¿Cuál es el siguiente paso después del científico de datos?

El aprendizaje de conocimientos científicos sobre datos puede revolucionar tu carrera. Pero por desgracia, los grandes trabajos no simplemente caen del cielo tan pronto como usted ha dominado Python o R, SQL, y las otras habilidades técnicas necesarias. Encontrar un trabajo requiere tiempo y esfuerzo. La búsqueda de la derecha El trabajo requiere tiempo, esfuerzo y conocimiento.

El objetivo de esta guía de carrera es armarte con ese conocimiento, para que puedas pasar tu tiempo de manera eficiente y terminar con la carrera de ciencia de datos que quieras.

El primer paso es averiguar cómo es realmente la carrera que quieres. Dónde puede ¿Tus nuevas habilidades en ciencia de datos toman tu carrera? ¿Qué camino es el adecuado para ti?

Responder a estas preguntas debe ser el primer paso en su trabajo de ciencia de datos. Y aunque las respuestas pueden parecer obvias, vale la pena tomarse el tiempo para investigar más profundamente y explorar realmente todos de sus opciones potenciales. Eso es lo que haremos en este artículo.

Específicamente, vamos a echar un vistazo a algunos de los diferentes títulos de trabajo y descripciones que podrían ser opciones para usted si usted está buscando cambiar de carrera. También echaremos un vistazo a las opciones que tal vez no hayas pensado: ser freelance y usar la ciencia de los datos en tu posición actual.

Cambiar de carrera: ¿Qué títulos de trabajo están disponibles en la ciencia de los datos?

El primer paso en cualquier búsqueda de empleo es identificar los tipos de trabajos que usted debe estar buscando. En el campo de la ciencia de los datos, esto se complica rápidamente, por un par de razones:

No hay una definición universal de “científico de datos” o “analista de datos” en la que cada empresa esté de acuerdo, por lo que diferentes posiciones con el mismo título pueden requerir diferentes conjuntos de habilidades
Hay una plétora de otros títulos de trabajo de uso común que involucran el trabajo de ciencia de datos que usted no puede encontrar si usted está buscando sólo para “analista de datos” o “científico de datos” roles.

Obviamente, no podemos cubrir cada título de trabajo potencial que podría ser utilizado por una empresa, pero podemos hablar de algunos de los papeles principales en el universo de la ciencia de datos, cómo difieren, y la progresión de su carrera en el campo si usted está empezando en ese papel.

Nota: a continuación, estamos utilizando promedio de los datos salariales de De hecho para cada posición, sobre la base de los datos de los EE.UU.. Obviamente, los salarios variarán según la ubicación, la empresa y en función de su propio conjunto de habilidades y nivel de experiencia, por lo que probablemente sea mejor tratar estos números como directrices aproximadas. Fueron actualizados por última vez el 9 de septiembre de 2020.

Los Tres Grandes: Analista de Datos, Científico de Datos e Ingeniero de Datos

Analista de datos

Salario medio: 75.068 dólares (más un promedio de 2.500 dólares anuales de bonificación en efectivo)

¿Qué es un analista de datos? Esto se suele considerar una posición de “nivel de entrada” en el campo de la ciencia de los datos, aunque no todos los analistas de datos son subalternos y los sueldos pueden variar ampliamente.

El trabajo principal de un analista de datos es mirar los datos de la empresa o de la industria y usarlos para responder a preguntas de negocios, y luego comunicar esas respuestas a otros equipos de la empresa para actuar en consecuencia. Por ejemplo, se podría pedir a un analista de datos que examinara los datos sobre ventas de una reciente campaña de comercialización para evaluar su eficacia e identificar los puntos fuertes y débiles. Esto implicaría acceder a los datos, probablemente limpiarlos, realizar algún análisis estadístico para responder a las preguntas empresariales pertinentes, y luego visualizar y comunicar los resultados.

Con el tiempo, los analistas de datos a menudo trabajan con una variedad de diferentes equipos dentro de una empresa; usted puede trabajar en análisis de marketing un mes, luego ayudar al CEO a utilizar los datos para encontrar las razones por las que la empresa ha crecido el siguiente. Por lo general, se le dará preguntas de negocios para responder en lugar de pedirle que encuentre tendencias interesantes por su cuenta, como los científicos de datos a menudo lo son, y por lo general se le encargará de extraer información de los datos en lugar de predecir resultados futuros con el aprendizaje automático.

