolver esos problemas?
Y luego está la comunicación. Se dice que los científicos de datos, analistas e ingenieros hablan su propio idioma, pero para tener éxito en un lugar de trabajo, debe poder comunicarse claramente con aquellos que utilizarán y se beneficiarán más de sus habilidades.
"La colaboración con las partes interesadas del negocio es cada vez más importante", dijo Kramer.
La ciencia de datos y sus carreras relacionadas han recorrido un largo camino desde la década de 1960, cuando la NASA necesitaba computadoras humanas para aprovechar y verificar el trabajo de las nuevas máquinas informáticas. Pero las mentes brillantes interesadas en cómo los datos pueden moldear la forma en que vivimos, trabajamos y hacemos negocios siguen siendo tan esenciales como siempre: sin un experto humano que interprete tanto las entradas como los resultados, la ciencia de los datos podría ser mal utilizada, o simplemente confusa.
