{"id":1948,"date":"2018-03-07T11:10:05","date_gmt":"2018-03-07T11:10:05","guid":{"rendered":"https:\/\/keepler.io\/2018\/03\/07\/entendiendo-los-verdaderos-perfiles-de-ciencia-de-datos\/"},"modified":"2023-09-12T13:25:55","modified_gmt":"2023-09-12T13:25:55","slug":"entendiendo-los-verdaderos-perfiles-de-ciencia-de-datos","status":"publish","type":"post","link":"https:\/\/keepler.io\/es\/2018\/03\/07\/entendiendo-los-verdaderos-perfiles-de-ciencia-de-datos\/","title":{"rendered":"Entendiendo los (verdaderos) perfiles de ciencia de datos"},"content":{"rendered":"

El mundo de la ciencia de datos<\/strong> est\u00e1 en crecimiento en los \u00faltimos a\u00f1os. Lo que era un paso m\u00e1s en el big data, la anal\u00edtica avanzada, ha pasado a ser clave en proyectos basados en datos<\/strong> y est\u00e1 generando la especializaci\u00f3n del rol de cient\u00edfico de datos,<\/strong> diferentes especializaciones que err\u00f3neamente se dirigen todas al mismo concepto: cient\u00edfico de datos.<\/p>\n

A pesar de que tiene bastante tiempo, en Keepler<\/strong><\/a> estamos muy alineados con la ya cl\u00e1sica divisi\u00f3n de los skills<\/em> de un data scientist. En este diagrama que ves a continuaci\u00f3n, adem\u00e1s de los hard-skills<\/em> m\u00e1s t\u00e9cnicos y pr\u00f3ximos al machine learning, los skills<\/em> m\u00e1s puros asociados a matem\u00e1ticas y estad\u00edstica, y los m\u00e1s asociados al \u00e1mbito del research<\/em> a trav\u00e9s de la motivaci\u00f3n de preguntas e hip\u00f3tesis, encontramos una \u201czona de peligro\u201d que se encuentra entre aquellos con conocimiento t\u00e9cnico y con deseo de obtener conclusiones, que se aventuran a usar librer\u00edas sin comprender lo que realmente ocurre por debajo, c\u00f3mo y qu\u00e9 aprende un modelo, pudiendo llegar a conclusiones incorrectas.<\/p>\n

\"skills

Diagrama skills de cient\u00edficos de datos. Fuente: Berkeleys Science Review<\/p><\/div>\n

Bas\u00e1ndonos en este esquema, \u00bfc\u00f3mo podemos construir una foto lo m\u00e1s realista posible del estado de los<\/strong>\u00a0perfiles de cient\u00edficos de datos?<\/strong><\/p>\nCu\u00e1les son los perfiles profesionales en la ciencia de datos #datascience #datascientist <\/a><\/span>Compartir en X<\/a><\/span>\n

Data Analyst<\/strong> como base de todos los dem\u00e1s, que hace anal\u00edtica exploratoria con SQL, visualizaci\u00f3n y algo de scripting con R o Python. Suele ser una persona de business intelligence<\/em> pero m\u00e1s potente a nivel de conocimiento tecnol\u00f3gico<\/strong>. Es un perfil con bastante cuota de mercado y, a la larga, nos atrevemos a decir que sustituir\u00e1 al perfil de business intelligence<\/em> tradicional.<\/p>\n

Data Engineer<\/strong> es un perfil que suscita poco acuerdo en c\u00f3mo entenderlo pero, en resumidas cuentas, es es el perfil, dentro del colectivo de cient\u00edficos de datos, con conocimiento tecnol\u00f3gico m\u00e1s fuerte<\/strong>. Con cierto solape entre los ingenieros cloud<\/em> e ingenieros de datos, est\u00e1 m\u00e1s enfocado a disponibilidad nuevas herramientas y modelos en una arquitectura normal. No podemos decir que sea puramente un cient\u00edfico de datos, pero est\u00e1 muy cerca.<\/p>\n

Business Analyst<\/strong> es el perfil m\u00e1s enfocado a la preventa<\/strong>, con alto conocimiento en casos de uso, y a la gesti\u00f3n de equipos.<\/p>\n

Data Scientist<\/strong> es lo que entendemos, en general, como el aut\u00e9ntico cient\u00edfico de datos, con conocimiento matem\u00e1tico, estad\u00edstico, scripting en diferentes lenguajes, machine learning\u2026<\/p>\n

