Aprendamos

sobre perfiles IT

Isabel Cordova
Objetivo
● Aprender las bases de cómo funciona el entorno digital, principalmente a nivel
de programación.
● Aprender cuáles son los roles y tecnologías que más nos demandan.
● Conocer las diferencias entre los distintos roles y cuáles son las metodologías
de trabajo que utilizan en su trabajo diario.
● Aprender las fases que conforman los procesos de reclutamiento y selección,
adaptado a perfiles técnicos.
● Ganar conocimiento técnico para evaluar/entender a candidatos.
 De esta manera, en los últimos años han surgido

¿Qué es la nuevas profesiones relacionadas con el mundo

digital:

transformación ●
●
Desarrolladores
DevOps

digital?
● Scrum Masters
● Product Owners
● Big Data Specialist
● Business Intelligence
● Data Scientists
● Data Engineers

…sabes cómo funciona el proceso de pedidos a domicilio,

compras por una web e-commerce, niños que aprenden de ¿Por qué es tan difícil acceder a este talento?
un celular…
 No basta con publicar un
empleo y esperar que de un
dia a otro aparezcan muchos
candidatos, tienes que ir por
ellos.
¿Qué debe hacer la empresa?
● Contar con personas especializadas en identificar este talento (IT Recruiters
formados), que sepan cómo atraer este tipo de talento.
● Retener y enamorar a sus empleados para que deseen quedarse en la
organización (beneficios)
● Contar con una estrategia de employer branding, mejorar su marca empleadora
tanto interna como externamente.
● Ofrecer proyectos innovadores y atractivos tecnológicamente hablando.
● Tener flexibilidad para adaptarse al mercado de trabajo.
La programación
Concepto
La programación se refiere a la acción de crear
programas o aplicaciones basado en el desarrollo
de un conjunto de instrucciones o comandos que
sigue el ordenador para ejecutar un programa el
cual lo llamamos código fuente.
El código fuente se escribe en un lenguaje de
programación, un lenguaje específico que
permite darle órdenes e instrucciones al
ordenador para crear dichas aplicaciones
informáticas. Para poder ejecutar este lenguaje
de programación es necesario compilar el código,
que no es más que traducir el lenguaje de
programación a otro código más cercano a las
instrucciones que entiende el procesador del
ordenador. Dicho código es creado, diseñado,
codificado, mantenido y depurado a través de la
programación.
Ejemplo
Perfil Front-end
El Front-end es la cara visible de una aplicación. Se encarga
de la parte de la aplicación que el usuario ve y con la que
podemos interactuar. Esto también se llama la interfaz de
usuario (UI - User Interface).
Los principales lenguajes de programación de front-end son
tres: HTML, CSS y JavaScript. Estos lenguajes, a su vez,
están conformados por librerías y frameworks, que son
recursos que facilitan aún más la escritura del código fuente
para crear cualquier tipo de interfaz de usuarios. Algunos de
estos frameworks y librerías son React, Angular y Vue (de
JavaScript), Bootstrap, LESS, SASS (de CSS), entre otros.
Perfiles relacionados: experiencia de usuario o user
experience (UX), que hace referencia a la manera en la que
los usuarios se relacionan con un determinado programa; y la
interfaz de usuario o user interface (UI) que está formada
por los elementos con los que el usuario interactúa en el
front-end de una aplicación
¿Cómo encuentro a Front-end, Frontend, Front end,
Front ends en el HTML, CSS, Javascript, Angular,
mercado? "desarrollador de sotfware",
"software engineer" + (librería),
Palabras clave "Web developer", "javascript
developer"
Perfil Back-end
El Back-end es la cara no visible de una aplicación. Contiene
la lógica de la aplicación, y una de sus principales
responsabilidades es la gestión de los datos que se
mostrarán en el front-end.

Los datos de la aplicación no se almacenan en el back-end, si

no que este necesita comunicarse con una base de datos. La
base de datos almacena toda la información de forma
eficiente, y el back-end sabe cómo leer y escribir de la base
de datos la información necesaria para el front-end.

El back-end está enfocado en hacer que todo lo que está

detrás de una aplicación web funcione correctamente.

