¿Sabías que la tasa de desempleo en los Científicos de Datos (Data Scientists)es negativa? Es decir, hay más ofertas disponibles en el mercado que personas que puedan suplirlas. La demanda por profesionales en el campo de la ciencia de datos (o data science) está creciendo, y en este post te mostraré 10 pasos infalibles para conseguir trabajo en este campo aún si no tienes experiencia.
La ciencia de datos no es fácil y debes ser muy persistente para tener éxito en este campo. Evita pensar que Data Science es como hacer magia y todos los problemas se pueden resolver usando metodologías basadas en datos. Sé consciente de lo que este rol implica, no te dejes influenciar por lo que ves o lees (Científico de Datos el trabajo más sexy del siglo 21, Científico de Datos con un salario promedio de 100 mil USD al año). Inspírate en tu propia experiencia y toma la decisión por las razones correctas.
Define qué tipo de Científico de Datos quieres ser. Si tienes amplia experiencia en una industria específica, lo más recomendable es que te especialices en esa industria. Por ejemplo, si toda tu experiencia laboral ha sido en el sector financiero y te apasiona esa área, tu mejor camino será incursionar como Data Scientist para este tipo de empresas, dado que ya cuentas con amplio conocimiento del negocio. Por otro lado, puedes ser un Científico de datos con rol de Consultor. Por lo general, estos perfiles encajan muy bien en empresas de consultoría, agencias de publicidad, think tanks, etc. Si eres un Científico de Datos de este tipo ayudarás a distintas empresas y entidades en retos con múltiples contextos.
Prepárate con las habilidades básicas que todo Data Sientist debería tener: Bases sólidas en matemáticas, álgebra lineal, estadística y ciencias de la computación. Igualmente, debes tener buenas bases de ingeniería de software y programación, incluyendo conocimientos en algoritmos y manejo de bases de datos (en especial SQL). También, debes entender y poder implementar algoritmos de machine learning y saber cómo procesar grandes cantidades de datos (Big Data) haciendo uso de Frameworks como Spark o Hadoop. Por último, no olvides trabajar en tus habilidades blandas. Un gran Científico de datos es un comunicador eficaz. Estudia técnicas de visualización de datos y aprende a comunicarte con personas que no tengan conocimientos avanzados en análisis de información.
Si estás trabajando actualmente, procura aplicar todo lo que estés aprendiendo (con referencia al punto 3) en tu trabajo. Por el contrario, si no estás trabajando comienza desarrollando proyectos propios que involucren todas las nuevas herramientas que aprendas. Ejemplo: Si estás aprendiendo cómo hacer Web Scraping en Python para data science, puedes comenzar a descargar datos de una pagina web que te interese mediante este método y analizarlos para encontrar conclusiones interesantes.
Comienza a mostrar el valor agregado de tus proyectos dentro del grupo de trabajo de tu oficina. Si no estás trabajando, muestra tus proyectos y su impacto usando un blog, GitHub, un video en YouTube, Twitter o cualquier otro medio digital que facilite la viralización de tus habilidades. Muéstrale a tus jefes y a tus conocidos lo que has aprendido y comunica tus resultados de forma llamativa a través de gráficos y visualizaciones de datos.
Busca comunidades de Científicos de Datos en tu universidad, tu industria, tu ciudad o tu empresa, y comienza a relacionarte con personas de este campo. Habla con ellos, pregúntales qué hacen, cuéntales de tus proyectos y pídeles guía de cómo seguir avanzando. Actualízate y aprende a usar las tecnologías que ellos manejan y familiarízate con los flujos de trabajo que sigan en el día a día.
Actualiza tu LinkedIn y muestra tus proyectos. Mantén una buena presencia en línea, sube tutoriales a YouTube, escribe blogs compartiendo tus experiencias y opina sobre temas de coyuntura en el ámbito del análisis de datos (Por ejemplo, nuevas tecnologías, nuevos algoritmos, etc.).
Utiliza tus habilidades para buscar empleo como Data Scientist. Encuentra empresas que te apasionen y responde preguntas, a las cuales creas que ellos no tengan respuesta, a través de análisis de datos. Utiliza esto como tu carta de presentación y contacta a empleados de la organización mostrando tu interés genuino en trabajar allí.
Sé genuino y demuestra motivación y conocimiento de las empresas en cada proceso de contratación. Muy seguramente tendrás que realizar pruebas técnicas, así que deslúmbralos y dedícale bastante tiempo y esfuerzo a cada prueba. Si no te piden una prueba, diferénciate del resto de aplicantes presentando un análisis de datos que sea útil para la compañía, esto mostrará tu motivación, capacidad e interés en lo que hace la empresa.
Nunca pares de aprender. Una vez encuentres tu primer trabajo como Científico de Datos actualízate constantemente. Lee blogs y artículos académicos para mejorar tus habilidades técnicas y tu capacidad innovadora. No olvides siempre mantener un balance en tus habilidades profesionales. Los científicos de datos aprendemos muchísimo estando fuera del teclado, también conoce del negocio de tu empresa, dicta presentaciones, comunica resultados y aporta a la visión estratégica de tu equipo de trabajo.
¿Tienes en mente buscar trabajo como científico de datos? Déjame tus comentarios abajo y te ayudaré en el proceso 👇🏻
Un buen recurso es Kaggle:
https://www.kaggle.com/
Kaggle es una comunidad en línea de científicos de datos y aprendizaje automático (Machine Learning), propiedad de Google LLC.