Competencias requeridas: Los detalles varían de una posición a otra, pero en general, si estás buscando roles de analista de datos, querrás estar cómodo con:

Programación intermedia de ciencia de datos en Python o R, incluyendo el uso de paquetes populares
Consultas SQL intermedias
Limpieza de datos
Visualización de datos
Probabilidad y estadísticas
Comunicar el análisis de datos complejos de manera clara y comprensible a personas sin estadísticas o antecedentes de programación

Perspectivas profesionales: Analista de datos es un término amplio que abarca una amplia variedad de puestos, por lo que su trayectoria profesional es bastante abierta. Un siguiente paso común es continuar construyendo sus habilidades de ciencia de datos —a menudo con un enfoque en el aprendizaje automático— y trabajar hacia un papel como científico de datos. Alternativamente, si usted está más interesado en el desarrollo de software, la infraestructura de datos, y ayudar a construir una tubería de datos completa, usted podría trabajar hacia una posición como ingeniero de datos. Algunos analistas de datos también utilizan sus habilidades de programación para pasar a funciones de desarrollo más generales.

Si sigues con el análisis de datos, muchas empresas contratan analistas de datos senior. En las empresas más grandes con equipos de datos, también puedes pensar en trabajar hacia roles de gestión si estás interesado en desarrollar habilidades de gestión.

Científico de datos

Salario medio: 121.674 dólares (más opciones de existencias)

¿Qué es un científico de datos? Los científicos de datos hacen muchas de las mismas cosas que los analistas de datos, pero también suelen construir modelos de aprendizaje automático para hacer predicciones precisas sobre el futuro basadas en datos pasados. Un científico de datos a menudo tiene más libertad para perseguir sus propias ideas y experimentar para encontrar patrones y tendencias interesantes en los datos que la administración puede no haber pensado.

Como científico de datos, se le puede pedir que evalúe cómo un cambio en la estrategia de marketing podría afectar a los resultados de su empresa. Esto implicaría una gran cantidad de trabajo de análisis de datos (adquisición, limpieza y visualización de datos), pero probablemente también requeriría la construcción y capacitación de un modelo de aprendizaje automático que pueda hacer predicciones futuras confiables basadas en datos pasados.

Competencias requeridas: Todas las habilidades requeridas de un analista de datos, más :

Una comprensión sólida de los métodos de aprendizaje automático supervisados y no supervisados
Una sólida comprensión de las estadísticas y la capacidad de evaluar los modelos estadísticos
Habilidades de programación más avanzadas relacionadas con la ciencia de datos en Python o R, y posiblemente familiarización con otras herramientas como Apache Spark

Perspectivas profesionales: Si usted está trabajando como científico de datos, su próximo título de trabajo bien puede ser científico de datos de alto nivel, una posición que le ganará alrededor de $20,000 más por año en promedio. También puede optar por especializarse más en el aprendizaje automático como ingeniero de aprendizaje automático, que también traería un aumento de sueldo. O, usted puede mirar más hacia la gestión con roles como científico de datos líder. Si desea maximizar las ganancias, su objetivo final podría ser un papel C-suite en los datos, como el director de datos, aunque estos roles requieren habilidades de gestión y pueden no implicar un montón de trabajo diario real con los datos.

Ingeniero de datos

Salario medio: 129.609 dólares (más un promedio de 5.000 dólares anuales de bonificación en efectivo)

¿Qué es un ingeniero de datos? Un ingeniero de datos gestiona la infraestructura de datos de una empresa. Su trabajo requiere mucho menos análisis estadístico y mucho más desarrollo de software y habilidad de programación. En una empresa con un equipo de datos, el ingeniero de datos podría ser responsable de construir tuberías de datos para obtener los últimos datos de ventas, marketing e ingresos a analistas de datos y científicos rápidamente y en un formato utilizable. También es probable que sean responsables de construir y mantener la infraestructura necesaria para almacenar y acceder rápidamente a los datos del pasado.

Competencias requeridas: Las habilidades requeridas para los puestos de ingeniero de datos tienden a centrarse más en el desarrollo de software. Dependiendo de la empresa a la que estés mirando, también pueden depender bastante de la familiaridad con tecnologías específicas que ya forman parte de la pila de la compañía. Pero en general, un ingeniero de datos necesita:

Habilidades avanzadas de programación (probablemente en Python) para trabajar con grandes conjuntos de datos y construir tuberías de datos
Habilidades avanzadas de SQL y probablemente familiaridad con un sistema como Postgres

Perspectivas profesionales: Los ingenieros de datos pueden pasar a puestos de ingeniería más altos a través de la experiencia continua, o utilizar sus habilidades para la transición a una variedad de otras especialidades de desarrollo de software. Fuera de la especialización, también existe el potencial de pasar a funciones de gestión, ya sea como líder de un equipo de ingeniería o de datos (o de ambos, aunque sólo es probable que las empresas muy grandes tengan un equipo de ingeniería de datos considerable).

Otros títulos de trabajo en la ciencia de los datos

Mientras que el analista de datos, científico de datos, e ingeniero de datos en términos generales describir los diferentes roles que los expertos en datos pueden jugar en una empresa, hay una variedad de otros títulos de trabajo que verá que o se relacionan directamente con estos roles o implican el uso de habilidades de ciencia de datos. A continuación, vamos a echar un vistazo rápido a los títulos de trabajo que tal vez desee considerar al buscar empleo.

