Me ha divertido un rato el tono de los artículos que leí que se maravillan con el surgimiento del papel de científico de datos. Si bien no todos los artículos llegaron a declarar que los científicos de datos tendrían el “trabajo más sexy del siglo XXI” como lo hizo Harvard Business Review, la mayoría de las publicaciones que he visto se hicieron eco del tono de ” hemos visto el futuro” . No creo que estén necesariamente equivocados (aunque este breve artículo de Fortune es un buen recordatorio de que las leyes de la oferta y la demanda también se aplican a los científicos de datos), pero no veo qué es sorprendente o nuevo acerca de esta tendencia. Si The Onion estuviera cubriendo esta historia, esperaría un titular como:
“Un nuevo estudio revela que las personas que son buenas en matemáticas y programación están empleadas y son ricas. ”
- Quiero convertirme en gerente de tecnología. Soy de un campo central. ¿Qué debo seguir después de un B.Tech que me ayudará a crecer en este campo?
- Cómo convertirse en un CFA en India
- ¿Qué técnicas utiliza Apple para ofuscar los desarrollos de productos de modo que los ingenieros no sepan cuál será el producto final?
- ¿Cómo se convirtió AR Rahman en un buen director musical en el mundo? ¿Cuáles son sus estrategias de trabajo?
- Soy un aspirante de EEI de 20 años. Actualmente estoy estudiando ingeniería mecánica en Mangalore. ¿Cuáles son los preparativos que puedo tomar ahora para estar listo para presentarme a los exámenes IAS en el futuro?
¿Dónde están las noticias aquí? Las personas con habilidades matemáticas y de programación se han enriquecido en Wall Street desde los años setenta. A medida que más empresas generan grandes datos, la necesidad de estas habilidades se ha expandido a nuevas industrias, por no mencionar la demanda de estas habilidades en el sector tecnológico, pero todo es parte de una tendencia al alza a largo plazo del valor de las habilidades cuantitativas. Sin embargo, mi ejemplo favorito del entusiasmo de los medios fue este artículo del New York Times de julio pasado. Contaba la historia de un joven llamado Paul Minton, un camarero en San Francisco (¿dónde más?) Que decidió convertirse en científico de datos y, después de tomar un curso de tres meses en programación y análisis de datos, pasó de ganar $ 20,000 por año a un salario de seis cifras. ¡Contempla el milagro de la ciencia de datos!
Una pequeña advertencia (que para su crédito menciona el artículo, aunque apenas): el Sr. Minton había obtenido una licenciatura en matemáticas. En otras palabras, era un camarero bastante inteligente. No conozco al Sr. Minton y no quiero molestarlo, el NYT o los camareros, pero la mayoría de las personas no tienen la capacidad de hacer esa transición, mucho menos tan rápido. Soy un gran admirador de las academias de codificación y otros medios de educación no tradicionales, como he escrito antes en mi blog y en mi libro. Pero al notar que el Sr. Minton hizo su notable transición en “solo tres meses”, ignora sus años de educación previa que abarcan cálculo, estadísticas, teoría de la probabilidad y otros cursos difíciles además de las habilidades de programación que necesita para obtener un título en matemáticas. Supongo que el Sr. Minton tenía al menos una familiaridad pasajera con MATLAB. No solo la mayoría de las personas no tienen esos años de entrenamiento bajo sus cinturones; ellos no podrían entenderlo si se lo das gratis. Y me considero una de esas personas.
Ya no era un secreto que las matemáticas y las estadísticas eran habilidades comercializables cuando estaba en la universidad de lo que son hoy, pero eso no las hizo más fáciles de aprender. Entre mis amigos de la universidad, tal vez estaba un poco por encima del promedio en el mejor de los casos cuando se trataba de habilidades cuantitativas. Lo hice bastante bien a través del cálculo y las estadísticas, pero en algún momento tuve suficientes matemáticas detrás de mí para especializarme en economía y también lo suficiente como para saber que no tenía una ventaja a largo plazo para ser bueno en matemáticas. Claramente tendría que construir una carrera en algo más que ser mejor en matemáticas que la mayoría de los demás. Creo que la gran mayoría de nosotros tenemos esa comprensión de las matemáticas en algún momento, donde ves que estás luchando más que todos los que te rodean.
Traigo esto a colación porque si ese momento de claridad ocurre cuando no tienes un título en matemáticas, escuchar que los científicos de datos tienen una gran demanda es como escuchar que los quarterbacks de la NFL están bien pagados. “Sí, apuesto a que lo son”.
La buena noticia es que, incluso si no puede ser un científico de datos, puede hacerse mucho más valioso y mejor en su trabajo al convertirse en un experto en datos.
LA HABILIDAD SECRETA DE LAS HABILIDADES EN LAS EMPRESAS DE HOY: PERSONAS QUE PUEDEN RESPONDER PREGUNTAS
Una de las cosas que he encontrado más sorprendentes a lo largo de los años es la poca comprensión que la mayoría de los empleados tienen de los propios datos de su empresa. Olvídate de tener suficientes científicos de datos, la mayoría de las empresas con las que me he encontrado tienen sorprendentemente pocas personas capaces de analizar sus datos de las formas más básicas. Por ejemplo, hace poco hablé extensamente con un gerente de marketing de un importante grupo hotelero que me confió que “tal vez dos o tres personas en la empresa” entendieron el negocio y los sistemas internos lo suficientemente bien como para analizar la materia prima de la empresa (es decir, no datos agregados de reservas y ventas. Un distribuidor de productos comerciales tenía quizás media docena de personas de cada decenas de miles de empleados que entendían tanto sus bases de datos como el negocio lo suficientemente bien como para poder responder rápidamente preguntas para el equipo ejecutivo. Otra cadena minorista líder en su categoría tenía solo una pequeña camarilla de especialistas que podían analizar sus datos sin procesar rápidamente. En muchas empresas, el mandato del equipo de “conocimiento del cliente” es servir como un recurso compartido para otros departamentos cuando necesitan a alguien que pueda entender los malditos datos y responder sus preguntas.
