Colecciones

Lo que buscan las empresas al contratar científicos de datos

Lo que buscan las empresas al contratar científicos de datos

Hoy en día, la ciencia de datos está en el corazón de casi todas las empresas y organizaciones. La creciente necesidad no solo de recopilar datos, sino de tamizarlos y analizarlos para tomar decisiones directas, ha generado una gran demanda de científicos de datos calificados.

Una carrera de científico de datos tiene un gran atractivo para aquellos que no solo encuentran un puesto con demanda, sino uno que ofrece un alto potencial de ingresos y una alta satisfacción laboral. Se ubica como el mejor trabajo para 2019 en Estados Unidos en Glassdoor con un salario base promedio de $108,000 y una clasificación de 4,3 sobre 5 en satisfacción laboral.

Para aclarar las diferencias entre un científico de datos y un analista de datos, vea el siguiente video:

¿Qué se necesita para ser un científico de datos? Obviamente, las habilidades técnicas sólidas son esenciales. Pero la pregunta es ¿qué habilidades específicas debe dominar para emprender esta carrera en particular?

RELACIONADO: LA EVOLUCIÓN DE LOS IDIOMAS DE COMPUTADORAS DURANTE 136 AÑOS

Las habilidades imprescindibles

La respuesta a la pregunta de las habilidades esenciales para los científicos de datos sigue cambiando y evolucionando, como lo demuestra un artículo ampliamente citado sobre el tema por KD Nuggets, 9 habilidades imprescindibles que necesita para convertirse en un científico de datos, actualizado. El "actualizado" se agregó al título porque el número de habilidades en la lista creció con los años.

Tal como está ahora, las 13 habilidades en la lista de KD Nuggets son las siguientes:

  1. Educación
  2. Programación R
  3. Codificación Python
  4. Plataforma Hadoop
  5. Codificación / base de datos SQL
  6. Apache Spark
  7. Aprendizaje automático e inteligencia artificial
  8. Visualización de datos
  9. Datos no estructurados
  10. Curiosidad intelectual
  11. Visión para los negocios
  12. Habilidades de comunicación
  13. Trabajo en equipo

Si bien algunas de las habilidades no son una sorpresa, ya que esperaría que un científico de datos domine los lenguajes y las habilidades técnicas que se usan en la ciencia de datos, algunos de los elementos son un poco más generales. Y eso se debe a que la ciencia de datos no se trata de una mera extracción de números de memoria, sino de darle sentido a todo en el contexto de los objetivos comerciales.

No solo una ciencia sino un arte

Por eso hace varios añosVenture Beat sugirió que "artista de datos" puede ser un título de trabajo más preciso: "Quizás estos científicos no son los Einsteins y Edison, sino los Van Goghs y Picassos de la revolución del big data". El punto es reconocer que los científicos de datos no se limitan a observar y cuantificar, sino que proponen enfoques creativos para extraer conocimientos y valor de los datos.

Un científico de datos exitoso no es solo alguien que ha marcado la lista de habilidades duras; él o ella tiene que tener la capacidad de pensar en cómo abordar un problema de una manera nueva que abra el camino a una solución y luego comunicar efectivamente qué funcionó y por qué. Mucho más que un mero valor cuantitativo, el científico de datos exitoso es un pensador creativo y solucionador de problemas con comprensión del dominio.

La prueba de la entrevista de habilidades duras y blandas

Esta combinación de habilidades es lo que surge de la lista que presenta Roger Huang enCada entrevista sobre ciencia de datos se reduce a cinco preguntas básicas. Esas cinco preguntas funcionan para 60% habilidades duras, 20% habilidades blandas, y 20% capacidad para aplicar el conocimiento a la situación.

Las habilidades duras componen tres de las preguntas: una sobre matemáticas, una sobre codificación y una sobre estadísticas. Las habilidades blandas entran en juego para proporcionar la respuesta a lo que Huang llama "preguntas de comportamiento" que evalúan la idoneidad del solicitante para la cultura de la empresa. Luego está lo que él llama la "pregunta del escenario", la que desafía a los solicitantes a demostrar su capacidad para aplicar lo que han aprendido a una situación particular y esbozar un enfoque que podría funcionar.

Viendo el panorama completo

Como una de las características distintivas del científico de datos es la curiosidad intelectual que impulsa a una persona a buscar una comprensión real, se espera que la persona haga más que simplemente hacer cálculos. Como un Wall Street Journal artículo, ¿Qué es un científico de datos? declaró, "un científico de datos eficaz ... tiene la capacidad de ver cómo determinados subconjuntos de datos pueden ser más útiles que otros, y qué conclusiones se pueden extraer de ellos".