Data Visualization Specialist<\/strong> es un Data Analyst con m\u00e1s skills<\/em> de presentaci\u00f3n de informes y visualizaci\u00f3n. Es tambi\u00e9n similar al perfil de business intelligence<\/em> pero con el enfoque de hacer informes m\u00e1s reutilizables y automatizados, de cara a reportes m\u00e1s complejos y profundos que un simple dashboard<\/em>. Buscan nuevas preguntas que hacer en la informaci\u00f3n, en lugar de intentar \u00fanicamente contestar las que ya se tienen.<\/p>\n

Por \u00faltimo, identificamos tres perfiles, menos habituales y bastante concretos, como son el Financial Analyst<\/strong>, Statistician Analyst<\/strong> y Quants<\/strong>, estos dos \u00faltimos muy estad\u00edsticos y matem\u00e1ticos m\u00e1s cercanos al campo de research<\/em>.<\/p>\n

Si tuvi\u00e9ramos que categorizar estos perfiles seg\u00fan sus tareas<\/strong>, tendr\u00edamos:<\/p>\n

Data business<\/strong>: Data Analyst, Business Analyst y Financial Analyst.
\nData creative<\/strong>: Data Visualization Specialist.
\nData developer<\/strong>: Data Scientist y Data Engineer.
\nData researcher<\/strong>: Statistician Analyst y Quants.<\/p>\n

\"Skills

Cl\u00faster de perfiles seg\u00fan categor\u00edas de tareas a realizar. Fuente: Harris et al.,2013 as shown in Creating a Data-Driven Organization. Fuente: O’Reilly<\/p><\/div>\n

Y si hablamos de soft-skills<\/em>, \u00bfqu\u00e9 cualidades deber\u00edan presentar los diversos roles dentro del perfil de cient\u00edfico de datos?<\/strong><\/p>\n

Despu\u00e9s de este repaso, esperamos que tengas una foto de los verdaderos perfiles de cient\u00edficos de datos que hay en el mercado. No solo est\u00e1 el cient\u00edfico de datos en s\u00ed, sino que la evoluci\u00f3n de esta rama de la anal\u00edtica para negocio ha permitido la aparici\u00f3n de nuevos perfiles con su respectiva especializaci\u00f3n que se complementan unos a otros.<\/p>\n

\n

En Keepler buscamos Data Scientist<\/strong><\/a><\/p>\n

\n

Imagen: pexels.com | bruce mars<\/p>\n","protected":false},"excerpt":{"rendered":"

El mundo de la ciencia de datos est\u00e1 en crecimiento en los \u00faltimos a\u00f1os. Lo que era un paso m\u00e1s en el big data, la anal\u00edtica avanzada, ha pasado a ser clave en proyectos basados en datos y est\u00e1 generando la especializaci\u00f3n del rol de cient\u00edfico de datos, diferentes especializaciones que err\u00f3neamente se dirigen todas […]<\/p>\n","protected":false},"author":134360170,"featured_media":785,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"","_seopress_redirections_param":"","_seopress_redirections_type":0,"_seopress_analysis_target_kw":"","_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"{title}\n\n{excerpt}\n\n{url}","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[227],"tags":[293,267],"class_list":["post-1948","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-de-datos","tag-data-science-es","tag-perfiles-it"],"jetpack_publicize_connections":[],"jetpack_shortlink":"https:\/\/wp.me\/p9CeZw-vq","jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/i0.wp.com\/keepler.io\/wp-content\/uploads\/2018\/03\/keepler-data-science-profiles.jpg?fit=800%2C350&ssl=1","_links":{"self":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/1948","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/users\/134360170"}],"replies":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/comments?post=1948"}],"version-history":[{"count":1,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/1948\/revisions"}],"predecessor-version":[{"id":2405,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/posts\/1948\/revisions\/2405"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/media\/785"}],"wp:attachment":[{"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/media?parent=1948"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/categories?post=1948"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/keepler.io\/es\/wp-json\/wp\/v2\/tags?post=1948"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}

Orientaci\u00f3n al detalle<\/strong> haciendo hincapi\u00e9 en la calidad.
\nEscepticismo<\/strong> para cuestionarse todo antes y durante el proyecto.
\nCuriosidad<\/strong> para llegar a nuevas conclusiones.
\nPragmatismo<\/strong> para aprovechar al m\u00e1ximo los recursos.
\nFoco en negocio<\/strong> porque no hay que olvidar que trabaja para dar resultados al cliente, incluso si ese cliente es uno mismo.
\nStoryteller<\/strong><\/em> o capacidad para desarrollar la historia que cuentan los datos.<\/p>\nSkills de los perfiles de ciencia de datos #datascience <\/a><\/span>Compartir en X<\/a><\/span>\n