El economista estadounidense y jefe del sector financiero de Google, Hal Varian, aseguró años atrás que "el trabajo más sexy en los próximos diez años será el de los científicos de datos". "Mucha gente cree que estoy bromeando, pero ¿quién hubiese adivinado que el trabajo de ingenieros informáticos sería considerado como el más sexy de la década de 1990?", remata el ejecutivo.

Según Harvard Business Review, "sexy" significa tener cualidades muy demandadas. "Son caros de contratar y son difíciles de retener, dado al mercado muy competitivo. Simplemente, no hay mucha gente como ellos", agregan. Precisamente en la Argentina, un data scientist gana entre $70.000 a $173.000 al mes, según el sitio de sueldos Glassdoor.

Pero, ¿qué hace un científico de datos? Su rol requiere fuertes conocimientos en bases de datos, Big Data y múltiples lenguajes de programación. Utilizan lenguajes de programación como SQL -para operar y crear bases de datos-, Python -para visualizar los datos- y R -para desarrollar estadísticas. El 90% del trabajo de un científico de datos es depurar información y convertirlos en un producto y/o métricas útiles para una compañía.

En 2021, miles de científicos de datos trabajan en grandes, medianas y pequeñas empresas a nivel mundial. Para Harvard, "su repentina aparición en el mundo de los negocios refleja el hecho de que las empresas están luchando con grandes volúmenes de información". A la vez, los expertos de la universidad están preocupados frente a la escasez de profesionales: "La falta de científicos de datos se está convirtiendo en una seria restricción en algunos sectores", apuntan.

Los expertos de Harvard también compararon a estos profesionales con "surfistas": "Más que nada, lo que hacen los científicos de datos es hacer descubrimientos mientras nadan en datos. El avance del Big Data no muestra signos de desaceleración. Hay que pensar el Big Data como olas gigantes empezando a formarse. Si querés saber cómo atravesar la marea, necesitas gente que pueda surfear", reflexionan.

Cuándo surgen los científicos de datos

El título de "científico de datos" existe desde 2008 y nació por dos científicos llamados Thomas H. Davenport, D.J. Patil -los autores del artículo- y Jeff Hammerbacher, quienes trabajaron en LinkedIn y Facebook.

En el artículo, cuentan la historia de Jonathan Goldman, un doctor en física que comenzó a trabajar en LinkedIn en 2006. En resumidas cuentas, Goldman utilizó Big Data para mejorar la experiencia de la plataforma. En ese entonces, Linkedin tenía alrededor de 8 millones de personas registradas y, según Goldman, los datos estaban todavía desordenados y eran difíciles de manejar. Por esta razón, empezó a explorar las conexiones de la gente para conectar a personas que, por contactos en común, podrían conocerse. Goldman consultó con Reid Holffan, CEO en ese entonces de LinkedIn y actual director ejecutivo de la compañía, y decidieron lanzar un anuncio personalizado que mostraba las tres mejores coincidencias para cada usuario, en función de sus amistades, trabajo y habilidades. En consecuencia, la tasa de clics subió exponencialmente. En definitiva, se aplicó Big Data para lanzar sugerencias de contactos a los usuarios en LinkedIn. Esta característica existe y sigue funcionando hasta hoy en día.

Conectividad

Stalink Mini en Argentina: cuánto cuesta y cómo se instala la nueva internet satelital

Otros ejemplos de utilización de Big Data en la vida diaria de las personas es la plataforma de series y películas Netflix, que utiliza científicos de datos para crear algoritmos y optimizar la experiencia de los usuarios recomendando películas. En Google también trabajan científicos de datos refinando algoritmos de búsqueda y la publicación de anuncios.

"Diríamos que el rasgo dominante entre los científicos de datos es una intensa curiosidad: el deseo de ir por debajo de la superficie de un problema, encontrar las preguntas en su corazón y destilarlas en un conjunto muy claro de hipótesis que se pueden probar", concluyen los autores.

Dónde estudiar ciencia de datos en la argentina

Para comenzar a indagar en el mundo de la ciencia de datos de manera autodidacta, existe una librería de Python que abarca conocimientos en bases de datos, estadísticas y análisis matemático en Github. Es totalmente gratuita y tiene manuales, documentación y material para que los estudiantes puedan aprender los pilares básicos de Data Science, Data Analysis y Python. Para acceder, se debe copiar y pegar el siguiente enlace en el navegador: https://foundations-of-applied-mathematics.github.io/

En el caso de querer estudiar la carrera completa con un profesor, se recomiendan plataformas como EducaciónIT. La página tiene un listado de cursos con duración entre uno y tres meses de Data Science. La carrera de Data Analytics cuesta $29.975 y puede pagarse en seis cuotas. Son 126 horas de contenido. En cambio, la carrera Data Science cuesta $67.500 pero se puede pagar en 10 cuotas sin interés. Es un curso de 225 horas con todos los temas necesarios que necesita un profesional de estas características para comenzar a trabajar.