Ingeniero de aprendizaje automático

Salario medio: 144.813 dólares

¿Qué es un ingeniero de aprendizaje automático? Hay una gran superposición entre un ingeniero de aprendizaje automático y un científico de datos. En algunas empresas, este título sólo significa un científico de datos que se ha especializado en el aprendizaje automático. En otras empresas, el “ingeniero de aprendizaje automático” es más bien un papel de ingeniería de software que implica tomar el análisis de un científico de datos y convertirlo en software implementable. Aunque los detalles varían, prácticamente todos los puestos de ingeniero de aprendizaje automático requerirán al menos habilidades de programación de ciencia de datos y un conocimiento bastante avanzado de las técnicas de aprendizaje automático.

También puede ver puestos como este listado como “Máquina Especialista en Aprendizaje,” particularmente si la compañía está buscando un científico de datos que se ha especializado en el aprendizaje automático en lugar de un ingeniero de software que puede construir productos implementables que hacen uso del aprendizaje automático.

Analista cuantitativo

Salario medio: 127.438 dólares

¿Qué es un analista cuantitativo? Los analistas cuantitativos, a veces llamados “cuantidades”, utilizan análisis estadísticos avanzados para responder a preguntas y hacer predicciones relacionadas con la financiación y el riesgo. Huelga decir que la mayoría de las habilidades de programación de la ciencia de los datos son inmensamente útiles para el análisis cuantitativo, y un conocimiento sólido de las estadísticas es fundamental para el campo. La comprensión de los modelos de aprendizaje automático y de cómo pueden aplicarse para resolver problemas financieros y predecir los mercados también es cada vez más común.

Arquitecto de almacén de datos

Salario medio: 134.373 dólares

¿Qué es un arquitecto de almacén de datos? Esencialmente, esto es una especialidad o sub-campo dentro de la ingeniería de datos para la gente que quisiera estar a cargo de los sistemas de almacenamiento de datos de una empresa. Las habilidades SQL son definitivamente va a ser importante para un papel como este, aunque también necesitará un comando sólido de otras habilidades tecnológicas que variarán en función de la pila de tecnología del empleador. Usted no será contratado como arquitecto de almacén de datos sólo en sus habilidades de ciencia de datos, pero las habilidades SQL y el conocimiento de gestión de datos que tendrá de aprender ciencia de datos hacen que sea una posición que debe estar en su radar si usted está interesado en el lado de ingeniería de datos del negocio.

Analista de inteligencia empresarial

Salario medio: 95.806 dólares (más un promedio de 5.000 dólares anuales de bonificación en efectivo)

¿Qué es un analista de inteligencia de negocios? Un analista de negocios es esencialmente un analista de datos que se centra en el análisis de las tendencias del mercado y del negocio. Esta posición a veces requiere familiaridad con herramientas de análisis de datos basadas en software (como Microsoft Power BI), pero muchas habilidades de ciencia de datos también son cruciales para posiciones de analista de inteligencia empresarial, y muchas de estas posiciones también requerirán habilidades de programación Python o R.

Estadístico

Salario medio: 99.286 dólares

¿Qué es un estadístico? «Estadístico» es lo que se llamaba a los científicos de datos antes de que existiera el término «científico de datos». Las habilidades requeridas pueden variar bastante de un trabajo a otro, pero todas ellas requerirán una comprensión sólida de la probabilidad y las estadísticas. Las habilidades de programación, especialmente en un lenguaje centrado en las estadísticas como R, probablemente también serán útiles. A diferencia de los científicos de datos, por lo general no se espera que un estadístico sepa cómo construir y formar modelos de aprendizaje automático (aunque tal vez necesiten estar familiarizados con los principios matemáticos que subyacen a los modelos de aprendizaje automático).

Analista de Negocios

Salario medio: 80.025 dólares (más un promedio de 4.000 dólares anuales de bonificación en efectivo)

¿Qué es un analista de negocios? ‘Business analyst’ es un título de trabajo bastante genérico que se aplica a una amplia variedad de roles, pero en los términos más amplios, un analista de negocios ayuda a las empresas a responder preguntas y resolver problemas. Esto no lo hace necesariamente involucrar el uso de habilidades de ciencia de datos, y algunos puestos de analista de negocios no los requieren. Pero muchos trabajos de analista de negocios requieren que el analista capture, analice y haga recomendaciones basadas en los datos de una empresa, y tener habilidades de datos probablemente le haría un candidato más convincente para casi cualquier rol de analista de negocios.

