Curiosidad intelectual: el espíritu de los científicos de datos es la curiosidad.

Si les das
una montaña de datos piensan ¿qué inferencias puedo hacer, qué verdad se revela o
predice? Estos expertos están motivados por explorar datos de manera creativa.
Perspicacia para los negocios: para ser un científico de datos se requiere conocer a
profundad la industria donde se trabaja así como los problemas comerciales que la empresa
está tratando de resolver.
Habilidades de comunicación: las empresas que buscan un sólido científico de datos
buscan a alguien que pueda traducir clara y fluidamente sus hallazgos técnicos a un equipo
no técnico, como los departamentos de marketing o ventas.
Matemáticas: estos profesionales cuentan con habilidades matemáticas, en álgebra lineal,
razonamiento lógico y estadístico por lo que generalmente han estudiado matemáticas y
estadística, ciencias computacionales o ingeniería.
Conocimientos computacionales: es necesario conocer bancos de datos y lenguajes de
programación de análisis de datos como R, Python y SQL así como infraestructura de Big
Data, utilizando herramientas como Hadoop, MapReduce y Spark. También deben saber
sobre Data Mining, Machine Learning e Ingeniería de software.
Análisis: los científicos de datos tienen la capacidad de analizar información y proyectos
para conocer tendencias y traducir los datos duros, científicos y técnicos en información
para que la empresa lo traduzca en rentabilidad.
Trabajo en equipo: estos expertos requieren de la habilidad de trabajar con otros para
analizar los datos en conjunto para unir los conocimientos, experiencias y habilidades que
ayudan a resolver problemas y generar oportunidades para la compañía.
Intuición de datos: las empresas buscan alguien que solucione sus problemas usando los
bancos de datos que tienen por lo que deben tener cierto “sexto sentido” que, junto con sus
conocimientos, ayuden a este científico a llegar a un resultado favorable para la compañía.
 todo científico de datos debería tener
La demanda de talento en ciencia de datos está creciendo y con ello viene la necesidad de
que más científicos de datos se incorporen a las organizaciones. Si bien la aplicación de la
ciencia de datos es su propio campo, no está relegada a una industria o línea de negocio.
Los científicos de datos pueden tener un impacto en cualquier parte de cualquier
organización.

Si eres un científico de datos en ciernes o te estás encaminando por ese camino, sabes que
la educación es el primer paso. Sin embargo, fuera del currículo técnico, existen habilidades
de ciencia de datos que trascienden cualquier disciplina. Practicar y desarrollar estas
habilidades te ayudará a separarte de la multitud de solicitantes de empleo y científicos a
medida que el campo crezca.

Habilidades no técnicas
Estas habilidades no requerirán tanta capacitación técnica o certificación formal, pero son
fundamentales para la aplicación rigurosa de la ciencia de datos a los problemas
comerciales. Hoy en día, incluso el científico de datos más técnicamente calificado necesita
tener las siguientes habilidades blandas para salir adelante.

1. Pensamiento crítico
Con esta habilidad, podrás:

 Analizar objetivamente preguntas, hipótesis y resultados.

 Comprender qué recursos son cruciales para resolver un problema
 Mirar los problemas desde diferentes puntos de vista y perspectivas

El pensamiento crítico es una habilidad valiosa que se adapta fácilmente a cualquier

profesión. Para los científicos de datos, es aún más importante porque además de obtener
información, debes poder formular preguntas de manera adecuada y comprender cómo se
relacionan esos resultados con el negocio o dirigir los próximos pasos para que se traduzcan
en acciones.

También es importante analizar objetivamente los problemas cuando se trata de

interpretaciones de datos antes de formarse una opinión. El pensamiento crítico en el campo
de la ciencia de datos significa que ves todos los ángulos de un problema, tomas en
consideración la fuente de los datos y nunca pierdes la curiosidad.
2. Comunicación efectiva
Con esta habilidad, podrás:

 Explicar qué significan los conocimientos basados en los datos en términos

relevantes para el negocio
 Comunicar información de manera que resalte el valor de la acción
 Transmitir el proceso de investigación y los supuestos que llevaron a una conclusión

La comunicación efectiva es otra habilidad que se busca en todas partes. Ya sea que estés
en una puesto inicial o seas un CEO, relacionarse con otras personas es un rasgo útil que te
ayuda a hacer las cosas rápido y fácil.

