Data Scientist: el nuevo friki

Hemos tratado múltiples temas alrededor de nuestro mundo; hemos escrito sobre Big Data, Data Science, datos externos, infraestructuras, visualización de datos, etc… sin embargo, en este post quiero hablar del “alma” de PiperLab: los Data Scientists.

Quizá debido a que son parte base de la cotidianidad de Piper no les habíamos dedicado un capítulo en nuestro blog; sin embargo, cuando mantengo conversaciones con entidades formativas con las que colaboramos, organizadores de eventos, partners, o nuestros propios clientes, la curiosidad por este perfil tan de moda, tan demandado y, quizá, tan poco conocido, siempre ocupa una parte de la misma.

La tendencia de la relevancia que en nuestra economía tiene y tendrá este perfil se puede ver reflejada en la siguiente gráfica, que muestra la demanda en el mercado de estos profesionales (una búsqueda sencilla en indeed con los términos data scientist y data science que muestra el porcentaje de empleos en los que aparece.)

 

post1

El pasado mes de Junio se celebró en Madrid la Feria de Empleo Big Data, donde se presentó el “Primer Observatorio del Empleo en Perfiles Big Data” (MSMK y Ticjob). Una de las reflexiones, a mi entender, más relevantes es el número de candidaturas presentadas por vacante; en el caso de perfiles de Big Data es el que más disminuye desde el año 2013 al 2014:

post2

La causa más plausible es la falta de data scientist en el mercado, y es que la combinación de capacidades y requisitos para llegar a ser un profesional de esta índole no es baladí.

En términos de formación, son licenciados en matemáticas e ingenieros informáticos. En los últimos años se ha multiplicado la oferta de este doble grado. Haciendo una simple búsqueda en la web de Universia, encontramos esta formación en prácticamente toda la geografía española. Incluso una institución como Coursera ofrece un curso en nueve etapas para convertirse en un Científico de Datos: “Launch your career in Data Science”.

Pero no sólo es una cuestión de formación, un ingrediente imprescindible es el aterrizaje al mundo real de lo aprendido; es decir, una base de experiencia en el uso y aplicación en el ámbito empresarial permite tener una perspectiva de “realidad y aplicabilidad” a la normalización de fuentes de datos, la selección del algoritmo adecuado, al entrenamiento de los mismos, al procesamiento del lenguaje natural o al análisis de contenidos de redes sociales.

Sin embargo, teniendo en cuenta la relevancia de los requisitos ya mencionados, la capacidad, quizá, más importante es la de saber hacerse las preguntas de negocio adecuadas. Saber QUÉ es lo que realmente importa en un sector concreto, QUÉ proceso crítico de negocio se puede solucionar mediante el análisis de los datos, saber QUÉ se está buscando cuando nos aproximamos a un cliente, en un contexto concreto… y una curiosidad infinita.

En PiperLab, más del 70% de nuestra plantilla concentra todas estas capacidades… y más….

Deja tu comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Maite Gilarranz

Autor: Maite Gilarranz

Co-fundadora de Piperlab