Analista de sistemas

Salario medio: 79.469 dólares (más un promedio de 2.600 dólares anuales de bonificación en efectivo)

¿Qué es un analista de sistemas? Los analistas de sistemas a menudo se encargan de identificar los problemas de organización y luego planificar y supervisar los cambios o los nuevos sistemas necesarios para resolver esos problemas. Esto generalmente requiere habilidad de programación (aunque los analistas de sistemas no siempre están directamente involucrados en el desarrollo de los sistemas que recomiendan) y el análisis de datos y habilidades estadísticas también son frecuentemente necesarios para identificar tendencias problemáticas y cuantificar lo que está funcionando bien y lo que no está dentro de los sistemas tecnológicos de una empresa.

Analista de Marketing

Salario medio: 66.379 dólares

¿Qué es un analista de marketing? Los analistas de marketing observan los datos de ventas y marketing para evaluar y mejorar la eficacia de las campañas de marketing. En la era digital, estos analistas tienen acceso a cantidades cada vez mayores de datos, especialmente en las empresas que venden productos digitales, y si bien hay una variedad de soluciones de software como Google Analytics que pueden permitir un análisis decente sin habilidades de programación, es probable que un solicitante con ciencia de datos y estadísticas tenga una ventaja en muchos otros solicitantes si también tienen suficiente conocimiento de dominio en el área de la comercialización. Además, un analista de marketing cuyos análisis tienen un impacto significativo puede fijar sus objetivos a largo plazo en un puesto de Director de Marketing, que paga un promedio de 157.960 dólares al año.

Analista de Operaciones

Salario medio: 67.254 dólares (más un promedio de 2.500 dólares anuales de bonificación en efectivo)

¿Qué es un analista de operaciones? Los analistas de operaciones suelen tener la tarea de examinar y racionalizar las operaciones internas de una empresa. Los deberes y salarios específicos pueden variar ampliamente, y no todas las posiciones de analista de operaciones harán uso de habilidades de datos, pero en muchos casos, ser capaz de limpiar, analizar y visualizar datos será importante para determinar qué sistemas de la empresa están funcionando sin problemas y qué áreas podrían necesitar mejoras.

Otras posiciones de la ciencia de los datos

Si usted está buscando en sitios de trabajo (que podría no ser la mejor idea; llegaremos a eso más tarde ), tenga en cuenta que las empresas utilizan todo tipo de títulos y que puede ajustar cualquiera de los títulos anteriores a su nivel de experiencia mediante la introducción de palabras como “junior”, “asociar”, “mayor”, “líder”, etc. delante de ellos.

Además, estas son sólo algunas de las opciones profesionales tradicionales a tiempo completo. Si usted está buscando el trabajo de la ciencia de los datos, también hay algunas alternativas que puede no haber considerado, y vamos a echar un vistazo a esos ahora.

Pasantías en Ciencias de los Datos

Si usted está buscando el aprendizaje en el trabajo y un papel de nivel de entrada que a menudo es un camino a un trabajo permanente, a tiempo completo, pasantías son una gran opción. No son para —ni siquiera están disponibles para— todos, pero sí tienen algunas ventajas que hacen que valga la pena considerar si usted piensa que podría estar interesado en la internación:

Son típicamente posiciones pagadas (la tasa media en los EE.UU. es de $20 por hora).
Puedes trabajar con (y aprender de) analistas de datos y científicos de datos que trabajan.
Una pasantía puede convertirse fácilmente en un puesto de tiempo completo.
Si usted no tiene experiencia de trabajo de ciencia de datos, una pasantía obtiene experiencia relevante en su curriculum vitae rápidamente.

Alyssa Columbus , un científico de datos de Pacific Life que entrevistamos acerca de conseguir papeles de nivel de entrada , consiguió su trabajo a través de una pasantía, y es un camino que recomienda no descartar. La clave, dijo, es trabajar duro para superar las expectativas durante su tiempo como pasante. Si te conviertes en un miembro valioso del equipo y muestras un gran interés en aprender y crecer, es mucho más probable que te contraten cuando se te acabe el tiempo de pasantía.

Por supuesto, hay algunas desventajas realmente significativas a las prácticas de ciencia de datos que hacen que sean difíciles de acceder para algunas personas:

La paga es comparativamente baja para el campo, y algunas pasantías son no remuneradas.
Las pasantías normalmente duran un corto período de tiempo (tres meses es común) y no hay garantía de empleo al final.
Las pasantías a menudo sólo están disponibles para los estudiantes, y los solicitantes de edad universitaria pueden ser preferidos por algunos empleadores.
Es difícil saber por adelantado cuánto aprenderás de una pasantía.Por todas estas razones, las pasantías pueden ser un riesgo, especialmente para los estudiantes que no tienen la libertad financiera de aceptar un trabajo de bajo sueldo con la esperanza de que se convierta en un trabajo de ciencia de datos más tarde. Pero si las desventajas no son rompe-acuerdos para usted, entonces es definitivamente vale la pena considerar una pasantía.