En los negocios, los científicos de datos deben ser competentes en el análisis de datos, y
luego deben explicar con claridad y fluidez sus hallazgos ante audiencias tanto técnicas
como no técnicas. Este elemento crítico ayuda a promover la alfabetización de datos a lo
largo de una organización y expande la capacidad de los científicos de datos para hacer un
impacto. Cuando los datos ofrecen una solución a varios problemas o responden preguntas
empresariales, las organizaciones confían en que los científicos de los datos resuelven
problemas y son comunicadores útiles para que otros entiendan cómo actuar.

3. Resolución proactiva de problemas

Con esta habilidad, podrás:

 Identificar oportunidades y explicar problemas y soluciones

 Saber cómo abordar los problemas identificando los supuestos y recursos existentes
 Ponerte tu sombrero de detective e identificar los métodos más efectivos para
obtener las respuestas correctas

No puedes ser un científico de datos sin la habilidad o el deseo de resolver problemas. De

eso se trata precisamente la ciencia de datos. Sin embargo, ser un solucionador de
problemas eficaz es tanto un deseo de profundizar en la raíz de un problema como saber
cómo abordar un problema para resolverlo. Los solucionadores de problemas identifican
fácilmente los problemas complicados que a veces se ocultan, y luego pueden pasar
rápidamente a pensar en cómo lo abordarán y qué métodos proporcionarán las mejores
respuestas.

4. Curiosidad intelectual
Con esta habilidad, podrás:
  Conducir la búsqueda de respuestas
 Profundizar en los resultados superficiales y supuestos iniciales
 Pensar creativamente con un impulso para saber más
 Preguntarse constantemente "por qué” (porque una respuesta no suele ser suficiente)

Un científico de datos debe tener curiosidad intelectual y una pasión para encontrar y
responder las preguntas que presentan los datos, pero también para responder preguntas que
nunca se formularon. La ciencia de datos trata de descubrir verdades subyacentes y los
científicos exitosos nunca se conformarán con "lo suficiente", sino que se mantendrán en la
búsqueda de más respuestas.

5. Sentido del negocio

Con esta habilidad, podrás:

 Entender el negocio y sus necesidades especiales

 Saber qué problemas organizativos deben resolverse y por qué
 Traducir los datos en resultados que trabajen para la organización

Los científicos de datos realizan una doble tarea: no sólo deben conocer su propio campo y
cómo navegar por los datos, sino que también deben conocer el negocio y el campo en el
que trabajan. Una cosa es saber cómo manejar los datos, pero los científicos de datos
también deben entender profundamente el negocio, lo suficiente como para resolver los
problemas actuales y considerar cómo los datos pueden apoyar el crecimiento y el éxito
futuros.

"La ciencia de datos es más que un simple cálculo numérico: es la aplicación de varias
habilidades para resolver problemas particulares en una industria", explica el Dr. N. R.
Srinivasa Raghavan, jefe global de ciencia de datos de Infosys.

Habilidades técnicas
Éstas son las habilidades más requeridas que normalmente se enumeran al inicio de las
descripciones de trabajo para los científicos de datos. Muchas de las áreas se desarrollarán
y cubrirán en cursos educativos o capacitaciones empresariales formales. Y muchas
organizaciones los enfatizan cada vez más a medida que su personal de análisis y datos
evoluciona.

6. Capacidad para preparar los datos para un análisis eficaz

Con esta habilidad, podrás:

 Abastecer, recopilar, organizar, procesar y modelar datos

 Analizar grandes volúmenes de datos estructurados o no estructurados
 Preparar y presentar los datos en las mejores formas posibles para la toma de
decisiones y la resolución de problemas

La preparación de datos es el proceso de preparar los datos para el análisis, incluidas las
tareas de descubrimiento, transformación y limpieza de datos, y es una parte crucial del
flujo de trabajo del análisis para analistas y científicos de datos por igual.
Independientemente de la herramienta, los científicos de datos necesitan entender las tareas
de preparación de datos y cómo se relacionan con sus flujos de trabajo de ciencia de
datos. Las herramientas de preparación de datos como Tableau Prep Builder son fáciles de
usar para todos los niveles de habilidad.