Algunos de los lenguajes de programación más comunes de

back-end son Python, PHP, Ruby, C# o Java.
Lenguajes de programación Back-end
- Java: uno de los lenguajes de programación más
populares. Es un lenguaje de programación orientado
a objetos (OOP) cuya intención principal es permitir
que los desarrolladores escriban el programa de una
vez y que lo puedan ejecutar en cualquier dispositivo.
Sus frameworks más importantes son Spring, JSF,
GWT o Struts. Es un lenguaje muy utilizado en
entidades de carácter público, así como grandes
grupos Bancarios, existiendo una oferta bastante
amplia de este perfil (aunque no por ello es más fácil
de encontrar el candidato adecuado).
- Python: lenguaje de programación interpretado que
pretende que la sintaxis siempre asegure que el
código sea legible. También está orientado a objetos.
Es uno de los lenguajes más sencillos de aprender. Su
framework más destacado es Django. Su demanda
está en ascenso, compitiendo en el primer puesto con
Java en lenguajes más utilizados de back-end.
- C#: es uno de los principales lenguajes de
programación desarrollado por Microsoft. El
framework más utilizado es .NET
- PHP: significa Personal Hypertext Processor y fue
diseñado para el desarrollo web de contenido dinámico.
Es muy flexible gracias a su código abierto, que es
interpretado por un servidor que genera el HTML de la
página. Sus frameworks más conocidos son Symfony y
Laravel.
- Ruby: se trata de un lenguaje open source orientado a
objetos que puede ser usado en muchos campos, desde
programación web hasta ingeniería genética. Es un
lenguaje que se utiliza sobre todo en USA, en España y
países de Latinoamérica es poco común. El framework
más destacado es Ruby on Rails.
Frameworks y librerías
Frameworks y librerías
¿Cómo encuentro a
Back ends en el Back-end, Backend, Back end, Java,
net, c#, Spring, "desarrollador de
mercado? sotfware", "software engineer" +
(lenguaje), "Java developer", "python
Palabras clave developer", etc
Big Data
Concepto
Big data, macrodatos, datos masivos, inteligencia de
datos o datos a gran escala es un concepto que hace
referencia a un conjuntos de datos tan grandes que
aplicaciones informáticas tradicionales de
procesamiento de datos no son suficientes para
tratar con ellos y los procedimientos usados para
encontrar patrones repetitivos dentro de esos datos.
El Big Data es una revolución tecnológica. El
hecho de tener tantas patas lo convierte en algo
difícil de definir por ser muchas cosas en general y
ninguna en particular.
Además, su definición la complica el hecho de ser
un ecosistema en constante evolución. Cada año
se compone de nuevas herramientas, mejoras y
conceptos que hacen que no pare de crecer la
complejidad del mundo del Big Data y, por tanto,
la diversidad y complejidad de sus roles.
 Además de los conceptos de Machine Learning y los

Data Analyst (DA)

lenguajes Python y R, los Data Analyst destacan por sus
conocimientos en el uso de notebooks como el de Jupyter,
así como conocimiento del entorno Big Data en el que
Data Analyst es un perfil previo al de Data Scientist. trabajan, como Spark o Hadoop. También es bien valorado
Incluso se les denomina en algunos casos “Data que tenga conocimientos de Bases de Datos SQL y del
Scientist junior”. Tienen un rol bastante generalista, Business Intelligence tradicional.
abarcando una amplia gama de funciones que
incluyen la minería, obtención y/o recuperación de
datos así como su procesado, estudio avanzado y
visualización.
El estudio o análisis avanzado de los datos se hace en
base a algoritmos y métodos matemáticos y
estadísticos. Por tanto, este perfil requiere
principalmente de conocimientos de matemáticas y
estadística aplicados a la minería de datos y al
aprendizaje automático o Machine Learning.
Esto último hace que también sea imprescindible
saber programar (por lo menos en los actuales
proyectos). Aunque su especialidad sea el Machine
Learning, el uso de librerías de métodos estadísticos
como la de Pandas requiere conocer por debajo el
funcionamiento de cada algoritmo, así como la
funcionalidad básica del lenguaje correspondiente, en
este caso Python. Otro lenguaje común para los
Data Analyst podría ser R.
Data Scientist (DS)
Es la “evolución del Data Analyst”. En muchos casos los
consideran el mismo perfil con diferente enfoque. Para
nosotros, es un rol más específico y menos alineado con la
visión de negocio.

Al igual que el DA, requiere saber de matemáticas,

estadística y Machine Learning, de lenguajes de
programación como R o Python, de uso de notebooks y de
ecosistemas Big Data, pero lo que creemos que diferencia
al Data Scientist es que es el encargado de sacarle valor a
los datos.

También los obtiene, procesa y visualiza pero tiene un rol

más enfocado a la predicción en base a los
comportamientos aprendidos.

Al considerarse el Data Scientist como una versión más

moderna del Data Analyst, es más propio de ellos el uso de
librerías más recientes como TensorFlow para técnicas de
Deep Learning basadas en redes neuronales.
Data Engineer
Ya enfocándonos en el almacenamiento y procesado de
datos, nos encontramos con el rol de Data Engineer.
Data Engineer preparar todo el ecosistema para que los
demás puedan obtener sus datos limpios y preparados
para su análisis.
Los Data Engineers son los que diseñan, desarrollan,
construyen, prueban y mantienen los sistemas de
procesamiento de datos en el proyecto de Big Data.
Debe conocer cómo se modelan los datos así como tener
un amplio conocimiento de las base de datos SQL, ya que
en el mundo del Big Data éstas no se excluyen y siguen en
muchos casos siendo el origen de los datos. Simplemente
se complementan.
¿Qué tecnologías usan? Un Data Engineer debería
conocer Linux y Git como ingeniero que trabaja en
proyectos de software. Hadoop y Spark a nivel de
entornos; Map Reduce a nivel de modelos
computacionales; y HDFS, MongoDB y Cassandra a nivel
de tecnologías NoSQL.
También se suele requerir conocer uno o dos de los
siguientes lenguajes: Python para el procesado de datos
(a veces PySpark) y Scala como lenguaje nativo de Spark
y Java en muchos casos.
En resumen, el Data Engineer es el encargado de la
infraestructura de Big Data. Un Data Architect es un
Data Engineer con una visión más global, y más orientada
a la integración, centralización y el mantenimiento de
todas las fuentes de datos.
Gracias