Hablaremos en capítulos posteriores sobre muchas maneras de demostrar tus habilidades en una solicitud de empleo si no tienes experiencia laboral real, pero si puedes obtener algo de experiencia laboral rápidamente a través de una pasantía, ¡eso es aún mejor!

Ser freelance como científico de datos

Aunque la mayoría de las personas que estudian ciencias de los datos están buscando empleo a tiempo completo con una empresa establecida o startup, vale la pena recordar que las habilidades de la ciencia de los datos le ofrecen la oportunidad de trabajar como freelancer.

No es raro que las empresas tengan trabajo de ciencia de datos, pero no suficiente para justificar la contratación de un científico de datos a tiempo completo. Tampoco es raro que las empresas con un nuevo interés en la ciencia de los datos contraten a un consultor de la ciencia de los datos y trabajen a través de algunos proyectos independientes antes de comprometerse con contratos permanentes de la ciencia de los datos. Y por supuesto, incluso las empresas con equipos de ciencia de datos establecidos pueden necesitar ayuda adicional de vez en cuando. Todos estos son clientes potenciales para un científico de datos independiente o consultor de ciencia de datos.

Ventajas del freelancing

Puedes ganar más dinero. Dependiendo del cliente y del proyecto, un científico de datos con un conjunto completo de habilidades (como alguien que ha pasado por la mayor parte de nuestra ruta de Data Scientist puede cargar Tasas de 100 a 200 dólares por hora - o incluso más. A menudo, usted será capaz de hacer más mientras trabaja menos horas por semana de lo que podría como un empleado asalariado.

Puede tomar cualquier formato que desee. Usted puede sin duda hacer huelga por su cuenta como un freelancer a tiempo completo, pero también es posible tomar en el trabajo de ciencia de datos freelance a tiempo parcial que complementa sus ingresos regulares, o incluso simplemente recoger el concierto independiente ocasional aquí y allá cuando usted está buscando un poco de dinero extra. Cualquier freelancer probablemente necesitará un sitio de cartera con proyectos, alguna información sobre usted, y una lista de servicios, pero más allá de eso, realmente depende de usted cuánto usted pone en él — puede ser tan grande o tan pequeño un compromiso como usted quiera.

Tú decides lo que haces. Al principio de su carrera independiente, es posible que no tenga muchas opciones en qué proyectos toma. Pero una vez que te has establecido como un freelancer fiable y experto, es probable que encuentres que tienes la libertad de elegir los proyectos o empresas con los que trabajas.

Tú decides cuando lo haces. Con el trabajo independiente remoto, puede construir su horario sin importar lo que considere conveniente. Los trabajos independientes in situ son comunes en la ciencia de los datos y pueden haber prescrito horas, pero ya que usted elige qué trabajos toma, por lo general tendrá la libertad de tomar decisiones de vida un empleado asalariado no podría — como trabajar trabajos adicionales durante unos meses para ahorrar dinero para que pueda tomar un mes completo de descanso para viajar.

Trabajar en una variedad de proyectos con una variedad de personas. La variedad es la especia de la vida, y trabajar como freelancer significa que vas a hacer cosas diferentes con diferentes personas en todo el tiempo. Muchos freelancers finalmente desarrollan un estable de clientes regulares, pero usted será libre de cambiar hacia arriba y asumir un proyecto totalmente diferente o trabajar en una industria diferente cada vez que lo considere conveniente.

Esta variedad también puede ser extremadamente beneficiosa para su desarrollo profesional. Trabajar en una variedad de proyectos te obligará a aprender y emplear nuevas habilidades técnicas. Trabajar para una variedad de clientes diferentes también le ayudará a construir algunas habilidades “suaves” realmente valiosas como la comunicación y la gestión del cliente. Si trabajas en una variedad de industrias, también absorberás valiosos conocimientos de dominio que podrían beneficiarte en otro trabajo independiente (o empleo a tiempo completo si decides volver).

Las desventajas del freelancing

Ahora tienes dos empleos: uno como científico de datos y otro como gerente de negocios. Es fácil olvidar que mientras que el trabajo independiente paga bien cuando realmente estás trabajando, encontrar trabajo, especialmente al principio requiere mucho esfuerzo no remunerado. Usted tiene que construir y mantener una cartera y sitio web, usted tiene que encontrar y la red con clientes potenciales, usted tiene que negociar las tasas de proyectos, y usted tiene que mantener un seguimiento cuidadoso de lo que se ha ganado y lo que se le debe.

Tienes que ser capaz de venderte a ti mismo y dispuesto para venderte activamente. Simplemente poner un sitio de cartera y decir “Estoy disponible” es probablemente no va a ser suficiente para mantener la comida en la mesa a menos que usted ya es muy conocido en la industria.

