{"id":1244,"date":"2020-12-28T10:35:38","date_gmt":"2020-12-28T13:35:38","guid":{"rendered":"http:\/\/datamining.dc.uba.ar\/predictivos\/?p=1244"},"modified":"2021-04-29T15:29:06","modified_gmt":"2021-04-29T18:29:06","slug":"tal-vez-estes-necesitando-un-cientifico-de-datos","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1244","title":{"rendered":"Tal vez est\u00e9s necesitando un cient\u00edfico de datos"},"content":{"rendered":"

Por Marcelo Soria.<\/b> La mayor\u00eda de las veces que escribo para el blog es pens\u00e1ndolo como una comunicaci\u00f3n con los estudiantes y graduados. Esta vez me pareci\u00f3 una buena idea dirigirme a quienes pueden llegar a emplear a graduados y graduadas de la Maestr\u00eda.\u00a0<\/span><\/p>\n

No es ninguna novedad que la ciencia de datos y la inteligencia artificial se est\u00e1n abriendo camino en diferentes actividades econ\u00f3micas en nuestro pa\u00eds. En las organizaciones centradas en datos como componente central del negocio, en otros casos como actividades complementarias y en otras simplemente como un primer paso exploratorio. Tambi\u00e9n hay un gran n\u00famero de empresas que miran expectantes y se plantean diferentes interrogantes: \u00bfEsto es para nosotros?, \u00bfno ser\u00e1 otra moda?, \u00bfalguien podr\u00e1 tomar la responsabilidad dentro de la empresa o hay que contratar m\u00e1s gente?, \u00bfhay que recurrir a una consultora?<\/span><\/p>\n

Nos centraremos aqu\u00ed en aquellas cuestiones que se relacionan con el capital humano en organizaciones que est\u00e1n considerando incorporar tecnolog\u00edas de datos o est\u00e1n en sus primeros pasos. Antes es importante que la lectora o el lector pueda determinar qu\u00e9 rol juegan los datos en su organizaci\u00f3n. Existen casos en que los datos ya son un activo importante en la empresa, pero todav\u00eda no se hace una explotaci\u00f3n sistem\u00e1tica de ellos con m\u00e9todos modernos. En otros casos, los datos se acumulan o directamente se descartan como un subproducto de las actividades principales. Tambi\u00e9n es importante indagar qu\u00e9 es lo que motiva el inter\u00e9s por iniciar actividades relacionadas con datos: \u00bfVer de qu\u00e9 se trata?, \u00bfexiste un beneficio percibido?, \u00bfalgunas pruebas iniciales sugieren que vale la pena hacerlo?, \u00bflo est\u00e1 haciendo la competencia? Estos son cuatro escenarios v\u00e1lidos, pero el nivel de esfuerzo, compromiso e inversi\u00f3n var\u00eda en cada uno de ellos.<\/span><\/p>\n

Una vez analizadas las cuestiones planteadas en el p\u00e1rrafo anterior, es importante reconocer que cualquier conclusi\u00f3n es provisional. El alcance de las tecnolog\u00edas de ciencias de datos, sus costos y su dificultad de implementaci\u00f3n est\u00e1n en constante cambio. Un proyecto que parec\u00eda irrealizable hace un a\u00f1o, puede ser accesible el pr\u00f3ximo. Sin embargo, a partir de estas consideraciones iniciales ya se pueden tomar las primeras decisiones con respecto al capital humano.<\/span><\/p>\n

Las aplicaciones de ciencia de datos y de inteligencia artificial son muy variadas, y si bien parecen todas surgidas en los \u00faltimos a\u00f1os, varias existen desde hace d\u00e9cadas y son bien conocidas. Tambi\u00e9n es variado el costo computacional: algunas se pueden ejecutar con recursos modestos, otras necesitan equipos sofisticados, pero que hoy se pueden acceder como recursos en la nube, bajando sus costos significativamente. La conclusi\u00f3n aqu\u00ed es que el tipo de actividades es uno de los determinantes del nivel de formaci\u00f3n y la cantidad de personal que se deber\u00e1 destinar.<\/span><\/p>\n

