¿Es demasiado tarde para empezar la ciencia de los datos?

Han pasado casi tres años desde que di mi primer paso en la ciencia de los datos. Cuando empecé, pensé que era demasiado tarde. Había un montón de herramientas y conceptos para aprender, un montón de papeles para leer, innumerables certificados, y así sucesivamente.

Lo que más me preocupaba de llegar demasiado tarde no era la cantidad de materiales que necesitaba aprender. Preferiría tener dudas si fuera capaz de encontrar un trabajo para el momento en que aprendí lo suficiente. La ciencia de los datos era un tema muy candente y ya había un buen número de personas trabajando en este campo.

En los últimos tres años, no sólo he estado aprendiendo ciencia de datos, sino también observando la dinámica de este campo. Mi pensamiento de ser demasiado tarde cambió. No era demasiado tarde para empezar en ese entonces. Además, si comenzara a aprender ciencias de los datos hoy, tampoco llegaría demasiado tarde.

En este artículo explicaré con más detalle lo que me hizo cambiar de opinión. Con suerte, cambiaré de opinión si piensas lo contrario.

Cuando estoy en duda, trato de pensar simple que me ayuda a ver las cosas con claridad. De lo contrario, me siento distraído por todas las condiciones, consecuencias y factores.

Mi simple pero convincente pensamiento de llegar demasiado tarde se basa en un concepto fundamental: la curva de la oferta y la demanda. En nuestro caso, la oferta es la fuerza de trabajo que consiste en personas que poseen las habilidades requeridas para trabajar en el ecosistema de la ciencia de datos. El número de puestos de trabajo constituye la demanda de estas personas.

Hay diferentes títulos o especializaciones en la ciencia de los datos. El científico de datos, el ingeniero de datos y el ingeniero de aprendizaje automático pueden figurar entre los primeros. Si vamos un poco más profundo, vemos que los títulos se reducen a habilidades más específicas, como el ingeniero de procesamiento de lenguaje natural (NLP).

Ahora se plantea la cuestión de si la oferta supera la demanda en el campo de la ciencia de los datos. Esta cuestión podría haber sido motivo de grave preocupación si el alcance de la ciencia de los datos fuera limitado. Creo que el alcance va mucho más allá de lo que hemos descubierto hasta ahora. Para ser más precisos, habrá muchas más empresas, industrias o procesos que apliquen técnicas de ciencia de datos.

Lo que he observado en los últimos tres años es que el número de puestos de trabajo en la ciencia de los datos ha seguido aumentando. Dado que es probable que el alcance de la ciencia de los datos aumente, el número de puestos de trabajo también seguirá aumentando.

Las industrias que utilizan activamente la ciencia de los datos probablemente ampliarán el uso de los datos porque son muy conscientes de los beneficios potenciales de la ciencia de los datos en su negocio.

En los últimos dos años, hemos experimentado tiempos inusuales debido a la pandemia mundial que también afectó la forma en que la gente hace compras. Las compras en línea han aumentado dramáticamente. Como resultado, los minoristas necesitan una manera de analizar datos de compras en línea y fuera de línea simultáneamente. Por lo tanto, trabajan en nuevas técnicas para hacer uso de datos omnicanal, lo que significa que habrá más trabajo científico de datos en la industria minorista.

No estoy seguro de si han oído hablar del Proyecto Genoma Humano, pero es de importancia crucial para la humanidad. Es un proyecto de investigación que tiene como objetivo secuenciar y mapear todos los genes. El término genoma se utiliza para todos los genes combinados.

Según la ciencia de los datos genómicos hoja informativa , las estimaciones predicen que la investigación genómica generará entre 2 y 40 exabytes de datos dentro de la próxima década. Es una enorme cantidad de datos. El valor potencial de esos datos es tremendo. Necesitamos personas calificadas para extraer este valor potencial.

La bioinformática es un campo que se centra principalmente en el análisis de datos del genoma para descubrir información valiosa. Incluso hay nuevas startups en este campo. Si usted tiene las habilidades requeridas en el ecosistema de la ciencia de los datos, su oportunidad de conseguir un trabajo en la bioinformática es bastante alta.

Lo que estoy tratando de llegar aquí es que la ciencia de los datos probablemente será omnipresente en el futuro. Algunos podrían argumentar que ya lo es. Sin embargo, creo que habrá más ámbitos en los que la ciencia de los datos crea valor y resulta útil. A medida que se descubran las nuevas áreas o técnicas, aumentará la demanda de personas calificadas en el ecosistema de ciencia de datos.

El mayor desafío para aquellos que quieren hacer un cambio de carrera para trabajar en la ciencia de los datos es encontrar el primer trabajo. Me enfrenté al mismo desafío y me llevó unos dos años conseguir mi primer trabajo.

Este problema no está relacionado con si usted es demasiado tarde para empezar a aprender ciencia de datos. Los puestos de trabajo están por ahí y aumentando. Sin embargo, sin experiencia laboral previa, es difícil demostrar sus habilidades y convencer a los empleadores o reclutadores.

Cómo mostrar sus conocimientos científicos de datos es el tema de otro artículo, pero creo que los métodos más eficientes son hacer proyectos, estar activo en la comunidad, y tener una cuenta decente de Github.

Otra cosa muy importante a tener en cuenta que es mejor especializarse en una habilidad específica en lugar de aprender la ciencia de los datos en un sentido más general. Aumentará su oportunidad de hacer que su cartera sobresalga.

Creo que he dejado clara mi respuesta a la pregunta del título, pero permítanme decirlo una vez más. No llegas tarde a aprender la ciencia de los datos.

No es una tarea fácil aprender la ciencia de los datos y encontrar su primer trabajo. Se necesita tiempo, esfuerzo y dedicación. Usted puede tener que pasar meses para obtener las habilidades básicas. Sin embargo, una vez que llegues allí, no habrá una falta de oportunidades de trabajo.

Por último, pero no menos importante, si usted no es un Miembro medio Sin embargo, y planeo convertirme en uno, les pido amablemente que lo hagan utilizando el siguiente enlace. Recibiré una porción de su cuota de membresía sin costo adicional para usted.