Tenga en cuenta que como usted no es un empleado regular, a menudo va a ser la última cosa en la mente de su cliente. Eso significa que usted tiene que poner en algún esfuerzo adicional para perseguir las cosas que usted puede necesitar, como la cuenta o el acceso a la base de datos. Con algunos clientes, usted también tendrá que perseguir sus cheques de pago (aunque estos son clientes con los que no debe trabajar de nuevo).

No se puede contar con un sueldo estable. El trabajo freelance no siempre fluye a un ritmo constante, y algunos mercados tienen cambios “estacionales” que pueden ser difíciles de predecir hasta que has estado freelance durante un año o dos y puedes empezar a ver los patrones. Una empresa que tiene una gran cantidad de grasa de repuesto en su presupuesto para los freelancers en los dos primeros trimestres del año, por ejemplo, puede tener un gasto regular cada Q3 - lo que significa que van a reducir sus horas a la mitad. Ya que no siempre puedes predecir cuánto vas a poder hacer cada mes, trabajar por cuenta propia a menudo significa que necesitas construir una red de seguridad de ahorros más grande para mantenerte cubierto.

No hay beneficios de salud o retención de impuestos en los EE.UU. La situación de las personas que trabajan por cuenta propia varía de un país a otro, pero en los Estados Unidos, la mayoría de los trabajadores independientes se pagan como 1099 contratistas; el seguro médico no forma parte de su compensación y los impuestos no se rehúsan automáticamente de los cheques de pago. Este no es un problema insuperable por cualquier extensión de la imaginación, pero es uno que requiere un pensamiento cuidadoso y un presupuesto (y dejar a un lado una gran parte de cada cheque de pago para impuestos y seguro médico). Dependiendo de su situación individual, si usted va a tiempo completo puede tener sentido configurarse como un negocio registrado como un C-corp o S-corp proteger sus activos personales de las obligaciones relacionadas con el trabajo y, en algunos casos, también por razones fiscales. Usted probablemente querrá hablar con un CPA local y un abogado para obtener una comprensión completa de las regulaciones y las implicaciones legales y financieras de un negocio de consultoría independiente basado dondequiera que se encuentre.

No se puede construir nada a largo plazo. Si bien la variedad de proyectos que obtienes freelancing puede ser una ventaja, también puede ser una desventaja si prefieres trabajar en proyectos a más largo plazo y ayudarles a crecer y desarrollarse a lo largo de los años. Casi nunca tiene sentido contratar freelancers para ese tipo de trabajo, por lo que es probable que consigas trabajo principalmente en proyectos a corto plazo y puntuales.

Curva de dificultad profunda desde el principio. Ser un con éxito freelancer es genial, pero puede ser muy difícil empezar si no tienes una buena lista de clientes potenciales. Encontrar clientes sólidos puede ser una verdadera lucha, especialmente si no vives en un buen mercado local y tienes que confiar en el trabajo remoto en línea, donde la competencia de precios es feroz. Si usted no está seguro de si usted vive en un primer mercado freelancing, es probablemente lo mejor para probar las aguas primero por empezar a tiempo parcial.

Consejos para el freelance de la ciencia de los datos

Si usted va a tomar la inmersión independiente, aquí hay algunos consejos rápidos:

Considere los aspectos positivos y negativos de los sitios de freelancing. Plataformas como Trabajos en marcha , Freelancer , y Fiverr ofrecen fácil acceso al trabajo independiente del proyecto, y pueden ser grandes lugares para aprender trabajando a través de una gran cantidad de proyectos rápidamente.

Es importante recordar, sin embargo, que la comodidad que ofrecen tiene un costo significativo. En primer lugar, está el costo directo: estas plataformas toman un recorte sustancial de sus ganancias. El trabajo, por ejemplo, actualmente toma el 20% de sus primeros $500 ganados de cada cliente individual, y el 10% después de eso. Eso es un pedazo grande, especialmente cuando se tiene en cuenta que es probable que tenga que reservar el 30% de lo que gana después que para cubrir los impuestos. Eso significa que, por ejemplo, cuando usted toma en un nuevo cliente de Upwork, la cantidad que termina en su bolsillo después de los honorarios de Upwork y cubrir sus impuestos es probable que sea mitad de lo que has facturado, o incluso menos.

También hay un costo indirecto para el uso de este tipo de plataformas. Debido a que los trabajos en estos sitios son fácilmente accesibles, usted está compitiendo con el mundo entero para cada proyecto. Cada trabajo que usted puja a una tasa razonable para su ubicación y habilidades es probable que consiga bastantes ofertas de lowball que prometen los mismos resultados que usted para una quinta parte del precio. Hay trabajadores en Upwork, por ejemplo, que afirman ser científicos de datos pero cobran menos de $10 por hora. ¿Pueden entregar el mismo tipo de calidad que tú? Probablemente no, pero usted tiene que ser un vendedor bastante experto para convencer a los clientes a aceptar su oferta mucho más alta en una base regular.