Un error com\u00fan en muchas organizaciones que se inician en la ciencia de datos es intentar captar profesionales de alt\u00edsimo nivel de formaci\u00f3n. En general, \u00e9sta no es una estrategia adecuada. El problema es que las organizaciones que proceden de esta manera tienden a esperar que los profesionales contratados implementen una soluci\u00f3n integral. Como discutimos al inicio de esta nota, las preguntas m\u00e1s importantes que aparecen al inicio de un proyecto deben ser respondidas por la propia organizaci\u00f3n. Son estas respuestas las que contribuir\u00e1n a optimizar la b\u00fasqueda de profesionales.\u00a0<\/span><\/p>\n

Otro factor a tener en cuenta es que muchas de las tecnolog\u00edas de ciencia de datos e inteligencia artificial tienen un car\u00e1cter fuertemente transversal. Es decir, una metodolog\u00eda que funciona muy bien, por ejemplo alguna aplicaci\u00f3n de visi\u00f3n artificial, que funciona muy bien en un sector, puede implementarse con ciertos ajustes a otro. De manera que, a diferencia de otros perfiles profesionales, no deber\u00edan descartarse candidatos simplemente porque sus experiencias provienen de otras \u00e1reas. Esto no quiere decir que las aplicaciones de ciencia de datos se pueden \u201cenchufar\u201d y funcionan. Esta es otra causa frecuente de frustraciones.\u00a0<\/span><\/p>\n

Para que una implementaci\u00f3n de datos permita generar las ganancias o ahorros esperados es imprescindible que est\u00e9 alineada con el negocio y est\u00e9 integrada con el conocimiento del dominio. Esto, desde otro punto de vista, refuerza lo comentado antes: profesionales con conocimiento del sector pueden haber adquirido su experiencia en organizaciones muy diferentes de la nuestra y si no cuentan con flexibilidad al implementar, la probabilidad de que falle ser\u00e1 alta. Mientras que otros profesionales que provengan de otros sectores pero dominan las tecnolog\u00edas y son conscientes de la importancia de calibrar la aplicaci\u00f3n de datos a la realidad de la empresa y al dominio donde se desempe\u00f1a, pueden mostrar una eficiencia mucho mayor.<\/span><\/p>\n

Este tema nos lleva a reflexionar inmediatamente sobre c\u00f3mo se logra que un producto de datos incorpore ese conocimiento del dominio que la har\u00e1 exitosa. De los p\u00e1rrafos anteriores se desprende que no es conveniente dejarle esa actividad en forma exclusiva a los profesionales de ciencia de datos. La recomendaci\u00f3n aqu\u00ed es que se debe buscar a alguien en la empresa que sirva de nexo con los cient\u00edficos de datos que se convoquen, ya sea por contrataci\u00f3n o por consultor\u00eda. Idealmente este o esta profesional deber\u00e1 ser alguien con algunos a\u00f1os de experiencia en la empresa, con conocimiento del dominio y las particularidades de la organizaci\u00f3n, y que muestre iniciativa para aprender nuevas habilidades. El tama\u00f1o del proyecto de ciencia de datos, su transversalidad\u00a0 e impacto previsible en la empresa determinar\u00e1n la experiencia y trayectoria de quien ocupe esta posici\u00f3n. En primera instancia no es necesario que esta persona se capacite hasta el nivel de posgrado que normalmente tiene un cient\u00edfico de datos, m\u00e1s bien, debe conocer el lenguaje de la ciencia de datos, sus tecnolog\u00edas y la forma en que implementa sus soluciones. Esto asegurar\u00e1 que la empresa cuente con alguien que facilite y maximice los beneficios de la interacci\u00f3n con los cient\u00edficos de datos. Eventualmente esta persona podr\u00e1 liderar el equipo de ciencia de datos, aunque no es algo imprescindible.<\/span><\/p>\n

