Por Fredi Vivas
Dentro de las nuevas posibilidades profesionales que abre la tecnología, la ciencia de datos se presenta como una de las áreas más atractivas en el mercado de trabajo del siglo XXI. Los datos abren la puerta a tantas nuevas oportunidades que aprender a captarlos y analizarlos son de interés para profesionales de todas las áreas. Como ocurrió con la electricidad hace cuatro siglos, hoy no hay industria que no pueda aprovechar el poder de los datos para potenciarse u optimizarse. Por esa razón, hoy su gestión es una de las habilidades más demandadas por las empresas, gobiernos y organizaciones.
Para quienes nunca escucharon hablar de ella (o lo hicieron muchas veces pero no se han detenido a pensar en qué es), podemos empezar por definir la ciencia de datos como la disciplina que usa técnicas avanzadas de análisis de datos para resolver problemas, aplicando matemática, estadística y lógica. Lo interesante del trabajo de un científico de datos es tener la posibilidad de encontrar información relevante en esos datos, que le sirva a las empresas, gobiernos y organizaciones a tomar decisiones. ¿Y qué tipo de fenómenos estudia la ciencia de datos? Casi cualquiera que sea susceptible de ser analizado: la data science puede ser útil para sociólogos, médicos y empresarios de cualquier industria. Un ministerio de Salud puede cruzar sus datos disponibles con otras fuentes para conocer mejor a la población y diseñar políticas públicas más eficientes, de la misma forma que una cadena de restaurantes puede usar esta ciencia para conocer el comportamiento de su clientela y pensar estrategias de marketing.
Ahora que hemos definido qué es la ciencia de datos, hay que aclarar que esta profesión o actividad no tiene un rol definido con claridad, ya que demanda diferentes técnicas de programación para analizar datos, y dos científicos de datos pueden trabajar con diferentes herramientas sobre los mismos datos. Estos conocimientos, hoy muy valorados y con creciente demanda en el mercado del trabajo, en un largo plazo llegarán a ser considerados tan importantes como estar alfabetizados. Esto no quiere ser que en el futuro todos serán programadores y científicos de datos, pero es muy probable que todos los profesionales deban tener al menos conocimientos básicos de algunas de esas herramientas, o suficientes como para poder integrar un equipo con expertos en data science.
Por fuera de esa tendencia, existen algunas carreras nuevas que surgen de forma específica a partir del auge de la captación y análisis de datos, como la ingeniería en machine learning, la especialización en visualización de datos y el nuevo rol del traductor de datos.
Captar y analizar datos son habilidades muy valiosas de encontrar en un colaborador. Sin embargo, en los próximos años, más demandado aún será el rol de una persona que pueda diseñar la arquitectura de soluciones que permitan automatizar todos los procesos involucrados en la ciencia de datos: captación, prueba e implementación de modelos). Es por eso que la Ingeniería de machine learning (o de aprendizaje automático) se presenta como un rol altamente atractivo en el mercado de trabajo de los próximos años. Un ingeniero en machine learning es quien podrá garantizar que toda la tecnología disponible esté puesta en producción y funcione correctamente. Como dijimos antes: esto vale no sólo para la industria tecnológica, sino para absolutamente todas las áreas productivas.
Sin embargo, una vez captados los datos, es necesario disponer de profesionales que puedan volcarlos visualmente para la comprensión de los grandes públicos. Es por eso que los consultores de visualización de datos constituyen otro rol que ya es altamente demandado en el mercado de trabajo y que lo será más aún en el futuro. Son ellos quienes mejor pueden poner en valor el trabajo realizado en las instancias previas, y quienes funcionan como «traductores» de estos grandes volúmenes de datos captados por especialistas y que necesitan ser comprendidos por el público general (no necesariamente especializados en el tema).
La falta de entendimiento entre los perfiles técnicos que dominan los datos y quienes tienen que emplear la información para tomar decisiones provoca que se desaprovechen muchas oportunidades de negocio y la posibilidad de adquirir una ventaja competitiva.
Esa brecha interpretativa precisa un perfil que domine tanto el aspecto cuantitativo como el cualitativo de los datos, capaz de adaptar la información y los insights que se extraigan en un lenguaje que los gerentes entiendan.
Este perfil existe y se denomina data translator: domina la parte técnica pero también tiene visión de negocios, conoce en profundidad la compañía y el sector en el que se mueve. Sin duda, en los próximos años, este rol estará en la lista de los mejores cotizados en sectores corporativos.
Quizás lo más interesante de estas disciplinas, es que la mayoría de las personas que hoy las practican las aprendieron de forma autodidacta. Los recursos online disponibles para aprender a desarrollar en distintos lenguajes son tan vastos como los que enseñan a captar, analizar y visualizar datos. En nuestro país, además, las academias están mostrando un creciente interés por incorporar estas carreras a su oferta, y otras disciplinas están incorporando conocimientos de Data Science como saber complementario. La Ciencia de Datos hoy llegó para quedarse y en el futuro sólo puede ofrecernos más posibilidades para potenciar el desarrollo de todas las disciplinas humanas.
(*) Ingeniero en Sistemas de Información