Además, hay un riesgo inherente a cualquier negocio independiente que confía en cualquier plataforma de terceros, porque la plataforma podría cambiar sus reglas, suspender o eliminar su cuenta, o simplemente cesar las operaciones en cualquier momento. Los usuarios normalmente no tienen control ni influencia sobre las políticas de toda la plataforma, y los cambios en estas políticas pueden afectar dramáticamente a su negocio.

Recuerda: no lo haces tener utilizar cualquiera de estas plataformas para ser un freelancer exitoso. Aunque requiere más esfuerzos iniciales, el desarrollo de clientes locales y regionales a través de la creación de redes en el mundo real puede reportar más dividendos a largo plazo. Este enfoque le permitirá construir relaciones de cliente más confiables, y facturar a un nivel acorde con sus habilidades y con el costo de vida en su región. También es menos arriesgado, porque la existencia de su negocio no depende de la existencia de una plataforma de terceros que no controla.

Ofrecer una lista clara de los servicios y la factura en base a eso. Mientras tú puede factura por hora, a menudo puede hacer mejores márgenes cobrando una tarifa por servicio. Esto también ayuda a asegurar que usted no está atascado haciendo trabajo ocupado o tareas aburridas no relacionadas con los servicios que ofrece simplemente porque su cliente compró 10 horas, pero terminó el proyecto en ocho. Tener una lista clara de servicios establece mejores expectativas en ambos extremos: usted sabe exactamente lo que tiene que hacer y lo que se le pagará para hacerlo, y el cliente sabe exactamente lo que están recibiendo y lo que les costará.

Empieza pequeño. Hacer que el salto en el freelancing a tiempo completo es menos de un riesgo si ya lo ha estado haciendo a tiempo parcial y tener una lista de clientes regulares. Comenzando con algún trabajo independiente a tiempo parcial o lateral también le ayudará a desarrollar las habilidades organizacionales y los flujos de trabajo que necesitará para gestionar el lado empresarial de ser un freelancer a tiempo completo. Si bien es posible ir directamente de un empleado a tiempo completo a un freelancer a tiempo completo sin experiencia independiente previa, usted puede evitar un montón de estrés y la lucha por empezar pequeño, y hacer eso le dará la oportunidad de probar el mercado en su área y ver lo mucho que realmente te gusta el trabajo freelance antes de tomar la inmersión de trabajo autónomo a tiempo completo.

Obtener un aumento en su trabajo actual utilizando la ciencia de datos

Por último, vale la pena señalar que la ciencia de los datos probablemente ofrece beneficios que pueden ayudarle en su carrera actual, incluso si no tiene interés en convertirse en un científico de datos a tiempo completo o independiente. Precisamente lo que usted puede hacer dependerá mucho de lo que su trabajo es, pero si usted tiene algunas habilidades de análisis de datos, casi siempre va a ser capaz de agregar valor de alguna manera. Y si sus habilidades de análisis de datos pueden hacer una mella en el resultado final de la empresa o mejorar su propia productividad, entonces podrían ayudarle a ganar más en su papel actual.

Considere, por ejemplo, Estudiante de Dataquest Curtly Critchlow . En el momento en que hablamos con él, Curtly trabajó en la Autoridad de Desarrollo de Ganadería en Guyana, y parte de su trabajo implicaba trabajar con hojas de cálculo (como muchos trabajos lo hacen). Debido a que su departamento produjo una gran cantidad de datos, esta tarea mensual de Excel se convirtió en una pesadilla de una semana de duración, hasta que Curtly aprendió algunas habilidades de programación de ciencia de datos y fue capaz de convertir eso en una tarea que le llevó sólo unos minutos.

Imagina cuánto más podrías hacer con un extra semana ¡Cada mes!

No todos los ejemplos serán tan dramáticos, pero hay maneras en que el análisis de datos puede aumentar la eficiencia en casi cualquier trabajo.

Si usted está buscando oportunidades de ciencia de datos en su posición actual, hay dos lugares fáciles para comenzar:

En primer lugar, busque lugares que pueda ahorrar tiempo o aumentar la eficiencia mediante la aplicación de técnicas de ciencia de datos. Su equipo ya podría estar haciendo análisis de datos eficaces en Excel, pero ¿podría ese proceso conseguir más rápido y más fácilmente repetible si usted aplicó sus habilidades de programación Python o R?

