¿Qué es mejor: un MBA, un certificado de grado en ciencias de datos o análisis de negocios o una carrera ERP?

Esa es una respuesta que solo tú podrías dar. ¿Qué es interesante para ti? No busques exageraciones, son solo eso, exageraciones. Si conoce los ciclos de exageración, sabrá que todo lo que se exagera llegará a un punto de equilibrio en algún momento u otro. Por lo tanto, no entre en la ciencia de datos porque es genial y el salario medio es alto en este momento, hágalo si cree que es el tipo de persona que lo disfrutará y prosperará. Además, es mejor (financieramente) ser un experto senior en ERP en lugar de ser un científico de datos que recién comienza, a pesar de los salarios medios. (muchos de los compañeros de clase de mi maestro finalmente eligieron volver a sus roles anteriores porque su falta de experiencia en la industria en ciencia de datos significaría un recorte salarial).

No sé exactamente qué hace un consultor de ERP, pero por lo que parece, es bastante diferente de un rol de ciencia de datos. Si bien hay muchos tipos diferentes de científicos de datos y carreras de ciencias de datos, la mayoría tiene pocos requisitos en común:
0) dispuesto a aprender cosas nuevas a la velocidad de romper el cuello. No hay zona de confort en la ciencia de datos. Es un campo nuevo, no estable. Las cosas cambian de la noche a la mañana. Las tecnologías aliadas como el almacenamiento de datos y la computación en la nube pueden afectar sus modelos, por lo que debe estar preparado para comprender un poco de todo
1) Una competencia de nivel universitario en matemáticas. Si recuerda qué ecuación de una línea en el espacio 3D es, y cuál es la derivada de x-cuadrado, es bueno que vaya al departamento de conocimientos matemáticos
2) Conocimiento de estadísticas: dado que está dispuesto a volver a la escuela, puede recogerlo.
3) Algunos conocimientos de computación y programación o dispuestos a aprender. Si bien es poco probable que necesite escribir código listo para producción; al menos deberías saber cómo conseguir un modelo que funcione en el terreno.
4) paciencia: esta es una cosa que me apesta por completo y a veces me hace la vida imposible. A veces nada parece funcionar. O bien, es posible que se le presenten datos tan sucios que manualmente necesite, por ejemplo, eliminar comas. Es posible que estés haciendo un análisis de Twitter, y te encuentres necesitando leer cientos de tweets mal construidos para comenzar con cualquier hipótesis.

¡Todos los campos mencionados son realmente buenos, depende de ti lo que realmente te emociona! si su respuesta son números, vaya al campo Análisis de datos / Científico porque aquí tiene que lidiar con muchos números.

Según mi sugerencia personal, vaya al campo Análisis de datos / Científico porque hay un futuro muy brillante por delante para estos roles. Hoy en día las empresas están más enfocadas en analizar los datos para tomar mejores decisiones / estrategias para sus negocios porque los “datos nunca mienten”.

Le sugiero que lea el siguiente blog / documento para conocer en profundidad la Guía para principiantes de la carrera en análisis que realmente explica mucho sobre cómo ingresar en análisis o por qué elegir esta carrera.

Espero que mi respuesta te explique algunas cosas y la mejor de las suertes para el futuro.

“Recuerda siempre que solo tenemos una vida para vivir, por lo tanto, haz lo que realmente importa para ti”

Por favor dame un grito si quieres saber más sobre el campo de datos.

Muchas gracias