¿Preferiría Ser Un Analista De Datos O Un Científico De Datos?

Matt Przybyla
Jun 29, 2020


Preferiría Ser Un Analista De Datos O Un Científico De Datos? ¿Qué Se Siente Al Estar En Uno De Estos Roles? Descúbrelo Aquí.

Introducción

Después de trabajar tanto como analista de datos profesional como científico de datos, pensé que sería perspicaz destacar la experiencia de cada puesto junto con algunas diferencias clave en cómo se sienten en el día a día. En última instancia, espero que mi artículo pueda ayudarles a decidir qué papel les conviene más. 

Si ya estás en una de estas posiciones, tal vez te gustaría cambiar a la otra. Algunas personas empiezan como analistas de datos y luego pasan a convertirse en científicos de datos, mientras que, como una ruta menos popular pero todavía algo prominente, está pasar de una posición de científico de datos de nivel no superior a un analista de datos senior. Para cada posición, hay varios conceptos y experiencias generales que son importantes de conocer al hacer el siguiente gran movimiento de su carrera.


Lea también: 

A continuación, destacaré lo que se siente al ser un analista de datos así como un científico de datos. Plantearé preguntas comunes sobre cada puesto y las responderé en consecuencia a partir de lo que he experimentado - además de algunos compañeros cercanos en cada campo.

Analista de datos

Si desea describir los datos del pasado o del presente, al tiempo que presenta los principales hallazgos, cambios y tendencias, y finalmente, mostrar los datos a los interesados, entonces el puesto de analista de datos es el más adecuado para usted. Si bien hay cierta superposición entre las dos posiciones, que he destacado en otro artículo (enlazado al final de este artículo) que cubre las diferencias y similitudes entre las habilidades de estos dos roles, quería ahora tomarme un tiempo para repasar lo que se siente al ser un analista de datos versus un científico de datos. Es esencial saber qué esperar en el día a día en este campo. Puedes esperar trabajar con diferentes personas, comunicarte de forma diferente (más), y moverte más rápido que un típico científico de datos.

Por lo tanto, la sensación que tienes de cada rol respectivo puede ser muy diferente de uno a otro.

A continuación, plantearé algunas preguntas comunes, junto con sus correspondientes respuestas - arrojando algo de luz sobre la experiencia del analista de datos.

¿Con quién trabajas?
Trabajarás principalmente con los públicos de interés de la empresa que solicitan extracción de datos, visualizaciones de insights y reportes. Se puede esperar tener comunicación tanto verbal como digital a través del uso de herramientas como el correo electrónico, Slack y Jira. Se centrará en la gente y en el lado analítico del negocio, no en la parte de ingeniería y productos de su empresa (según mi experiencia).

¿Con quién compartes tus hallazgos?
Compartirás tus hallazgos con mayor frecuencia con las mismas personas de arriba. Sin embargo, si tiene un gerente, a veces, le informará y éste transmitirá y compartirá sus hallazgos con las partes interesadas apropiadas. También puede haber un proceso en el que se reúnan los requisitos, se elabore un informe y se comunique a los interesados. 

Puede utilizar herramientas como Tableau, Google Data Studio, Power BI y Salesforce para la elaboración de informes. Estas herramientas a menudo pueden conectarse a fuentes de datos de fácil acceso, como un archivo CSV, mientras que algunas requieren un trabajo más técnico a través de consultas avanzadas de una base de datos con SQL.

¿Qué tan rápido necesita trabajar en un proyecto?
Trabajarás en proyectos considerablemente más rápido que un científico de datos. Puedes tener varias extracciones de datos (consultas) o informes por día, y visualizaciones y e insights semanalmente. Como no estás construyendo un modelo y prediciendo (normalmente), obtendrás los resultados más rápidamente ya que son más descriptivos y ad-hoc.