En segundo lugar, busque fuentes de datos existentes en su empresa que estén siendo ignoradas o infrautilizadas. Este tipo de cosas es común, particularmente en las empresas sin un equipo de ciencia de datos. Tal vez es ignorado porque nadie tiene tiempo para indagar en él utilizando los métodos de análisis de datos ineficientes que conocen. Tal vez está infrautilizado porque no hay suficiente gente que sepa cómo hacerlo cualquier tipo de análisis de datos. En cualquier caso, la aplicación de algunas habilidades científicas de datos reales puede proporcionar un valor significativo (y a menudo inesperado) a su empresa.

Tercero, busque maneras de optimizar su propio rendimiento. En la era de los dispositivos de seguimiento de datos personales como los smartwatches, es muy posible rastrear y analizar sus propios datos de maneras que pueden hacer que usted sea más eficaz y productivo. Aquí hay algunos ejemplos de cosas geniales que puedes hacer con sólo algunas habilidades básicas de programación (el artículo se centra en R, pero las mismas cosas también son posibles con Python). Si empiezas a husmear, descubrirás que muchas de las plataformas que utilizas tanto para la vida como para el trabajo te permiten exportar datos, descargar CSVs o acceder a tus propios datos para realizar un recorte de números personalizado.

¿Estoy listo para un trabajo de ciencia de datos?

La manera más fácil de evaluar su propia preparación es simplemente empezar a echar un vistazo a los trabajos y descripciones de puestos del mundo real. ¿Tienes las habilidades que se enumeran allí? ¿Sientes que serías capaz de hacer (o aprender a hacer) las tareas descritas?

Su respuesta a estas preguntas no tiene que ser un sí sólido como una roca. Síndrome de impostor es una cosa real ( aquí hay algunos consejos para combatirlo ), y en particular para los solicitantes de nivel inicial que buscan su primer trabajo de ciencias de los datos son particularmente susceptibles a sentirlo. Es fácil mirar la lista de deseos de un empleador de habilidades y calificaciones e intimidarse incluso para no aplicar.

Cuando hablamos con antiguos estudiantes de Dataquest con trabajos a tiempo completo en ciencias de datos, aconsejan regularmente que otros estudiantes soliciten trabajo incluso cuando no se sienten preparados. El científico de datos de Amazon Caitlin Whitlock , por ejemplo, dice que la perspectiva de su entrevista en Amazon fue “terrible.” Pero todavía aconseja que los aspirantes a científicos de datos “solicitar para cualquier trabajo, período. Si no crees que vas a conseguirlo, aplica de todos modos”.

Miguel Couto , que obtuvo tres ofertas de trabajo después de solicitar un trabajo por capricho, antes de pensar que estaba realmente listo, está de acuerdo. Eso no significa que debas entrar sin estar preparados—ambos estudiantes también dijo que se prepararon muy a fondo para las entrevistas de trabajo, pero eso significa que usted podría estar listo para conseguir un trabajo de ciencia de datos antes de que en realidad sentir Listo.

¿Necesito un certificado?

Si usted necesita o no algún tipo de certificación para conseguir un trabajo en la ciencia de los datos es otra pregunta común que los estudiantes apenas comienzan a pensar sobre el proceso de solicitud de empleo rutinariamente preguntar. La respuesta corta a esta pregunta es: No, no lo sabes.

De hecho, ninguno de los reclutadores y gerentes de contratación que entrevistamos para esta guía mencionaron los certificados como importantes, o hablaron de su uso para evaluar aplicaciones de ciencia de datos. Preguntamos a cada entrevistado qué hizo que los solicitantes de ciencia de datos sobresalieran en términos de currículums y entrevistas, y ni uno solo de ellos mencionó certificados ni una sola vez.

Los certificados sí tienen algún uso, ya que pueden ayudar a demostrar que estás comprometido con el aprendizaje, y trabajando activamente en mejorar tus habilidades. Pero no hay ningún certificado imprescindible para la ciencia de los datos, y es muy, muy improbable que cualquier El certificado sería lo que convence a un reclutador de contratarte o incluso de darte una entrevista. Incluso los certificados de las universidades de marca no son muy útiles en ese sentido, porque los gerentes de contratación saben que estos programas a menudo se administran por separado de las operaciones regulares de la universidad, y los estándares para pasar a menudo son bastante laxos.

Así que cuando estés pensando en si estás listo para aplicar, no te preocupes por los certificados que tienes. Si tienes certificados, eso es genial, pero si no lo haces, ciertamente no tienes que salir corriendo y tratar de conseguir uno. No hay un certificado de ciencia de datos imprescindible. Lo que realmente importa para conseguir un trabajo en la ciencia de los datos son sus habilidades.

Si necesitas esas habilidades, Dataquest puede enseñarte ¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡ Pero desde entonces Esta guía se centra principalmente en la búsqueda de puestos de trabajo en la ciencia de los datos , vamos a asumir que todos ustedes son expertos y pasar al siguiente paso. Una vez que haya identificado el tipo del trabajo que quieres, ¿dónde puedes encontrarlo?