Más información acerca de las prácticas recomendadas para la preparación de datos..

7. Capacidad para aprovechar las plataformas de análisis de

autoservicio
Con esta habilidad, podrás:

 Comprender los beneficios y desafíos del uso de la visualización de datos

 Tener un conocimiento básico de las soluciones de mercado
 Conocer y aplicar las mejores prácticas y técnicas al crear análisis
 Tener la capacidad de compartir resultados a través de dashboards o aplicaciones de
autoservicio

Esta habilidad está en línea con las habilidades no técnicas, porque se relaciona con el
pensamiento crítico y la comunicación. Las plataformas de análisis de autoservicio te
ayudan a mostrar los resultados de tus procesos de ciencia de datos y a explorar los datos,
pero también te ayudan a compartir estos resultados con personas menos técnicas. Cuando
creas un dashboard en una plataforma de autoservicio, los usuarios finales pueden ajustar
los parámetros para formular sus propias preguntas y evaluar su impacto en el análisis en
tiempo real a medida que se actualizan los dashboards.

8. Capacidad para escribir códigos eficientes y mantenibles

Con esta habilidad, podrás:

 Lidiar directamente con los programas que analizan, procesan y visualizan datos
  Crear programas o algoritmos para analizar datos
 Recopilar y preparar datos a través de API

Esta habilidad es casi algo obligatorio. Dado que los científicos de datos viven sumergidos
en los sistemas diseñados para analizar y procesar datos, también deben comprender el
funcionamiento interno de dichos sistemas. Existen muchos lenguajes diferentes utilizados
en la ciencia de datos. Aprende y aplica los lenguajes que sean más relevantes para tu rol,
industria y desafíos empresariales.

9. Capacidad para aplicar las matemáticas y estadísticas

adecuadamente
Con esta habilidad, podrás:

 Realizar análisis de datos exploratorios e identificar patrones y relaciones

importantes
 Aplicar un pensamiento estadístico riguroso para extraer señales fuera del ruido
 Comprender las fortalezas y limitaciones de los distintos modelos de ensayo y por
qué se ajustan a un problema dado

Al igual que la codificación, las matemáticas y las estadísticas desempeñan un papel

fundamental en la ciencia de datos. Los científicos de datos se ocupan de modelos
matemáticos o estadísticos y deben poder aplicarlos y ampliarlos. Tener un sólido
conocimiento de las estadísticas permite a los científicos de datos pensar críticamente sobre
el valor de diversos datos y los tipos de preguntas que pueden o no pueden responder. A
veces, los problemas requieren el diseño de soluciones novedosas, que pueden combinar o
modificar las técnicas y herramientas de análisis disponibles. La comprensión de los
supuestos y algoritmos subyacentes es fundamental para el uso de estas aplicaciones.

10. Capacidad para aprovechar el aprendizaje automático y

la inteligencia artificial (IA)
Con esta habilidad, podrás:

 Comprender cómo y cuándo el aprendizaje automático y la inteligencia artificial son

adecuados para el negocio
 Entrenar e implementar modelos para implementar soluciones productivas de
inteligencia artificial
 Explicar modelos y predicciones en términos útiles para el negocio
Ni el aprendizaje automático ni la IA reemplazarán tu rol en la mayoría de las
organizaciones. Sin embargo, el poder usarlos mejorará el valor que ofreces como científico
de datos y te ayudarán a trabajar mejor y más rápido. Como un Director de datos compartió
recientemente: "Para poder desarrollar la promesa de la inteligencia artificial y el
aprendizaje automático, necesitarás una serie de habilidades humanas por excelencia".
Como él mismo expresó, tu mayor desafío con la inteligencia artificial es saber si tienes los
datos correctos, cuándo los "datos correctos" muestran cosas incorrectas, y encontrar datos
"suficientemente buenos" para la IA antes de decidir cuál es el modelo de IA entrenado que
será más útil.