¿Cuál es la futura trayectoria profesional del científico de datos?

Casi todo tipo de organización —desde el gobierno, hasta el comercio al por menor, hasta la atención médica— necesita científicos de datos. Los científicos de datos organizan y analizan datos brutos de diversas fuentes, lo que permite a estas empresas tomar decisiones informadas para garantizar la eficiencia, impulsar la rentabilidad y el crecimiento del combustible.

Se espera que la demanda de profesionales de la ciencia de los datos aumente significativamente en la próxima década. La Oficina de Estadísticas Laborales de los Estados Unidos (BLS) estima 22 por ciento de crecimiento hasta 2030 , que supera con mucho el Aumento previsto del 7,7% para todas las ocupaciones. Esto se traduce en la necesidad de un promedio de 3.200 científicos de datos cada año hasta 2030.

Estas posiciones (que según la BLS ganar un salario medio anual de $ 103,930 ) tienden a agruparse en Maryland y Virginia, ya que los científicos de datos están en alta demanda con el gobierno federal. Los científicos de datos también están en alta demanda en Nueva York, California, Texas y el estado de Washington.

“Cada estudiante, independientemente de su ocupación, tendrá que ser alfabetizado para tener éxito en un mundo donde los datos serán cada vez más rey.”

Un campo de arranque de análisis de datos le enseñará las habilidades para perseguir un papel de ciencia de datos de nivel de entrada y para entrar en esta emocionante carrera. Estos campos de entrenamiento son cursos intensivos de corta duración que duran de tres a seis meses y ofrecen horarios flexibles, cursos en línea y capacitación práctica.

El álgebra lineal/cálculo son habilidades matemáticas avanzadas que son cruciales para aquellos en la ciencia de datos. El álgebra lineal se ha llamado “la matemática de los datos,” en que tiene aplicaciones a la máquina y el aprendizaje profundo, y el cálculo no es menos crucial en la construcción de algoritmos.

Microsoft Excel, aunque no tan sofisticado una habilidad como otros que se enumeran aquí, sigue siendo importante dada su popularidad y uso generalizados dentro del campo de los datos.

Las habilidades suaves como el pensamiento crítico y la comunicación también se enseñan en los campos de arranque de datos. Meléndez señala la importancia de tales habilidades en su obra más reciente de Forbes, así como un artículo anterior publicado en julio de 2021. Enumera la empatía, el trabajo en equipo, la apertura mental y la mentalidad empresarial. como habilidades blandas importantes, lo que indica que la solución de problemas también se ha convertido en una habilidad vital como la pandemia se ha desgastado y "el mundo ordenado y ordenado de los científicos de datos fue puesto patas arriba".

El punto de Meléndez es que los datos que informan algoritmos predictivos pueden ya no ser confiables en la actualidad. Ofreció un ejemplo que ilustra el reciente aumento en las visitas a los consultorios médicos, ya que COVID-19 comenzó a disminuir en ciertas áreas y los pacientes podían moverse más libremente. Mientras que tal repunte normalmente sugeriría que los clientes están preparados para cambiar los portadores, es más realista debido al hecho de que muchas personas posponen las citas de los médicos debido a bloqueos o miedo a la exposición al virus. Como se puede ver, entender las diversas causas detrás de los comportamientos de los consumidores es crucial para poder obtener información relevante de los datos recopilados.

En otras palabras, un científico de datos debe considerar el contexto de los datos y las variables adicionales al mismo tiempo que aplica las mejores prácticas analíticas y el sentido común.

Como tú. aprender a convertirse en un analista de datos , a veces conocido como un científico de datos junior, usted necesitará una base de habilidad fuerte para tener éxito. Las habilidades aplicables pueden incluir un fondo matemático adecuado, aptitud en la visualización de datos y limpieza de datos, y familiaridad con diferentes lenguajes de programación.

Los científicos de datos jóvenes trabajan en los aspectos más básicos del análisis de datos, incluyendo la extracción, limpieza, integración y carga de datos. Centrados principalmente en el análisis predictivo, a menudo utilizan modelos estadísticos preexistentes o trabajan con especificaciones establecidas por un científico de datos más experimentado.

Los que entran en el campo de la ciencia de datos suelen seguir siendo científicos junior de datos durante uno o dos años antes de convertirse en científicos de datos de nivel medio. Los científicos de datos de nivel medio gozan de mayor autonomía con controles menos frecuentes, y se espera que sepan cómo realizar análisis exploratorios de datos y construir los modelos estadísticos necesarios para la solución de problemas.

Además, los científicos de datos de nivel medio pueden tener la oportunidad de trabajar con científicos de datos de alto nivel en áreas más avanzadas del aprendizaje automático y la IA.

Los individuos de tres a siete años en sus carreras de datos pueden calificar para una promoción a los científicos de datos de alto nivel. Mientras que los científicos de datos de nivel medio construyen los modelos estadísticos que resolverán los problemas, los científicos de datos senior ponen ese modelo a utilizar junto con otras herramientas avanzadas. Además, los científicos de datos de alto nivel son responsables de supervisar y perfeccionar las metodologías de una organización, colaborando con los principales interesados y comunicando los datos de la organización a los clientes y a los líderes de la empresa. Los científicos de datos superiores también son responsables de orientar a los científicos de datos jóvenes.

Los gerentes de ciencia de datos son responsables del panorama general: contratar a las personas adecuadas, establecer altos estándares, establecer metas que valgan la pena, y entender qué KPIs son apropiados para el equipo.

