LUCA Talk: Roles profesionales en el mundo del Big Data

Friday, November 2, 2018

LUCA Talk: Roles profesionales en el mundo del Big Data

En el mundo del Big Data y la Inteligencia Artificial, hay muchísimos roles de donde elegir, que requieren distintas habilidades, y es habitual tener muchas dudas si no se trabaja en tecnología.

Es por ello, que dedicamos nuestro último LUCATalk, "Roles profesionales en el mundo del Big Data" a resolver estas preguntas, y escuchar las experiencias de tres expertos que trabajan en el sector.

Una de las primeras preguntas que tienen los estudiantes o las personas buscando cambiar de carrera es ¿que cualidades son necesarias para trabajar en Big Data?, y la cualidad fundamental es la capacidad de análisis. El análisis es fundamental para sacar información de valor o insights, para luego convertirlos en conclusiones y acciones para mejorar el negocio. Aparte de la capacidad de análisis, conocimientos de matemática y programación siempre te ayudarán a tener éxito en estos roles.

Figura 1. De acuerdo a InfoJobs, analista de datos y data scientist están entre los perfiles más buscados

Dentro de los roles en Big Data, hay mucha variedad,  y aunque las tareas de los Analistas de Datos y Data Scientists suele ser la misma en todas las empresas, va a depender mucho de empresa a empresa cuanto tiempo le dedican a limpieza de datos o modelado de datos. Dentro de los distintos roles analíticos, en Telefónica nos encontramos con distintas categorías que el Data Science y Business Intelligence comparten, tenemos roles más especializados a los datos y roles que son comerciales.

Si no pudiste verlo en directo, no te pierdas el webinar completo a continuación: 




Durante la sesión de Q&A, nos quedaron un par de preguntas sin responder, que dejamos a continuación:

1. Cuál sería el tamaño mínimo para conformar equipo de Analytics y cuáles de los perfiles que describieron antes serían los más importantes

La respuesta depende completamente de la estrategia y prioridades que defina el negocio. Asumiendo, por ejemplo una unidad de negocio básica (e.g. digital marketing, logistica, etc) que requiere de data analytics para efectuar tareas operacionales, de segmentación de productos/clientes, etc. debe ser suficiente con tener un equipo básico (2 personas) con un perfil de data analyst, o para análisis mas avanzado data scientists. Tambien es necesario tener por lo menos 1 data engineer o database administrator que ayude a los analistas a trabajar con los equipos de IT a crear, mantener y optimizar una infraestructura básica para almacenamiento y procesamiento del dato.

2. De todos estos roles analíticos (9 en total) , ¿cuáles deberían estar en áreas tecnológicas y cuales en áreas de negocio dentro de una empresa?

Los roles de bid manager, pre-sales support y business analyst es conveniente mantenerlos cerca de las áreas de negocio ya que son ellos los que apoyan a los equipos de ventas en tarea técnicas. Si estos tres roles son lo suficientemente técnicos entonces los demás roles se pueden y es conveniente agruparlos dentro del área tecnológica. De esta manera, los data experts (data scientists, data analyst, etc) pueden trabajar de forma mas integral con equipos completamente técnicos como los son desarrolladores y equipos de operaciones. Sin embargo, muchas empresas deciden mover a los data experts a unidades comerciales y se espera que ellos hagan precisamente el vinculo entre el mundo tecnológico y el comercial.

3. ¿Es valorable como Data Scientist tener un portfolio para buscar trabajo? En ese caso, ¿cómo lo estructuraríais?

Más que un portfolio detallado (el que se nos viene a la cabeza, es el que típicamente podría necesitar un arquitecto clásico), lo importante a la hora de buscar trabajo como Data Scientist no es tanto destacar los proyectos concretos en los que has trabajado sino las habilidades que has desarrollado en ellos. Por ejemplo, si trabajaste en un proyecto que involucró el desarrollo de un modelo de predicción cuya características más destacables son que conllevaba trabajar con un gran número de variables y que se resolvió con redes neuronales, lo importante es destacar tu experiencia en entornos con gran número de features y tú experiencia con redes neuronales. Es decir, a la hora de estructurar esto, repasaría las técnicas y entornos en los que has trabajado, más que todos los proyectos por los que has pasado, ya que pueden ser muchos y que las técnicas usadas se repitan.

4. ¿El rol de Big Data Visualization se ubica más en la parte Técnica o en la parte Comercial o depende del Proyecto?

El rol de big data visualization es conveniente ubicarlo mas cerca a la parte comercial. La visualización del dato es muchas veces una de las partes mas importantes para resaltar el valor que se le ha encontrado al dato. Ese valor esta directamente vinculado con las prioridades y estrategia del negocio que en la mayor parte de las empresas es definido dentro de la parte comercial. Sin embargo esto no es absoluto, ya que habrá compañías donde la visualización se conceptualice como un producto final, en cuyo caso es mas conveniente ponerlo mas cerca de la parte técnica.

En los comentarios de este post, también nos puedes dejar tus preguntas, y aclararemos todas tus dudas.

Para mantenerte al día con LUCA visita nuestra página web, y no olvides seguirnos en TwitterLinkedIn YouTube.

No comments:

Post a Comment