Cómo ser un Científico de Datos.

Hoy vamos a ver una serie de características que son necesarias si eres o pretendes ser un Científico de Datos.

De la mano de Apryl DeLancey, CEO y presidente de Social Media Age, nos da una serie de consejos y experiencias para comprobar si realmente podemos dedicarnos a la ciencia de convertir datos en información.

¿Que se necesita para ser un Científico de Datos?

"Ser científico de datos no es algo que se pueda aprender de la noche a la mañana, y hay personas a las que simplemente no les gusta trabajar con números. El pre-requisito indispensable para desempeñar esta profesión es sentir amor por los números y los datos. Todo será mucho más fácil si realmente te gustan los datos." dice Apryl, añadiendo una serie de consejos para saber si realmente esto es lo nuestro:

  1. Comprensión de la estadística - O la habilidad para sobre leer, comprender y aplicar conceptos y fórmulas. Uso muchos modelos de regresión, histogramas, diagramas de dispersión, prubas T y valores R cuadrado. En mi ámbito (el márketing digital) la mayoría puede preguntarse el por qué usar estas herramientas. Mantener las ideas simples es muy recomendable. Seguramente, puedes usar el método de los K-vecinos más cercanos, los árboles de decisión, redes neuronales y otros métodos más complejos pero comenzando de manera simple podemos responder a muchas preguntas.
  2. Curiosidad Natural - Si de niño tomabas las ideas a parte de ver el funcionamiento de las cosas tienes la mentalidad adecuada. Si te gusta indagar sobre las preguntas o problemas hasta que les encuentras respuesta entonces tienes la mentalidad del científico de datos.
  3. Pensamiento lógico - Esto también es conocido como pensamiento geométrico y viene a decir que concibes la posibilidad de que las preguntas tengan más de una respuesta. Tu mente evoca sentencias if-then-else y tú empezarás a probar cada una.
  4. Capacidad para leer y robar código - No creo que necesites ser un programador experto. Creo que deberías ser un experto entendiendo qué hace un fragmento de código en particular y buscando la implementación adecuada mediante fragmentos de código que ya hayan sido escritos. Los lenguajes de código abierto como Python o R tienen un montón de librerías por lo que lo más probable es que la funcionalidad que buscas se encuentre en ellas o haya sido implementada por otra persona antes. StackOverflow o las búsquedas de Google proporcionan mucha información cuando estamos atascados en una función, fórmula o problema particular.
  5. Paciencia - Los datos deben ser limpiados, verificados, hechos de forma que se puedan usar, etc. En el postgrado un profesor me dijo muy acertadamente que en el análisis de datos el 90% del tiempo se dedica a la limpieza de los datos, y el otro 10% al análisis en si. Esto es cierto tengas las experiencia que tengas.
  6. Capacidad para interpretar resultados - Honestamente he de decir que hay multitud de programadores y analistas brillantes que pueden generar código y grafos excelentes. Lo que no tienen tantos es la capacidad para interpretarlos ni para entender las acciones resultantes. Por suerte yo tuve grandes profesores en la carrera que hacían mucho hincapié en la importancia de interpretar los resultados. Esta habilidad me ha sido de mucha ayuda a lo largo de mi carrera.

Tras ver estos sabios consejos basados en la experiencia, Apryl nos hace un esbozo de las características que hay que tener para dedicarse al análisis de datos, que incluso son aplicables a todos los programadores que quieran destacar.

Podéis leer la noticia original en Huffington Post.
COMPARTE ESTA NOTICIA

COMPARTIR EN FACEBOOK
COMPARTIR EN TWITTER
COMPARTIR EN LINKEDIN
COMPARTIR EN WHATSAPP