Ciudad de México, a 17 de octubre de 2022. De acuerdo a Practicum, los datos son una fuente de información que permite a las empresas -startups, negocios online o grandes compañías- tomar mejores y más rápidas decisiones, aumentar su eficiencia, crecer sus negocios y ser más competitivas. A pesar de esto, más del 90% del big data nunca se analiza y el 60% pierde valor en cuestión de segundos, de acuerdo con el estudio: “Big Data: el poder de los datos,” publicado por Fundación Innovación Bankinter.
“Para explotar el máximo valor del big data, existen dos profesiones clave: Data Scientist y Data Analyst, que se posicionan entre las de mayor demanda en el mercado laboral y con los mejores sueldos en los próximos años”, comentó Pablo Aguirregomezcorta, Director General de Practicum en Latinoamérica.
Particularmente en México y de acuerdo con Payscale, un data scientist puede ganar desde 30 mil pesos mensuales hasta 60 mil; mientras que un data analyst gana desde los 12 mil hasta los 50 mil pesos mensuales. En cambio, en Europa el salario en estas ciencias oscilan de los 60 y hasta los 90 mil pesos mensuales, pero en Estados Unidos la oferta es aún mejor, pues el rango va desde los 160 mil pesos y hasta los 200 mil, según el reporte del Instituto Burning Glass.
¿Cuál es la diferencia entre un data scientist y un data analyst?
Un científico de datos se encarga de predecir el futuro a partir de patrones previamente registrados, se plantea preguntas y extrae la información a partir de varias fuentes. Algunas de las tareas de un científico de datos son diseñar e implantar estrategias del manejo de la información y analizar datos cualitativos y cuantitativos del entorno digital.
Los expertos creen que la cantidad de puestos vacantes para científicos de datos crecerá considerablemente durante la próxima década. En resumen, el data scientist debe demostrar una mayor creatividad y experiencia técnica.
Por el contrario, el analista de datos se encarga de responder a las preguntas planteadas por el científico de datos. Entre sus tareas destacan: la extracción de datos, el procesamiento de los mismos y su síntesis para poder obtener conclusiones y así poder resolver problemas que puedan surgir; es decir, el análisis de data es una función posterior a lo ya registrado y se distingue por el desarrollo de modelos estadísticos.
Herramientas necesarias para ser un data analyst y un data scientist
Ambas profesiones requieren conocimientos matemáticos y de ingeniería de software, comprensión de algoritmos y capacidad de comunicación.
Sin embargo, no es necesario estudiar toda una carrera. En Practicum, cualquier persona que haya terminado la preparatoria o se haya graduado de otra carrera técnica o universitaria, puede convertirse en un data scientist en 7 meses y/o en un data analyst en 9 meses. El proceso de aprendizaje se logra con base en la resolución de casos prácticos, totalmente en línea, lo cual permite al estudiante realizar otras actividades a la par, como estudios o trabajo, mientras adquiere nuevos conocimientos y habilidades una nueva profesión.
Es importante aprender directamente de los expertos en el campo. Por ello, durante los cursos de Practicum, los estudiantes se conectan vía remota con un tutor que puede responder dudas y ofrecer información sobre cómo hacer que sus proyectos sean más exitosos.
Todos los tutores de Practicum trabajan como científicos y analistas de datos profesionales y tienen experiencia en el campo laboral. Han formado a más de 5 mil personas en Estados Unidos, Europa y Oriente Medio y el 80 por ciento de los graduados encuentra empleo en menos de cuatro meses.
