Los científicos de datos necesitan especializarse para sobrevivir al invierno tecnológico

Data scientists need to specialize to survive the technological winter

 

La temperatura en Silicon Valley está fría últimamente. No hay duda de que estamos en un invierno tecnológico. El dinero de capital de riesgo se ha agotado, cientos de empresas están ejerciendo su poder con despidos y la inteligencia artificial está acechando a todos, lo que provoca amenazas de pérdida de empleo adicional e incertidumbre.

Los científicos de datos se preguntan: ¿está seguro mi trabajo? Y no es de extrañar. Lo que una vez se promocionó como la carrera más sexy ya no parece tan atractiva.

La perspectiva general del trabajo en ciencia de datos en su conjunto es prometedora: la Oficina de Estadísticas Laborales aún predice que crecerá un 36 por ciento en los próximos diez años, lo cual es mucho más rápido que la tasa de crecimiento promedio de empleo en Estados Unidos del 5 por ciento. Pero como pueden decirte miles de científicos de datos despedidos, las estadísticas no son un escudo contra el desempleo. ¿La respuesta? Algunos expertos sugieren que especializarse es una de las mejores formas de destacar y hacerse imprescindible. “A medida que la influencia de los datos crece y la tecnología avanza, se necesitarán roles específicos en los equipos de datos para maximizar la eficiencia”, escribe la autora de Fortune, Meghan Malas.

Estoy de acuerdo. Cualquier científico de datos te dirá que el trabajo es diferente según lo que tu jefe necesite de ti ese día: hojas de cálculo, presentaciones, desarrollo de canalizaciones de extracción, transformación y carga (ETL, por sus siglas en inglés), o desarrollo de experimentos para ejecutar.

   

Lo único que todos los científicos de datos tienen en común es que las responsabilidades se están ampliando a medida que tanto la cantidad como la importancia de los datos aumentan.

En lugar de seguir intentando hacerlo todo, los científicos de datos pueden diferenciarse mejor a través de la especialización. Al elegir una habilidad o dominio, es más fácil dejar clara su propuesta de valor, mantenerse relevante y valioso en un mercado laboral altamente competitivo.

 

Por qué la especialización puede ayudar a los científicos de datos a mantener su trabajo

 

Antes de comenzar StrataScratch, era un científico de datos generalista como cualquier otro. Siempre estaba aprendiendo nuevas habilidades y tecnologías para mantenerme al tanto del campo en constante evolución. Pero llegó el día en que me di cuenta de que necesitaba diferenciarme. Decidí especializarme en infraestructura y en cómo habilitar el trabajo de ciencia de datos a través de la infraestructura. Mi trabajo en infraestructura cambió el día en que los científicos de datos de mi equipo trabajaron, empoderándolos para entregar modelos y resultados más rápido que antes.

Después de varios años de enfocarme en la infraestructura de ciencia de datos, conseguí un trabajo en estrategia de datos en el campo de la biotecnología. Rápidamente me di cuenta de que mi especialización me daba una ventaja significativa en el mercado laboral, ya que había pocas personas con las habilidades y experiencia específicas que yo tenía. Esto también significaba que podía exigir un salario más alto y un puesto más alto, ya que el profundo conocimiento que adquirí al especializarme en un área focal me impulsó a una posición más senior simplemente porque tenía más conocimiento y experiencia para influir en otros científicos de datos de mi equipo.

Esa es solo mi historia, sin embargo. La especialización puede ayudar de varias formas diferentes, dependiendo de tu situación actual y tu objetivo general.

 

 

Apunta a la seguridad laboral

 

En uno de mis episodios favoritos de “Cómo conocí a vuestra madre”, Marshall consigue un trabajo en un bufete de abogados gracias a su amigo Barney. Barney le dice que tiene que convertirse en “el tipo” de algo. Tal vez el tipo de los refrigerios, el tipo de los masajes o el tipo de los juegos. Esa era la única forma de evitar ser despedido por su jefe caprichoso.