\"\"<\/a>Una cuesti\u00f3n no menor es el grado de formaci\u00f3n de los cient\u00edficos de datos y en general de aquellos que van a interactuar con las aplicaciones de inteligencia artificial y de ciencia de datos. Para los desarrollos nuevos y para las modificaciones mayores de las aplicaciones existentes\u00a0 y en aquellos casos donde se requiera liderar un equipo de m\u00e1s de unas pocas personas, es necesario contar con un profesional con formaci\u00f3n de grado o posgrado en ciencia de datos o inteligencia artificial. Para la operaci\u00f3n corriente de productos de datos se pueden convocar profesionales con menor formaci\u00f3n, pero que hayan tomado, por ejemplo, cursos cortos de formaci\u00f3n y est\u00e9n dispuestos a formarse de manera cont\u00ednua. Para este \u00faltimo perfil no es recomendable que tengan menor formaci\u00f3n que la indicada, porque los productos de datos son complejos, requieren ajustes continuos y es frecuente que para su aprovechamiento \u00f3ptimo sea necesario tener nociones de programaci\u00f3n de <\/span>scripts<\/span><\/i>.<\/span><\/p>\n

Como sucede en otras \u00e1reas de la inform\u00e1tica, la movilidad profesional es alta. Esto es algo que debe tenerse en cuenta: los equipos se renuevan y puede ocurrir que en alg\u00fan momento se pierdan piezas clave del equipo. Este es otro aspecto que refuerza la idea de contar con alguien con trayectoria y una posici\u00f3n de responsabilidad dentro de la empresa que haya funcionado o funcione como nexo entre la empresa y el grupo de ciencia de datos o bien l\u00edder del equipo. Esta persona, entre otras funciones, ser\u00e1 capaz de determinar con exactitud los requisitos t\u00e9cnicos que se le pedir\u00e1n a los nuevos integrantes. Esto es importante para evitar un defecto importante que se ve en las b\u00fasquedas de cient\u00edficos de datos, que consiste, ante el desconocimiento de lo que se puede precisar, en iniciar una b\u00fasqueda de profesionales junior con dominio de una larga lista de herramientas y habilidades. Es dif\u00edcil encontrar estos profesionales, m\u00e1s con un nivel junior. En el mejor de los casos, si los hay, sus expectativas de ingresos ser\u00e1n altas; en el peor, se contratar\u00e1 a alguien con un conocimiento superficial de los requerimientos solicitados.<\/span><\/p>\n

La longitud de esta nota no permite profundizar en algunos de los puntos discutidos, ni cubrir otros escenarios, que quedar\u00e1n para otra oportunidad. Es claro que el avance en tecnolog\u00edas para la explotaci\u00f3n de datos y las ca\u00eddas en los costos est\u00e1n abriendo nuevas oportunidades para muchas organizaciones. Para estas organizaciones las cuestiones relacionadas con la incorporaci\u00f3n de capital humano son fundamentales. Y tomar decisiones apropiadas en este aspecto ser\u00e1n beneficiosas tanto para las organizaciones como para los graduados en ciencia de datos que buscan posiciones bien remuneradas, pero tambi\u00e9n trabajar en proyectos bien formulados y que les permitan desarrollar todo su potencial<\/strong>.<\/span><\/p>\n

—————————————————————————-<\/p>\n

Enlaces relacionados al perfil del cient\u00edfico\/a de datos:<\/strong><\/p>\n

https:\/\/www.forbesargentina.com\/money\/los-sueldos-trabajos-cientificos-datos-son-inmunes-covid-19-n4089<\/span><\/a><\/p>\n

https:\/\/www.iproup.com\/innovacion\/7388-futuro-industria-conocimiento-Sueldos-mercado-laboral-empleos-en-Argentina-con-demanda-alta<\/span><\/a><\/p>\n

https:\/\/www.lanacion.com.ar\/sociedad\/los-cientificos-de-datos-las-estrellas-del-mercado-laboral-que-rechazan-ofertas-todas-las-semanas-nid2090793\/<\/span><\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Por Marcelo Soria. La mayor\u00eda de las veces que escribo para el blog es pens\u00e1ndolo como una comunicaci\u00f3n con los estudiantes y graduados. Esta vez me pareci\u00f3 una buena idea dirigirme a quienes pueden llegar a emplear a graduados y graduadas de la Maestr\u00eda. <\/p>\n","protected":false},"author":4,"featured_media":1245,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[24,26],"tags":[21,33],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1244"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1244"}],"version-history":[{"count":3,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1244\/revisions"}],"predecessor-version":[{"id":1262,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1244\/revisions\/1262"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/1245"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1244"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1244"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1244"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}