¿La ciencia de los datos está en demanda para los próximos 10 años?

Sólo por mirar el gráfico anterior, vemos que el interés en el campo ha sido bastante consistente en los últimos 5 años. Podemos ver que el aprendizaje automático también ha seguido una tendencia similar.

Anecdóticamente, esto es algo bueno a favor de que la ciencia de los datos esté alrededor en el futuro previsible. No hay subidas ni bajadas agudas. Esto podría sugerir que la ciencia de los datos no desaparecerá abruptamente en un futuro cercano. En todo caso, habría una lenta disminución con el tiempo, de la cual actualmente no hay realmente ninguna evidencia.

Cuando añado IA en la mezcla, una tendencia bastante limpia hacia arriba se puede ver en el gráfico anterior. Anecdóticamente, esto podría ser algo bueno o malo. La buena noticia es que la mayoría de los científicos de datos están trabajando en los proyectos de IA existentes. Si ese sigue siendo el caso, esto es un buen augurio para los científicos de datos. Por otro lado, si se necesita más especialización en IA, ¿se necesitarán tanto los científicos de datos? Voy a meterme más en eso en un segundo.

Después de este análisis de luz sobre la tendencia, marcaría esto como un punto tentativo para la ciencia de datos que permanece alrededor. Personalmente creo que el uso de datos para la toma de decisiones no es una tendencia. Para mí, es una práctica de sentido común que está cerca para quedarse. No importa cómo lo llames (es decir, ciencia de datos, análisis de datos, etc.), no lo veo desaparecer pronto.

¿ Se automatizará la ciencia de los datos?

AutoML, herramientas sin código o de bajo código y plataformas de big data se han vuelto cada vez más populares en los últimos años. Muchas personas creen que los avances en estas herramientas reemplazarán gran parte del trabajo que los científicos de datos hacen actualmente.

¿Hay validez para esta afirmación?

Lo mejor que podemos hacer es mirar otros campos similares para ver si la tecnología los ha interrumpido. Una a la que siempre vuelvo es la contabilidad. Ha habido tecnología para reemplazar casi todo el trabajo que se hace en este campo. Sin embargo, la demanda de contadores y auditores sigue aumentando.

Solía usar TurboTax para mi contabilidad. Es un gran producto de autoservicio a un precio justo. A pesar de que podía hacer mis impuestos por mi cuenta, todavía había mucho que no entendía. Actualmente trabajo con un contador porque tienen conocimientos especializados sobre mis exenciones, créditos y el IRS. A pesar de que existen las herramientas para hacer esto por mi cuenta, todavía hay una necesidad de un experto para hacer ayuda.

Veo el papel de la ciencia de los datos de la misma manera. Incluso si las herramientas ayudan a alguien a hacer el análisis, surgirán problemas. ¿Estarán cómodos interpretando los resultados? ¿Serán capaces de entender las limitaciones de los modelos o los extraños resultados que están obteniendo?

Otro estudio de caso serían los desarrolladores web. En teoría, hay interfaces de usuario gráficas que le permiten construir un sitio web por su cuenta que se ve bastante bien, pero los desarrolladores web todavía están en alta demanda. Hacer personalizaciones únicas a sitios web sigue siendo difícil, incluso con las mejores herramientas de desarrollo gráfico web. Las empresas tienen un control significativamente mayor sobre sus sitios web y productos cuando son codificados o hechos por su propia pila.

En un futuro previsible, la automatización es ideal para resolver problemas a escala, pero luchan con soluciones muy específicas y personalizaciones únicas. Para alguien que crea un sitio web para su negocio en su garaje, esto es genial, pero para una empresa Fortune 500, casi todas las herramientas de automatización serán limitantes.

Para bien o para mal, la ciencia de los datos es mucho acerca de casos extremos y análisis único. Si bien AutoML podría ser genial para obtener modelos básicos, el matiz en los datos todavía requerirá los ojos de alguien con experiencia en ciencia de datos reales.

Tanto la contabilidad como el desarrollo web han sido mucho más largos que la ciencia de los datos. La tecnología también ha estado cerca para interrumpirlos por mucho más tiempo. Estos campos siguen prosperando a pesar de las nuevas herramientas, y espero que la ciencia de los datos también lo hará.

De hecho, las nuevas herramientas podrían hacer más valioso el trabajo de la ciencia de los datos. Las herramientas que nos permiten explicar ideas más fácilmente a los interesados serían una bendición. Aunque no creo que las nuevas tecnologías disminuyan la necesidad de científicos de datos, sí creo que el papel del científico de datos probablemente cambiará. En lugar de invertir grandes cantidades de modelos de entrenamiento de tiempo (una tarea que AutoML hace bastante bien), creo que los científicos de datos del futuro pasarán más tiempo haciendo 3 cosas:

Centrándose en el análisis exploratorio (una tarea con la que creo que AutoML puede luchar)
Explicar cómo los modelos crean valor para el negocio (esencialmente asumiendo un papel más orientado a la consultoría en el negocio)
Implementación de estos modelos (algo más cercano a lo que hace un ingeniero de aprendizaje automático)

¿Habrá trabajos de ciencia de datos en el futuro previsible?