También es importante interesarse por el panorama general de la organización y los resultados pertinentes para sus objetivos. Eso es coherente con lo que el Dr. John Maiden, científico de datos de Digital Intelligence de JP Morgan Chase, describió en un blog de la Academia de Ciencias de Datos de NYC.

Una de las cosas clave que buscan en la empresa financiera es la capacidad de "aplicar soluciones a problemas grandes y complicados del mundo real". Explica que se debe a que el trabajo implica menos participación en el "análisis de datos sencillo" que en "discutir conjuntos de datos desordenados para proporcionar información procesable".

Las C son clave

En el video a continuación, Bernard Ong, AVP, Científico de datos líder, Análisis avanzado en Lincoln Financial Group, habla sobre su propia trayectoria profesional y lo que busca en los candidatos cuando contrata para su equipo. Además de las habilidades de codificación y matemáticas, dice, quiere candidatos que posean lo que él llama las "3 C". Estos representan curiosidad, creatividad y pensamiento crítico.

Ong explicó por qué un buen científico de datos debe tener esas capacidades para "no solo comprender el modelado y el análisis predictivo, sino también qué tipo de desafíos comerciales estamos tratando de abordar". Aquí es donde es importante pensar en cómo encajan las cosas.

“Empieza por hacer las preguntas correctas, lo que surge de la curiosidad. Continúa con el pensamiento crítico para evaluar el problema y avanza con creatividad para proponer soluciones innovadoras y en comunicar la visión al final del negocio en términos que comprendan ", agregó Ong.

Contar la historia de datos que impulsa las decisiones

Cuando se trata de comunicar esta visión, los "términos técnicos" no son suficientes. Más bien, "tienes que ser capaz de contar la historia detrás de los datos", señala Ong.

Trabajar tales movimientos dentro de una empresa ciertamente requiere capitalizar las habilidades sociales, pero también son cruciales incluso para aquellos que permanecen en el rol de científico de datos. Maiden enfatiza la importancia de poder comunicarse bien "para brindar consejos prácticos para impulsar la toma de decisiones". Eso requiere no solo comunicación oral y escrita, sino también visualización de datos, encontrar los cuadros y gráficos correctos para contar la historia de los datos de una manera que la haga comprensible incluso para aquellos que no están capacitados en análisis de datos.

A medida que las personas responden fuertemente a la prueba visual, la representación gráfica de las correlaciones y la causalidad que surgen del análisis de datos transmite las relaciones de una manera mucho más convincente que el simple texto. La visualización de datos es realmente donde la cuantificación matemática y el arte creativo se unen hacia el mismo fin de promover decisiones basadas en datos.

KD Nuggets toca ese mismo punto al enfatizar lo importante que es desarrollar "una sólida comprensión de los fundamentos de la industria y los objetivos de la empresa" para permitir que el científico de datos aproveche "las habilidades técnicas para marcar la diferencia a largo plazo". . " Es de un interés aún más vital para los científicos de datos cuyas aspiraciones profesionales incluyen un cambio a un puesto dentro de la C-Suite.

Los enfoques creativos resuelven problemas de datos

En la misma línea, Ong dice que debe comprender el contexto más amplio para asegurarse de que está trabajando con los datos necesarios para resolver el problema:

“Uno de los desafíos es obtener los datos correctos para encontrar las respuestas necesarias. Puede curar grandes cantidades de datos y aun así descubrir que no brindan la información que busca ".

Ahí es donde entra en juego el pensamiento creativo para trabajar en la "fusión de datos". Ese enfoque consiste en combinar "diferentes fuentes de datos en nuevas combinaciones que podrían proporcionar el tipo correcto de datos".

“Aquí es donde la creatividad ayuda al científico de datos a realizar nuevos descubrimientos y encontrar soluciones”, declara Ong.

En última instancia, trabajar con Big Data requiere el uso de la creatividad y los procesos metódicos en una combinación ideal que Einstein describió como el ideal de la ciencia:

“La mera formulación de un problema es mucho más esencial que su solución, que puede ser simplemente una cuestión de habilidades matemáticas o experimentales. Plantear nuevas preguntas, nuevas posibilidades, considerar viejos problemas desde un nuevo ángulo requiere imaginación creativa y marca avances reales en la ciencia ”.


Ver el vídeo: Aplicaciones Big Data y Data Science sobre Apache Spark (Noviembre 2021).