¿Debo optar por una carrera en Ciencia de datos o Finanzas cuantitativas?

Me hice esa pregunta hace 2 años, cuando buscaba mi primera pasantía. Estaba buscando un trabajo comercial / de estructuración / cuantitativo en un gran banco, y conocí a un tipo de finanzas que enseña en una prestigiosa universidad de Londres para hablar sobre ello. Esto es lo que aprendí ese día:

La crisis financiera golpeó a los bancos con bastante fuerza. Todos sabían que fue por sus productos locos que explotaron en la cara de sus clientes (vea las películas “el gran corto” o “margen de beneficio” para tener una idea de lo que sucedió, son increíbles). Se crearon muchas leyes para regular los productos exóticos que existían para entonces. Básicamente, el patio de recreo para la investigación financiera se hizo mucho más pequeño. Es como decirle al Ejército de hoy que pueden construir la mejor arma que quieran, pero solo pueden usar la tecnología que existía antes de la Primera Guerra Mundial (es un gran atajo pero da una idea). Actualmente, los bancos logran sortear las restricciones, pero aún están bajo un fuerte control.

De esa manera, creo que los trabajos de investigación de Machine Learning y Data Sciences ofrecen una perspectiva mucho mejor. Ese es en realidad el camino que he elegido y no podría estar más feliz. Además, la tecnología y los casos en los que trabaja están mucho más orientados al usuario, lo que me di cuenta de que era muy importante para mí. Todavía puedes hacer matemática, codificar y resolver problemas interesantes, ¡el arte técnico puede ser súper desafiante!

Un último punto: los amigos que tuvieron una pasantía en instituciones financieras ahora se dan la vuelta y comienzan a ir hacia la tecnología. Además, si aún no está convencido, el dinero podría ser mejor.

¡Espero que esto ayude!

Finanzas cuantitativas, ya que con este título aprendes los conceptos básicos de la ciencia de datos. Siempre puedes cambiar. Pero también puede entrar en algo menos cuantitativo como consultoría estratégica, banca de inversión. Algo que no puede hacer con un “grado de datos”.

Realmente depende de cuál sea su objetivo final 1 y 2 cuál sea su conjunto de habilidades.

Si le encanta trabajar con grandes conjuntos de datos y no tiene problemas con lenguajes estadísticos como R o Bases de datos y sus langues SQL, definitivamente el primero, pero si le gustan más las finanzas y el modelado financiero, ¡este último sería su elección perfecta!