¿Por qué es esto?
Los sistemas que las compañías tienen implementados son en parte culpables. Muchas empresas, particularmente aquellas que crecieron por adquisición y como resultado heredaron múltiples departamentos de TI, almacenan sus datos en sistemas que son difíciles de usar para empleados no técnicos. Eso por sí solo desalienta a la gran mayoría de las personas de tocar los datos sin procesar de su empresa. Pero el obstáculo más grande es simplemente que, incluso si hay herramientas decentes disponibles, se necesita conocimiento y paciencia, la mayoría de las personas no tienen que analizar los datos que están en una base de datos relacional en lugar de en un tablero o un archivo de Excel. No es solo aprender SQL, tampoco. Comprender el modelo de datos de una empresa y cómo almacena los datos lo suficientemente bien como para poder consultarlos con precisión requiere paciencia y mucha prueba y error. Hay una gran diferencia entre los datos con los que trabaja en la escuela de negocios y lo que a menudo ve en el mundo real en términos de confiabilidad y calidad de los datos. Es por eso que la gran mayoría de las personas confía en informes agregados y datos limpios que obtienen de sus departamentos de TI; pueden confiar en los datos sin pensarlo dos veces.
El problema de depender de paneles e informes predefinidos para hacer su análisis es que es difícil hacer un trabajo que lo distinga cuando mira la misma pequeña parte de los hechos que todos los demás. La calidad de los datos es importante, y las compañías enfatizan tener una única versión de la verdad por una buena razón, pero puede limitar seriamente su creatividad. ¿Qué sucede cuando tiene una pregunta que no puede responder con el corte de datos que otra persona puso a su disposición? ¿Cómo, por ejemplo, prueba si su hotel satisface suficientemente las necesidades de las familias que viajan por carretera si no puede analizar por sí mismo los patrones de gasto de las personas que solo visitaron su hotel una vez, ordenaron el servicio de habitaciones del menú infantil y solicitaron cunas enrollables? Ese es el tipo de análisis que hace que tu jefe se incline y escuche lo que estás diciendo. Poder hacerlo por su cuenta es diez veces mejor que tener que pedirle a otra persona que lo haga por usted.
Lo mejor de todo es que no necesita más que matemáticas de secundaria para responder esa pregunta. Todo lo que necesitas es una mente inquisitiva y los datos correctos.
LA ALEGRÍA DE HACER PREGUNTAS SIMPLES
Se dice que las personas inteligentes hacen preguntas difíciles, mientras que las personas realmente inteligentes hacen preguntas simples. De hecho, muchas de las preguntas más importantes que puede hacer sobre su empresa son las más simples. ¿Por qué la gente elige nuestros productos en lugar de nuestros competidores? ¿Por qué los clientes nos dejan cuando lo hacen? ¿Deberíamos ofrecer descuentos para aumentar las ventas? Cuando estás a la altura de ser un buen hacedor, es fácil perder de vista estas preguntas fundamentales porque la gente no te pide que las respondas cuando todavía estás verde. Pero, ¡oh, la liberación cuando puedas! Así es como puede comenzar a comprender y contribuir a resolver algunos de los desafíos más importantes que enfrenta su empresa hoy en día.
Aprender SQL y cómo interrogar los datos de operaciones sin procesar de una empresa para responder preguntas fundamentales sobre su negocio fue probablemente la habilidad comercial más útil que adquirí en los primeros años de mi carrera. Al final resultó que era natural en hacer buenas preguntas y solo necesitaba las herramientas para poder responderlas. Pero más que eso, sucede algo maravilloso en la mente del empresario como resultado de analizar un negocio a través de sus bases de datos internas: la disciplina de consultar bases de datos le enseña a hacer mejores preguntas . Más específicamente, le enseña cómo estructurar grandes preguntas de tal manera que puedan ser respondidas con precisión. Te obliga a limpiar el pensamiento vago, porque las computadoras no permiten preguntas vagas. Te enseña a pensar en series, una mentalidad increíblemente valiosa, sin siquiera darte cuenta. En resumen, lo convierte en un mejor empresario al permitirle capitalizar más plenamente su experiencia en el dominio. Sé que cambió mi carrera enormemente para mejor.
También recomendaría revisar estos artículos, que abordan el tema de cómo ser un buen analista que puede enfocarse en los problemas correctos, analizar los problemas de manera creativa y (lo más importante) reunir a las personas en torno a una solución:
- ¿No eres un científico de datos? Todavía puede ser conocedor de datos
- Aprenda las herramientas del oficio para hacer preguntas importantes
- Cómo encontrar los problemas ocultos en su empresa
- Cómo participar con éxito en un choque de ideas
- Los siete tipos de líderes de pensamiento fallidos
- Cómo impulsar la adopción de tus ideas
Si disfrutaste esto, te invito a unirte a la conversación en smartlikehow.com