A veces las sitcoms tienen razón. Los generalistas pueden ser reemplazados por otros generalistas. Como especialista, eres mucho más valioso. Es mucho más fácil decir: “No, no podemos despedir a Marshall porque es nuestro chico de análisis de marketing. Es quien nos ayuda a crear todas nuestras tuberías de marketing y ventas. Es crucial para el equipo”.

 

Supera a la competencia

 

Hay una gran demanda de científicos de datos, pero también hay una creciente demanda de títulos en ciencia de datos. Añade el hecho de que las empresas ahora están abiertas a considerar perfiles no tradicionales y tendrás una receta para la competencia.

   

Especializándote, puedes reducir la competencia en el mercado laboral. Por ejemplo, si te especializas en procesamiento de lenguaje natural (NLP), limitas los trabajos para los que puedes competir. Pero tendrás una mayor demanda porque hay muchos menos expertos en NLP que científicos de datos.

 

Ve por el dinero

 

Honestamente, perseguir una carrera en ciencia de datos no puede ser solo por el dinero. Lo mismo ocurre con la especialización. Pero si te encuentras interesado en una parte particular de tu trabajo, vale la pena saber que los especialistas tienen un salario más alto que los generalistas, sin importar cuántas habilidades tenga el generalista.

Echa un vistazo a los datos de Indeed, solo como indicador: un científico de datos gana un salario base promedio de $127k al año. Compara eso con un ingeniero de aprendizaje automático ($155k) o un desarrollador backend ($158k).

 

Cómo especializarse como científico de datos

 

Ok, estás convencido del valor de la especialización. ¿Cómo puedes especializarte? Veamos los pasos.

 

 

Comienza con tus intereses

 

Si vas a especializarte, asegúrate de estar interesado en el área en la que te vas a enfocar. No puede ser solo por el dinero; tiene que ver con lo que disfrutas hacer. Comienza analizando tus intereses.

¿En qué eres apasionado? ¿Qué tipo de proyectos te encuentras persiguiendo en tu tiempo libre? Al identificar tus intereses, puedes comenzar a ver dónde podrías especializarte. Una forma de descubrir en qué eres apasionado es tratar de entender en qué tipo de trabajo estás emocionado de trabajar. Por ejemplo, en un proyecto, ¿estás más emocionado de hacer el trabajo de infraestructura? ¿O el trabajo de modelado? ¿O el trabajo de limpieza de datos? Descubre qué te gusta hacer y profundiza en eso.

 

Observa el panorama tecnológico

 

El panorama tecnológico está en constante cambio y es importante mantenerse al día con las últimas tendencias. Por ejemplo, mira a Meta. Después de pasar años y billones incalculables en el metaverso, ahora están cambiando hacia la inteligencia artificial, al igual que todas las demás grandes empresas de tecnología.

Una vez que tengas tu lista reducida de temas que te interesan, busca áreas donde haya mucha actividad y demanda. Esto te ayudará a identificar dónde podrías especializarte y dónde podrían haber oportunidades para diferenciarte.

Un buen lugar para buscar es Indeed. Este artículo es un poco antiguo, pero me encantó la idea. El autor extrajo datos de Indeed sobre ofertas de trabajo que mencionaban lenguajes de programación específicos y ciudades. Encontraron que R, SQL y Python están en la cima de la lista. También puedes consultar la encuesta de desarrolladores de StackOverflow. Ellos tienen un buen conocimiento sobre la tecnología más demandada, por lo que vale la pena revisarla.

 

Encuentra cursos y certificados gratuitos

 

Una vez que hayas identificado un área de interés, busca cursos y certificados gratuitos que te ayuden a desarrollar tus habilidades. No comiences con cursos costosos; comienza con los gratuitos para ver si el conocimiento se queda contigo.

Hay muchos recursos gratuitos disponibles, incluyendo cursos en línea, libros y plataformas de práctica. Aprovecha de ellos para desarrollar tus habilidades y conocimientos en ciencia de datos. Una vez que te sientas semi-confiado, probablemente querrás hacer proyectos para construir tu portafolio.

