DESMITIFICANDO CREENCIAS ALREDEDOR DE LA CIENCIA DE DATOS

Por MFrancys Lanza

Quizás, en algún momento, habrás leído o escuchado conocimientos o experiencias inciertas sobre una actividad o aprendizaje de un tema y que tal vez te llenaron de dudas y te orillaron a dejar de lado ese deseo de avanzar en ellos. 

¿Adivina qué? 

Si te interesa incursionar en el mundo de la Ciencia de Datos, este mundo tampoco se ha librado de estar rodeado de este tipo de creencias y prejuicios.

Frente a este hecho es preciso desterrar ciertos mitos y poner la verdad sobre la mesa. Es por ello que en este post, buscaré aclarar los mitos más comunes que podemos encontrar alrededor de esta ciencia, por la cual siento una fascinación particular. Esto con la finalidad de darle un sentido más realista a aquellos mitos que hemos escuchado y que en cierta forma han cubierto a la ciencia de datos bajo un manto de complejidad excesiva, aburrimiento y un sin fin de calificativos fuera de lugar. ¡Acompáñame!

Mito: “La inteligencia artificial (IA) reemplazará a los científicos de datos” – Realidad: La incorporación de la IA en empresas, industrias y nuestra vida cotidiana ayudará a liberar de trabajos monótonos, manuales y pesados a los científicos de datos, permitiéndoles dedicar más tiempo a “crear” soluciones a problemas de negocios mediante datos, habilidad que aún carece una IA, y en instruir a estos sistemas de IA sobre lo que debe hacerse; por lo cual, la demanda de este de perfil seguirá en un aumento en un futuro previsible. Por ende, la automatización de tareas en esta ciencia implica una renovación de las habilidades demandadas en el mercado en un Científico de Datos, con énfasis en habilidades blandas, tales como resolución de problemas, pensamiento crítico, iniciativa, capacidad de adaptabilidad, entre otras.

Mito: “Los científicos de datos ganan mucho dinero” — Realidad: A pesar de ser nombrada una de las profesiones más sexy del siglo XXI y de liderar todos los rankings de los puestos más demandados por las empresas del todo el mundo, no todas las empresas reconocen el impacto positivo de esta profesión y/o no saben explotar correctamente el potencial de la ciencia de datos en un ámbito de negocios. La consecuencia de este hecho deriva en un bajo impacto de esta ciencia en este tipo de empresas y por lo cual no siempre ofrecen salarios atractivos.

Mito: “Tener experiencia en las herramientas de ciencia de datos es suficiente” — Realidad: Aprender herramientas para llevar a cabo análisis y modelamiento de datos no es suficiente para convertirnos en un científico de datos. Para lograr esto debemos ir más allá de las herramientas y dominar otras habilidades tanto duras, tales como la aplicación de diversas técnicas y algoritmos de modelado predictivo, como blandas, tales como la resolución de problemas, la comprensión del negocio, pensamiento crítico, habilidad de comunicación para presentar hallazgos e ideas de la manera más fácil posible. Junto con esto también se requiere habilidad de trabajo en equipos multidisciplinarios y autogestionados y disposición al cambio y a la formación continua; estas habilidades serán muy bien valoradas, si tienes en mente incursionar como Científico de datos en el mundo de las startups.

Mito: “La Ciencia de Datos solo se trata de construir modelos predictivos” — Realidad: La construcción de modelos predictivos es un aspecto muy importante la Ciencia de Datos, pero por sí solo no constituye un proyecto de Ciencia de Datos. En el pasado, esta ciencia se abordaba inicialmente desde una perspectiva experimental y científica. No obstante, el incremento de la capacidad de esta ciencia para resolver problemas complejos de la vida real, transformar industrias y ofrecer valor comercial le ha permitido trascender del ámbito científico al ámbito de negocios. Este hecho conlleva a un cambio de enfoque de la forma tradicional en cómo se desarrollan proyectos de Ciencias de Datos. Nuestro objetivo principal como Científico de datos debería ser proveer un proceso estructurado de desarrollo que contemple un End-to-End Machine Learning Workflow para poder proporcionar soluciones de análisis predictivo y aplicaciones inteligentes de manera eficiente que abarque tareas como construcción de hipótesis, recolección, verificación, limpieza, y exploración de datos, desarrollo de modelos e implementación, entre otras.

Mito: “Una maestría o curso en ciencia de datos o participar en concursos de ciencia de datos te convierte en un científico de datos”— Realidad: La realización de maestrías, cursos y certificaciones y/o participación de concursos, te ayudan a tu formación como Científico de Datos, pero no es la meta final para alcanzar este objetivo profesional. Trabajar con datos reales involucrando a personas y problemas reales es muy diferente a trabajar con escenarios hipotéticos y diseñados en un ambiente controlado y predecible. Los proyectos del mundo real tienen un contexto diferente de extremo a extremo, ya que implican trabajar con diferentes áreas de negocios y personas de diferentes disciplinas dentro la misma empresa y con datos que probablemente estén desordenados, mal etiquetados y vacíos. Por lo cual, para complementar tu formación como científico de datos tienes que sumergirte en el mundo real de los negocios y aprender a trabajar y enfrentar todas estas particularidades que implica el desarrollo de estos tipos de proyectos.

Mito: “La inteligencia artificial (IA) reemplazará a los científicos de datos” – Realidad: La incorporación de la IA en empresas, industrias y nuestra vida cotidiana ayudará a liberar de trabajos monótonos, manuales y pesados a los científicos de datos, permitiéndoles dedicar más tiempo a “crear” soluciones a problemas de negocios mediante datos, habilidad que aún carece una IA, y en instruir a estos sistemas de IA sobre lo que debe hacerse; por lo cual, la demanda de este de perfil seguirá en un aumento en un futuro previsible. Por ende, la automatización de tareas en esta ciencia implica una renovación de las habilidades demandadas en el mercado en un Científico de Datos, con énfasis en habilidades blandas, tales como resolución de problemas, pensamiento crítico, iniciativa, capacidad de adaptabilidad, entre otras.

Mito: “La inteligencia artificial (IA) reemplazará a los científicos de datos” – Realidad: La incorporación de la IA en empresas, industrias y nuestra vida cotidiana ayudará a liberar de trabajos monótonos, manuales y pesados a los científicos de datos, permitiéndoles dedicar más tiempo a “crear” soluciones a problemas de negocios mediante datos, habilidad que aún carece una IA, y en instruir a estos sistemas de IA sobre lo que debe hacerse; por lo cual, la demanda de este de perfil seguirá en un aumento en un futuro previsible. Por ende, la automatización de tareas en esta ciencia implica una renovación de las habilidades demandadas en el mercado en un Científico de Datos, con énfasis en habilidades blandas, tales como resolución de problemas, pensamiento crítico, iniciativa, capacidad de adaptabilidad, entre otras.

Finalmente…

Existen muchos más mitos que siguen la Científicos de Datos como una sombra y que no he mencionado en este post porque sería excesivamente largo. Por lo cual, nos encantaría escuchar tu opinión de otros mitos que te hayas encontrado o te hayas creído y así poco a poco ir mitigando estos conceptos erróneos sobre el fascinante mundo de la Ciencia de Datos.