De nuevo, echemos un vistazo a algunos de los datos. Creo que casi todos creen que la ciencia de los datos debería ser parte de casi todas las empresas en este momento. Es una manera clara de encontrar valor en los negocios.

Sin embargo, según MicroStrategy (2020), sólo el 57% de las organizaciones empresariales utilizan datos y análisis para impulsar la estrategia y el cambio. Esto me dice que todavía queda un largo camino por recorrer en términos de adopción de la ciencia de los datos.

Muchas personas miran a Google, Amazon, y otras grandes empresas de tecnología y piensan que toda la ciencia de datos debe estar a la vanguardia. Tal vez esas empresas desaceleren la contratación de científicos de datos en los próximos años, pero hay miles de otras empresas que estarán en extrema necesidad de la ciencia de datos a medida que continúan madurando. Este proceso de madurez de los datos puede tomar años, posiblemente incluso décadas, para algunos. Una vez más, esto me sugiere que la demanda de puestos de trabajo en la ciencia de los datos estará presente durante bastante tiempo.

MicroStrategy (2020) también encontró que el 95% de los empleadores dijo que la ciencia de datos y las habilidades analíticas son difíciles de encontrar. Para el solicitante de empleo, esto es realmente una buena noticia. Si estas muchas empresas creen que sus habilidades son escasas, probablemente hay mucha demanda.

Además, según la Oficina de Estadísticas Laborales de los Estados Unidos (2021), se espera que el campo de investigación en ciencia de datos e información informática crezca un 22% entre 2020 y 2030, lo que triplica la tasa de la profesión media.

Una cifra aún más fascinante es que, de acuerdo con el Informe de Trabajo Técnico 2020 de DICE, los roles de ingeniería de datos están creciendo a una tasa aún más alta del 50% año tras año. Esto para mí es algo increíble para el futuro de la ciencia de los datos. Los ingenieros de datos permiten a los científicos de datos hacer su trabajo de la mejor manera posible. Si las empresas están contratando muchos roles ascendentes de los científicos de datos, es probable que se estén preparando para invertir mucho en la ciencia de datos en el futuro.

Creo que estos datos sugieren que la demanda de puestos de trabajo en ciencia de datos está aumentando claramente. ¿Qué hay del lado de la oferta? ¿Cuántas personas están buscando entrar en el mercado de trabajo de la ciencia de datos?

Aunque no tengo una estimación perfecta de esto, podemos volver a los datos de Google Trends para explorar si los trabajos de ciencia de datos están aumentando en interés. Por el patrón anterior, parece que la gente que busca trabajos de ciencia de datos se ha mantenido bastante estática en los últimos 5 años.

Espero que haya habido algún aumento en la demanda que no se muestra aquí, pero parece que la oferta de solicitantes de ciencia de datos no es tan grande como mucha gente cree.

Si la demanda está claramente aumentando y la oferta de personas que buscan entrar no está aumentando tanto, las oportunidades de ciencia de datos podrían ser más fáciles de aterrizar en los próximos 10 años.

Conclusión

De mi análisis, creo que está bastante claro (al menos para mí), que la ciencia de los datos estará alrededor durante bastante tiempo. No puedo evitar preguntar: ¿de dónde viene el sentimiento de que el campo está declinando?

Mi expectativa es que mucho de esto proviene de la falta de definición en torno al propio dominio de la ciencia de datos. Las empresas todavía están luchando para definir el papel y cómo difiere de un analista de datos, un ingeniero de datos o un ingeniero de aprendizaje automático. Creo que la gente se confunde con esta nomenclatura y olvida que todas estas posiciones siguen trabajando bajo el paraguas más amplio de la ciencia de los datos.

Espero que este artículo le ayudó a pensar en el futuro de la ciencia de datos de una manera diferente. Les animo a hacer su propia investigación sobre este tema y hacer lo que es correcto para usted en su carrera. Obviamente me encanta este campo y estoy emocionado de ver que sigue creciendo!

Haciendo la investigación en este, en realidad aprendí un poco y estoy feliz de poder compartirlo con ustedes! Si quieres ver más contenido como este, siéntete libre de seguirme en Medium o suscribirse a mi boletín de noticias ¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡¡ Además, considere apoyarme a mí y a miles de otros escritores , inscribiéndose para ser miembro.