¿Qué es el científico de datos 1 vs 2?

En los últimos 18 meses hemos visto un aumento significativo en el uso del término Data Scientist. Tal vez es porque el HBR y muchas otras publicaciones lo han estado promoviendo.

Sí, las áreas de estadística y análisis predictivo han evolucionado para incluir muchas más técnicas y tecnologías.

Desafortunadamente, el término Data Scientist se ha usado demasiado y mucha gente se ha unido a la propaganda de marketing. Hay informes de organizaciones que contratan a un científico de datos sólo para despedirlos en unos pocos meses porque no entregaron nada útil. La ciencia de los datos no es una bala de plata para los problemas de una organización y la ciencia de los datos puede no ofrecer nada útil, pero en la gran mayoría de los casos lo hará.

Una cosa que ha estado surgiendo en las últimas semanas es que parece haber dos tipos principales de Data Scientist. Hay científicos de datos que realizan ciertas tareas o se centran en tecnologías específicas. Luego están los científicos de datos que no son tan técnicos como el grupo anterior, pero se centran en cómo pueden utilizar las tecnologías para ofrecer beneficios empresariales. Me gusta llamar a estos Data Scientist Tipo I y Tipo II.

El científico de datos de tipo I

Esto es tal vez para el tipo más común de Data Scientist que vemos alrededor, o el tipo más común de persona que se está llamando a sí mismo un Data Scientist. Estas son personas que saben mucho y son realmente buenas en una técnica o tecnología que se asocia con la Ciencia de Datos. Algunos de ellos serían el tipo de personas de la “vieja escuela” e incluirían:

Estadísticos
Mineros de datos
Modeladores predictivos
Aprendizaje automático
Almacenaje de datos
Inteligencia y visualización de negocios
Big Data
R / Oracle / SAS / SPSS / etc.

Las personas en cada uno de estos tienen un profundo conocimiento de su tema y pueden decirle / mostrar un montón de detalles sobre la mejor manera de explorar los datos en su campo dado.

Sí, usted no tiene que tener un fondo de Stats para llamarse a sí mismo un científico de datos, pero algún conocimiento de Stats sería útil (no necesita un doctorado o maestría)

El científico de datos de tipo II

Un Científico de Datos Tipo II es una raza ligeramente diferente de persona. Tendrían un poco de conocimiento de algunas o todas las áreas enumeradas bajo el Data Scientist Tipo I, pero no tendrían la profundidad de conocimiento de un tema que un Data Scientist Tipo I tendría.

El Data Scientist de Tipo II aborda los tipos de problemas a los que se enfrentan las organizaciones de una manera diferente. Se concentrarán en los objetivos empresariales y los problemas empresariales a los que se enfrenta la organización. Basándose en ellos, identificarán en qué se centrará el proyecto científico de datos, asegurando que haya un resultado mensurable y un objetivo empresarial. El Data Scientist Tipo II será un buen comunicador, pudiendo traducir entre el problema empresarial y el entorno técnico necesario para entregar lo que se necesita. Durante el proyecto, el equipo científico de datos descubrirá varios conocimientos sobre los datos. El Data Scientist Tipo II dará prioridad a estos y los transmitirá a las distintas unidades de negocio. Algunas de estas ideas pueden ir desde algo nuevo, la verificación de las creencias del conocimiento empresarial, áreas donde se necesita una mejor captura de datos, mejoras en las aplicaciones, etc.

El Data Scientist de Tipo II sería el líder del equipo de Data Science dentro de la organización que gestiona los Data Scientists de Tipo I, manteniéndolos enfocados en los entregables clave de proporcionar beneficios comerciales medibles.

La ciencia de los datos no se trata de Big Data. Hay mucho más que una organización puede hacer con Data Science sin tener que involucrarse con Big Data. Aquí es donde las habilidades del Data Scientist Tipo II son importantes, ya que pueden dirigir a los gerentes de una organización a centrarse en sus problemas reales de datos y no dejarse llevar por parte de la publicidad. Cuando sea el momento adecuado, analizarán la incorporación de los problemas típicos de los macrodatos en su entorno analítico existente.

Una cosa es segura. La definición de “lo que es un” Data Scientist sigue evolucionando. Pero parece haber algún consenso que corresponde a la separación de los roles Data Scientist de Tipo I y Tipo II.