¿El fin de los Data Scientist?
Cada día, las empresas, organizaciones públicas e individuos generamos 2.500 millones de gigabytes de datos en todo el mundo. Un promedio que continúa creciendo ferozmente, pues hay que tener en cuenta que pasamos de generar 33 zettabytes en 2018, a producir alrededor de 44 zettabytes el pasado 2020.
Las organizaciones conocen este contínuo aumento del tráfico de datos y cada vez son más conscientes del verdadero valor de éstos. Es por ello que muchas empresas, fundamentalmente multinacionales, han comenzado a invertir en herramientas de Gestión de Datos , como la plataforma Gantabi OneClick .
No obstante, estas herramientas todavía no trabajan de forma totalmente automatizada. Para poder usarlas de manera efectiva, se necesita un técnico especializado en el campo de la Ciencia de Datos.
Los científicos de datos, más conocidos como Data Scientists, son una de las profesiones de moda en todo el mundo, pues su rol es fundamental para analizar e interpretar grandes bases de datos.
Algunos aseguran que la particularidad de un científico de datos reside en que son personas que saben más de estadística que cualquier programador y más de programación que cualquier estadístico.
A priori, esta versatilidad puede parecer una gran ventaja competitiva. No obstante, la realidad es que el papel de científico de datos ha sido malinterpretado por parte de las empresas desde su aparición.
En 2029 no habrá títulos de Data Science
Así lo indica la revista norteamericana Forbes, que asegura que el título de Data Science comenzará a quedar obsoleto en los próximos años para transformarse en un cargo más polivalente.
Uno de los principales motivos de su desaparición, como ya se ha mencionado, es que muchas empresas contratan científicos de datos sin conocer realmente su verdadera función, que no es otra que la de analizar e interpretar datos.
«Mucha gente escucha palabras de moda y quieren esas palabras de moda, pero en realidad no es lo que necesitan»
Estas organizaciones contratan Data Scientists esperando a que éstos comiencen a generar por sí solos beneficios para el negocio, lo cual supone un grave error. Y es que para empezar a obtener resultados mediante la Gestión de Datos se necesita un equipo multidisciplinar, compuesto también por ingenieros de datos que sean capaces de garantizar una infraestructura de Big Data óptima para los científicos de datos.
Además, si la empresa desea utilizar estos datos para implementar herramientas de Business Intelligence , requerirá también la presencia de un Desarrollador de BI.
Otra de las grandes razones que señala Forbes es el aumento de la automatización de los procesos relacionados con datos, así como la constante evolución del Machine Learning.
Reinventarse o morir
Entonces, si soy un Data Scientist, ¿voy a ser sustituido por una plataforma de automatización de tareas? Bueno, no debemos de ser tan alarmistas.
La demanda del rol de científico de datos, por ahora, sigue aumentando y se espera que lo siga haciendo unos pocos años más. No obstante, es hora de que todos aquellos profesionales que posean esta titulación evolucionen y comiencen a mejorar en habilidades que no pueden ser automatizadas por una máquina:
- Habilidades de comunicación
- Especialización en aplicar dominios
- Creación de ingresos y valor comercial para la empresa
Aparte de estas capacidades técnicas, no debemos olvidar la importancia de trabajar soft skills como la creatividad, que otorgan un valor único frente al trabajo automático que realiza un software.
Algunos de los roles que podrían sustituir al de científico de datos en el futuro son el de ingeniero de Machine Learning, ingeniero de IA, gerente de producto de IA o arquitecto de IA.
Por todo ello, queda claro que el futuro de los Data Scientist reside en la convivencia con las máquinas. O mejor dicho, en mejorar a las máquinas, alimentándolas de datos de valor para que, mediante el Machine Learning, éstas sean capaces de mejorar sus prestaciones y ofrezcan soluciones de calidad a las empresas.