Lea también: 

Científico de datos

Los científicos de los datos se diferencian enormemente de los analistas de datos. Aunque algunas herramientas y lenguajes pueden solaparse entre los dos roles, se puede esperar trabajar con diferentes personas y pasar más tiempo investigando proyectos más grandes como la creación e implementación de modelos de aprendizaje automático. Los analistas de datos pueden tender a trabajar solos en sus proyectos; por ejemplo, trabajar con un tablero de mandos de Tableau para presentar los hallazgos puede requerir una persona, pero un científico de datos puede incorporar varios otros ingenieros y gerentes de producto para asegurarse de que el modelo esté resolviendo el problema comercial y que el código es correcto, poderoso y eficiente.

¿Con quién trabajas?
A diferencia de un analista de datos, usted trabajará con las partes interesadas para algunos de los proyectos, pero recurrirá a ingenieros de datos, ingenieros de software y gerentes de producto para otros aspectos de su modelo y sus resultados.

¿Con quién comparte sus hallazgos?
Puede esperar compartir sus hallazgos con los interesados, pero también con algunos ingenieros que necesitarán saber cuál es el producto final para que puedan, por ejemplo, construir una interfaz de usuario (UI) en torno a sus predicciones.

¿Qué tan rápido necesitas trabajar en un proyecto?
Tal vez la mayor diferencia entre cómo se sienten y funcionan estos roles es la cantidad de tiempo que asignas a cada proyecto. Mientras que el análisis de datos es más rápido, los científicos de datos pueden tardar semanas o meses en terminar un proyecto. Se tienen procedimientos como la recolección de datos, el análisis exploratorio de datos, creación de modelos base, iteraciones, ajuste de modelos y generación de resultados, lo que hace que los proyectos y modelos de data science tomen mas tiempo. 

Resumen

Como analista de datos y científico de datos, puedes esperar compartir herramientas comunes como Tableau, SQL e incluso Python, pero la experiencia de cada rol puede ser muy diferente. El trabajo diario de un analista de datos implica más reuniones, más interacciones cara a cara, habilidades sociales, y una respuesta más rápida a los proyectos. 

El trabajo del científico de datos puede implicar procesos más largos, interacciones con ingenieros y gerentes de producto, y en general, un modelo predictivo que mira a la clasificación de nuevas observaciones o eventos en el tiempo, mientras que el análisis de datos se centra en el estado pasado y actual.
He escrito un artículo más profundo sobre los detalles de estas funciones. Puedes encontrar ese artículo aquí 

Espero que hayas encontrado este artículo interesante. Gracias por tu lectura

“¿Preferiría Ser Un Analista De Datos O Un Científico De Datos?”
– Matt Przybyla twitter social icon Tweet


Compartir este artículo:

0 Comentarios

Crear un comentario
Ingresar para Comentar

Artículos Relacionados

Sep 25, 2021

10 Preguntas Altamente Probables en Una Entrevista de Data Science

La popularidad de la ciencia de los datos atrae a muchas personas de una amplia gama de profesiones para hacer un cambio de carrera con el objetivo...

Soner Yıldırım
Por Soner Yıldırım
Sep 17, 2021

5 Extensiones de Google Chrome que Todo Científico de Datos Debería Conocer

En esta nueva entrada hablaremos de las mejores extensiones de Google Chrome que como data scientists nos facilitan ciertas tareas. Deberías como m...

Daniel Morales
Por Daniel Morales
Sep 10, 2021

Los Científicos de Datos Son Realmente Gestores de Productos. He Aquí el Porqué

¿Opinión impopular?Índice de contenidosIntroducciónComprensión del negocio y del productoColaboración con las partes interesadasResumenReferenciasI...

Matt Przybyla
Por Matt Przybyla
Icon

Únete a nuestra comunidad privada en Slack

Manténgase al día participando de ésta gran comunidad de data scientists en latinoamérica. Hablamos sobre competiciones en data science, cómo estamos resolviendo los retos, modelos de machine learning aplicados a las competiciones, técnicas novedosas y mucho más!

 
Te enviaremos el link de invitación a tu email de forma inmediata.
arrow-up icon