Skills para ser un buen Analista de Datos y no morir en el intento

Cuando estoy impartiendo la clase de Ciencia de Datos relacionada con visualización de datos, una de los temas que percibo que más interesa al alumnado es la parte en la que explico las habilidades que ellos, como posibles futuros analistas de datos recién llegados al mundillo, tienen que ser capaces de desarrollar para conseguirlo y no morir en el intento. 

 El analista de datos de hoy en día, además de ser una de las profesiones más demandadas y mejor valoradas, tiene que ser capaz de pensar y reaccionar rápidamente, porque su trabajo nunca termina. Y cuando digo nunca, es nunca. Cada día hay nuevos datos que analizar y nuevas ideas que descubrir. Los analistas de datos deben mantenerse constantemente al día si no quieren arriesgarse a quedarse atrás en un mundo que se mueve a la velocidad de la luz.  ¿Quieres saber lo que les digo a mis alumnos? Estas son las habilidades que todo buen analista que se precie debería conocer: 

Lenguajes de programación

Conocéis sobradamente la expresión “Haber sido cocinero antes que fraile”... La programación es la base sobre la que se construye toda la analítica y la ciencia de datos. Es una de las habilidades más demandadas en toda la ciencia de datos. Los analistas deben saber cómo y cuándo utilizar cada lenguaje de programación, que ojo, no significa que debas saber programar en todos ellos. Cuantos más lenguajes conozcas, evidentemente mucho mejor. Nada sobra.

Un buen analista debe tener el conocimiento suficiente como para saber cuándo es mejor subcontratar la programación a terceros. Los programadores internos pueden tener un conocimiento más profundo de los datos y del negocio. Sin embargo, la subcontratación permite a las empresas incorporar recursos con rapidez y aumentar o reducir su tamaño según sea necesario. 

 Como analista de datos, es posible que también tenga que ser capaz de “picar” código durante las fases iniciales del proyecto. No es algo absolutamente necesario, pero puede ser útil si trabaja con un equipo más pequeño y necesita crear rápidamente un conjunto de datos para probar un nuevo algoritmo o modelo.

 Visualización de datos

Los mejores analistas de datos no son solo personas que saben hacer números, sino que son capaces de comunicar sus ideas de forma que tengan sentido y calen en personas que no son científicos de datos. Hay muchas formas diferentes de visualizar los datos y muchos tipos de gráficos y diagramas entre los que elegir. La mejor manera de decidir qué visualización utilizar es entender primero la historia que se quiere contar con los datos. Una vez que sepas lo que quieres destacar, podrás elegir la visualización que mejor transmita ese mensaje. En este punto, siempre insisto, cada cual tiene sus habilidades, pero siempre es un punto extra demostrar sensibilidad artística. Comunicar con datos requiere tener este sentido algo más avanzado que la media. Evidentemente, aprovecho esta clase para enseñarles algunos ejemplos de Dashboards que utilizamos en Zeus, y alucinan con las inmensas posibilidades de sus dashboards y el efecto wow que provocan. 

 Scraping 

Es el proceso de recopilación automática de grandes cantidades de datos mediante la programación de un script que visite un sitio web y extraiga datos. Las técnicas de scraping de datos pueden ser útiles cuando se necesitan datos que no están disponibles en línea, o si no se tiene acceso a la base de datos que los contiene. También puede utilizarse para extraer datos de sitios web que no están diseñados para la recopilación de datos. El scraping de datos se utiliza a menudo para los datos "sucios". Se trata de datos que son difíciles de recopilar y/o que provienen de fuentes difíciles de controlar. El scraping de datos es más fácil de lo que solía ser, pero tiene muchos inconvenientes. Nada como disponer de los datos necesarios de forma directa, pero nunca está de más conocer alternativas para casos en que pudiera ser de alta utilidad.

 Auditoría de datos

La auditoría de datos es crucial para cualquier negocio, pero es especialmente importante para las empresas que dependen de los datos para tomar decisiones. La auditoría de datos es el proceso de comprobar la calidad de los datos, asegurándose de que son precisos, coherentes y completos. Debe tener un plan de auditoría que establezca qué datos necesita auditar, con qué frecuencia los auditará y qué normas utilizará para evaluar su calidad. Utilizar un método coherente para auditar los datos le ayudará a garantizar que sus datos sean precisos y coherentes. También le facilitará la detección de tendencias y patrones en los datos que puedan indicar que algo va mal.

Aprendizaje automático

El aprendizaje automático es el campo de la informática que se centra en la programación de sistemas para que aprendan cosas nuevas y resuelvan problemas por sí mismos. Está estrechamente relacionado con la inteligencia artificial, que es el intento más amplio de diseñar sistemas informáticos que sean tan inteligentes y creativos como los humanos. Los analistas de datos pueden utilizar el aprendizaje automático para crear modelos predictivos que prevean cosas como el comportamiento de los clientes y las cifras de ventas. Estos modelos pueden ayudar a las empresas a tomar mejores decisiones y a utilizar sus recursos de forma más eficiente. También pueden ayudar a las empresas a responder rápidamente a eventos inesperados dejando que los ordenadores tomen la decisión. Por ejemplo, si se trata de una aerolínea y un vuelo concreto tiene problemas mecánicos, un sistema automatizado podría redirigir otros vuelos para que no sufran el mismo retraso.

Herramientas BigData

El BigData se refieren a conjuntos de datos grandes y complejos que son demasiado grandes para ser procesados con las herramientas tradicionales de gestión de bases de datos. Los datos pueden ser no estructurados (en formatos como texto, imágenes y vídeo) o pueden estar estructurados pero ser demasiado voluminosos. El análisis de big data requiere herramientas, software y habilidades avanzadas. Los analistas de datos especializados en big data pueden procesar los datos más rápidamente y extraer más información, ya que las herramientas utilizadas para el big data están diseñadas para trabajar con cantidades masivas de datos.

Estas son, bajo mi punto de vista, las principales habilidades que debería conocer un analista de datos. Como he comentado al inicio, este mundo es absolutamente cambiante y se mueve a velocidad de vértigo. El trabajo y la formación nunca acaba. Así que si quieres tener éxito, ya sabes por dónde puedes empezar, pero nunca olvides que en este mundillo todo se basa en la capacidad de adaptarse y seguir aprendiendo. ¡Mucha suerte en el camino!