Kaggle permite a los usuarios encontrar y publicar conjuntos de datos, explorar y construir modelos en un entorno de ciencia de datos basado en la web, trabajar con otros científicos de datos e ingenieros de aprendizaje automático, y participar en competencias para resolver los desafíos de la ciencia de datos.
Kaggle tuvo su inicio al ofrecer competencias de aprendizaje automático y ahora también ofrece una plataforma pública de datos, una mesa de trabajo basada en la nube para la ciencia de la información y una plataforma sencilla para educación en IA.
La infraestructura y el modelo de negocios de Kaggle fue adquirida el 8 de marzo de 2017.
Crédito: Tomado de Wikipedia, en su versión Inglés Norteamericano.
Excelente información.
Gracias por compartirlo 😃
Muy buen post y espero pronto unificar mi título de Matemático con unos buenos cursos de Platzi y así llegar a tan interesante industria. Interesadísimo en laborar 😃
Excelente post, hay una trayectoria muy amplia y varios roles en donde se podrían aplicar estos conocimiento como científico de datos, pero esto es lo mas interesante de esta rama que hay una gran mezcla de conocimiento para poder solucionar grande inconvenientes.
una pequeña frase que me gusta en un científico de datos:
“Persona que sabe más de estadística que cualquier programador y que a la vez sabe más de programación que cualquier estadístico”
Me gustó mucho tu blog Juan, tengo una pregunta. ¿Qué tan distinto es un trabajo de un Data Scientist con un Ingeniero en Machine Learning y el de un Data Engineer?
Osmandi en la escuela de data scientis el profesor David Aroesti en el curso de “Ingenieria de Datos con Python” explica que primero tenes que ser un Data Engineer, luego un Data Scientist y despues un Machine Learning Engineer
Data Engineer: Se encarga de obtener los datos, lmpiarlos y estructurarlos para posteror analisis, crear piplines de analisis automatizados,utilizacion de herramientas en la nube y analisis descriptibos de los datos.
Data Scientist: Analisis matematicos de los datos, Identificacion de variables relevantes para el negocio y Generacion de modelos predictivos y prescriptivos.
Machine Learning Engineer: Creacion de sistemas predictivos y prescriptivos de gran escala y hacer mantenimiento y ajustes del los modelos.
Encontré un blog sobre análisis de datos, me parece un punto muy importante antes de empezar con Ciencia de datos.
Lo comparto,
https://www.questionpro.com/es/analisis-de-datos.html
Excelente post, hay una trayectoria muy amplia y varios roles en donde se podrían aplicar estos conocimiento como científico de datos, pero esto es lo mas interesante de esta rama que hay una gran mezcla de conocimiento para poder solucionar grande inconvenientes.
una pequeña frase que me gusta en un científico de datos:
“Persona que sabe más de estadística que cualquier programador y que a la vez sabe más de programación que cualquier estadístico”
A mí me encantaría seguir obteniendo conocimiento alrededor de este campo. Y en un futuro cercano conseguir empleo en ello.
Yo me enfoco mucho en el cómputo científico, y por eso mismo estoy interesado en ser Científico de Datos.
Excelente post
Está guía está tan buena que me atrevería a decir que sirve para cualquier área del conocimiento en el que quieras trabajar
Muy buen aporte.
Grandioso aporte amigo, te agradezco por tan valiosos consejos.
Son muy genialessssss me encantan estos posts que leo como si fueran un diario que leo rapidamente en un ratito
Canva es una buena herramienta para armar el cv en una hoja
Excelente post, a futuro si me gustaria irme por esta rama 😃
Muy bueno, sin duda, pienso que a nivel general esta serie de pasos aplican para cualquier otra área profesional.
Muy buen dato. Thanks
En todo el post, los numeros están marcados con el número 1 (11/03/19). Por eso me confundí cuando hacían referencia al punto 3.
Una pregunta tonta para una respuesta inteligente: ¿Es necesario titulo universitario para esta carrera?. No creo que pueda terminar mi carrera de contaduria pública because Venezuela. Gracias por la información.
Buen aporte.
Oro puro el contenido de Freddy, realmente de mucho valor. Permitieron sus videos y este artículo que comenzara a proyectar mejor mi marca personal de la manera más efectiva y honesta en Internet
Hola Juan, gracias por el post, leerlo fue muy entretenido principalmente por que esta realmente acercado a la realidad.
Saludos desde Bolivia.
Adonaí
Hola me interesó mucho este post y al igual se me hizo muy versátil por la manera que abordan cómo puedes crecer en esta rama desarrollando proyectos y mejorando tu CV. Aunque me quedan dudas de incursionar en esta área ya que yo estudié economía y finanzas en la universidad y actualmente trabajo en el sistema financiero pero en procesos de venta. Por lo tanto, me he distanciado de lo técnico aunque siempre le he encontrado el gusto y me gustaría saber cómo aplicar esto en el área económico financiera. Mi pregunta es si tengo que tener algunos conocimientos muy arraigados por ejemplo estadística, cálculo, programación para iniciar con la escuela de data science. No quisiera entrar al curso y no entender los conceptos o clases por no tener este respaldo.
Muy buenos consejos que siguen aplicando para ahora!!!
Tengo una duda. Para conseguir trabajo como Data Sciencie necesito titulo universitario? Vivo en Colombia, se ingles americano algo fluido asi que me puedo mudar a eeuu