 

Pide nuevos proyectos en el trabajo

 

Si ya estás trabajando como científico de datos, busca oportunidades para mostrar tus nuevas habilidades. Habla con tu jefe y colegas sobre tus intereses y averigua si hay proyectos en los que puedas trabajar que te permitan desarrollar tus habilidades. Al asumir nuevos desafíos en el trabajo, puedes construir tu experiencia y expertise en tu área de especialización elegida.

Por ejemplo, si estás interesado en el procesamiento del lenguaje natural, podrías pedir trabajar en un proyecto que involucre analizar los datos de retroalimentación de los clientes o desarrollar un chatbot para el servicio al cliente. Si la visión por computadora es más lo tuyo, verifica si hay proyectos relacionados con el reconocimiento de imágenes o el análisis de videos en los que puedas contribuir.

A veces, las necesidades del negocio dictan cuál será tu próximo proyecto. Por ejemplo, uno de mis primeros proyectos como científico de datos fue crear un algoritmo de procesamiento del lenguaje natural para rastrear brotes de enfermedades transmitidas por los alimentos utilizando tweets de Twitter. No tenía ningún entrenamiento en la creación de algoritmos de procesamiento del lenguaje natural, así que tuve que empezar desde cero y aprender todo lo que pude durante el proyecto. Fue una gran experiencia de aprendizaje para desarrollar mis habilidades como científico de datos.

 

Cambia de trabajo

 

Finalmente, puede que llegue el momento de cambiar de empresa. Si tu jefe se niega a verte como algo más que un científico de datos polifacético, es posible que necesites cambiar a una nueva empresa para mostrar tu nueva dirección profesional. A veces, puedes aburrirte de las necesidades comerciales de tu empleador (por ejemplo, las mismas necesidades todo el tiempo), la pila tecnológica y la estructura del equipo. Si no sientes emoción por ir a trabajar todos los días para aprender, entonces puede ser el momento de explorar nuevas oportunidades que te permitan crecer y aprender como científico de datos.

Busca ofertas de trabajo que coincidan con tus nuevas habilidades y solicítalas. Al cambiar de trabajo, puedes comenzar de nuevo y demostrar tu nueva experiencia a un nuevo empleador.

 

Hundirse o especializarse: la elección es tuya

 

Como científico de datos, es inteligente especializarse. Pero esperemos que sea más que una buena elección profesional: especializarme en mi campo me brindó mucha más claridad en mi rol, así como disfrute y propósito. Mis jefes entendieron mucho mejor lo que se suponía que debía hacer y pudieron darme KPIs más útiles. Tenía una mejor visión de cómo podía aportar valor. Y también pude disfrutar de mis intereses.

Siguiendo estos pasos, puedes comenzar a especializarte como científico de datos y destacarte en un mercado laboral altamente competitivo. Recuerda, la especialización no se trata solo de hacerte más empleable; se trata de perseguir tus intereses y construir una carrera que disfrutes. ¡Buena suerte!     Nate Rosidi es un científico de datos y estrategia de productos. También es profesor adjunto enseñando análisis, y es el fundador de StrataScratch, una plataforma que ayuda a los científicos de datos a prepararse para sus entrevistas con preguntas reales de las principales empresas. Conéctate con él en Twitter: StrataScratch o LinkedIn.  

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

El futuro de la guerra totalmente autónoma impulsado por IA está aquí

Barcos sin tripulación. Enjambres de drones autónomos. Cómo una fuerza de tarea de la Armada de los Estados Unidos es...

Inteligencia Artificial

Red de robots monitoriza tuberías utilizando sensores de ondas acústicas

Investigadores demostraron que los sensores de ondas acústicas guiadas pueden permitir que redes de robots independie...

Inteligencia Artificial

Intuitivo logra un mayor rendimiento mientras ahorra en costos de IA/ML utilizando AWS Inferentia y PyTorch

Este es un post de invitado escrito por José Benítez, fundador y director de AI y Mattias Ponchon, jefe de infraestru...

Inteligencia Artificial

🤖 ¡Háganse a un lado para el robot similar a una anguila un avance en la tecnología submarina! 🌊

Una innovación de vanguardia del Instituto Federal Suizo de Tecnología Lausana ha producido un notable y versátil rob...