Al igual que con los directivos de otros sectores, la idea es crear un entorno de trabajo productivo, manteniendo al mismo tiempo la flexibilidad a medida que evolucionan continuamente los productos y las industrias. Un gestor de ciencia de datos debe ser consciente de los nuevos desarrollos y preparar a su equipo en consecuencia, ya que eso asegurará que su organización siga siendo competitiva.

A través del crecimiento explosivo en el Internet de las Cosas (IoT), es decir, tecnología portátil, dispositivos inteligentes para el hogar, monitores para bebés, etc. — se generarán más datos granulares para informar la toma de decisiones y proporcionar información adicional. Además, con la puesta en marcha de la 5G y su impacto en el flujo de datos, así como el potencial de la 6G que trae el advenimiento de la " Internet de todo ,” la necesidad de los científicos de datos sólo continuará aumentando. Considerar el impacto potencial en los siguientes sectores:

Transporte: Los datos son fundamentales para el desarrollo de vehículos autónomos (AV) porque la información relacionada con el transporte puede ser procesada pronto por los vehículos en lugar de por los seres humanos. Debido a que los AV son formas avanzadas de inteligencia artificial (AI), requerirán una cantidad exponencial de datos para funcionar. Si la tecnología alcanza todo su potencial, uno de los mayores beneficios serán las carreteras más seguras.

El científico de datos Stefano Cosentino fue contratado por la empresa de ingeniería alemana Bosch en 2017 como parte del equipo de desarrollo de vehículos autónomos. Aunque no estaba seguro de su papel al principio, en los próximos dos años evolucionó hasta el punto de liderar un equipo de 10 personas que contribuyó al desarrollo de tales vehículos al proporcionar análisis de datos bajo demanda. Además, Cosentino escribió en el sitio web Towards Data Science:

“Hemos desarrollado soluciones de análisis de causas raíz basadas en reglas y probabilistas para apoyar al equipo forense. Hemos creado un banco de características que está permitiendo varios proyectos de ML. Una es la identificación de escenarios, que utilizamos para la estimación, verificación y validación de KPI, así como el seguimiento de problemas. Otro uso del banco de características es la detección de anomalías”.

Atención de la salud: Alrededor del 30 por ciento de los datos del mundo son creados por el campo de la salud, y para 2025 se espera que aumente al 36 por ciento. Con demasiada frecuencia, sin embargo, esta información es siloada, por lo que es inaccesible para todos los que la necesitan durante el viaje de atención del paciente. Esta cuestión —la interoperabilidad, o la capacidad de los sistemas u organizaciones para compartir datos— es un desafío constante, y un científico de datos puede ayudar a resolverlo. Esto se puede hacer mediante la recogida de datos de diversas fuentes (registros de salud electrónicos, genómica, imágenes, etc.) y analizarlo, proporcionando así a los médicos información que les permita personalizar la atención.

Financiación: Gran parte del campo financiero implica la interpretación de datos en tiempo real y la previsión de tendencias futuras o eventos de mercado. Tecnologías como la inteligencia artificial (AI) y el aprendizaje automático (ML) son cada vez más esenciales para esos procesos, y los científicos de datos utilizan esas herramientas para analizar y gestionar el riesgo, lo que conduce a una mejor toma de decisiones y a una mayor rentabilidad.

Gestión de la cadena de suministro: La cadena mundial de suministro ya estaba experimentando una transformación digital antes de la pandemia, pero el brote de COVID-19 aceleró esa tendencia, haciendo más pronunciada la necesidad de tecnologías avanzadas como la IA, la cadena de bloques y la robótica.

Los científicos de datos de este sector utilizan análisis predictivos para hacer la cadena de suministro más ágil y eficiente. Esto incluye la anticipación de la demanda, la determinación de dónde deben colocarse los inventarios de manera proactiva para evitar acontecimientos fuera de existencias, la determinación de la red óptima de fabricantes e instalaciones de almacenamiento, y el desarrollo de rutas optimizadas para el transporte de los inventarios.

Trayectoria profesional del científico de datos — Salario de ciencia de datos

Otro aspecto atractivo de una carrera científica de datos es la compensación. El salario medio anual de un científico de datos en los EE.UU. es 103.930 dólares , según la Oficina de Estadísticas Laborales.

Y, según la BLS, los estados con el salario medio anual más alto fueron California ($129.060), Nueva York ($124,240) y Washington ($118,320). Los sectores empresariales que presentan el sueldo anual más alto para los científicos de datos incluyen equipo informático/periférico (144.090 dólares), finanzas (143,490 dólares) y mayoristas comerciales (142.300 dólares). Como se puede ver, la ciencia de los datos no es sólo un campo emocionante y en demanda, también es una carrera lucrativa!

Comience su trayectoria profesional de la ciencia de datos

Una carrera como científico de datos puede ofrecer oportunidades y recompensas considerables. La necesidad de estos profesionales sólo está creciendo a escala nacional y mundial, con un crecimiento sin precedentes en la cantidad y granularidad de los datos, así como el creciente uso de esos datos para impulsar la toma de decisiones y alimentar la IA y el ML.

Obtener información del campamento de arranque

Administrar las preferencias de consentimiento

Compartimos información con socios comerciales para ofrecer publicidad online personalizada. Bajo la Ley de Privacidad del Consumidor de California (“CCPA”), parte de este intercambio de datos puede ser considerado en términos generales como una "venta" de información. Excepto por este tipo de compartir, no vendemos su información. Usted puede optar por no participar en estas "ventas" bajo la CCPA. Su selección se guarda en este navegador, en este dispositivo. Si borra las cookies de su navegador, tendrá que optar por no volver a "ventas".

Para obtener más información sobre el uso de sus datos personales por parte de 2U, consulte nuestro Política de privacidad .