El procesamiento, el análisis y las visualizaciones se realizaron con R y sus paquetes correspondientes. Puedes consultar el cuaderno y los archivos pertinentes aquí.
Según el diccionario Merriam-Webster, los datos son información fáctica utilizada como base para el razonamiento, el debate o el cálculo. Por esta definición, los datos son básicamente cualquier pieza de información recopilada que puede utilizarse y posteriormente procesarse y analizarse para obtener conclusiones. Se asocian habitualmente con los ordenadores, ya que normalmente se producen y almacenan en ellos, pero los datos existen desde mucho antes de lo que imaginamos.
Historia de los datos
El primer ejemplo conocido de almacenamiento y análisis de datos por parte de los seres humanos se remonta al 18.000 a. C., cuando se descubrió que los pobladores prehistóricos utilizaban palos de conteo para realizar cálculos elementales. Estas tribus del Paleolítico hacían muescas en palos y huesos para llevar registro de sus actividades, como el comercio o el control de provisiones. Hacia el 2400 a. C., se inventó en Babilonia el ábaco, un dispositivo para realizar cálculos.
A lo largo de la historia, el desarrollo continuo de la recopilación, el procesamiento y el análisis de datos se plasmó en numerosas inscripciones en tablillas de piedra, arcilla, papiro, madera y rollos de papel. Con el tiempo, a medida que surgían nuevas formas de datos, también evolucionó la necesidad de procesarlos, recopilarlos, almacenarlos y analizarlos.
A medida que la sociedad humana se hacía más avanzada, también lo hacía su necesidad de procesar datos. En el siglo XIX comenzaron a realizarse censos en Estados Unidos. La cantidad de puntos de datos creció exponencialmente hasta el punto de que la Oficina del Censo de EE. UU. estimó que harían falta años o incluso décadas para recopilar y analizar toda la información. Esto era un gran problema, porque cuando se terminaba de compilar y analizar el censo vigente, ya estaba a punto de empezar el siguiente o incluso había empezado. Afortunadamente, un joven ingeniero e inventor llamado Herman Hollerith desarrolló la Hollerith Tabulating Machine, una máquina tabuladora electromecánica que redujo el tiempo necesario para recopilar y analizar los datos del censo de años a apenas unos meses. Por ello, Hollerith es considerado el padre de la computación automática moderna y más tarde sería conocido por fundar IBM.
Avanzando al siglo XX, con la invención del ordenador. Con la llegada de máquinas de computación más potentes surgieron requisitos más sofisticados para el almacenamiento de datos. Fritz Pfleumer, ingeniero germano-austriaco, inventó un método para almacenar información magnéticamente en cinta. Algunos principios de su invento siguen utilizándose hoy en el almacenamiento digital. En esta época, el término «inteligencia de negocio» cobró popularidad a medida que aumentaba la necesidad de software y sistemas para analizar el rendimiento comercial y operativo.
La revolución de los datos cambió de verdad cuando Tim Berners-Lee creó la World Wide Web, también conocida como Internet, en 1989. Esto permitió el intercambio automatizado de información entre personas de todo el mundo. Hoy en día se comparte, crea y almacena mucha más información, lo que ha dado pie a nuevas formas de recopilar, usar y analizar datos.
Transición hacia el «Big Data»
Debido al increíble crecimiento de Internet en la década de 1990 y al avance constante de los ordenadores personales y dispositivos de computación en general, el número de dispositivos conectados (y, en consecuencia, la cantidad de datos creados) creció rápidamente.
Aunque la idea de Big Data existía antes de los años noventa, fue en 2005 cuando Roger Mougalas le puso nombre oficialmente. Lo describió como «un conjunto de datos tan grande que es prácticamente imposible gestionarlo y procesarlo con herramientas tradicionales de inteligencia de negocio».
Big Data es un término que describe el gran volumen de datos —estructurados y no estructurados— que desborda a las organizaciones en el día a día. Abarca el volumen de información, la velocidad a la que se crea y recoge, y la variedad o el alcance de los puntos de datos que cubre.
Dado el tamaño y la complejidad del Big Data, el proceso de recopilarlo, organizarlo y analizarlo para descubrir patrones y otra información útil se ha convertido en parte esencial de cómo muchas organizaciones toman decisiones. Esto, a su vez, ha dado lugar a la ciencia de datos, un campo interdisciplinar que utiliza métodos, procesos, algoritmos y sistemas científicos aplicados a grandes volúmenes de información para descubrir patrones y permitir a los líderes empresariales extraer conclusiones fundamentadas.
¿Qué roles existen en ciencia de datos?
Según IBM, la ciencia de datos es un enfoque multidisciplinar para extraer conclusiones accionables de los grandes y crecientes volúmenes de datos que recopilan y crean las organizaciones actuales. El campo suele requerir competencias de informática y de ciencias puras, ya que las personas científicas de datos aplican el método científico y emplean analítica predictiva e inteligencia artificial para extraer información. Consulta nuestra guía completa sobre «qué es la ciencia de datos» para una definición más detallada.
Hoy en día, «ciencia de datos» se usa a menudo en empresas y organizaciones como un término paraguas para el proceso de gestionar grandes cantidades de información, ya sea preparar, limpiar, analizar o visualizar datos para revelar patrones. Estas son algunas de las carreras en ciencia de datos que puedes seguir:
-
Data scientist
Quienes ejercen como data scientist deben aplicar matemáticas, estadística y el método científico; usar múltiples herramientas y técnicas para limpiar y preparar datos; realizar analítica predictiva e inteligencia artificial; y explicar cómo estos resultados pueden convertirse en soluciones basadas en datos para problemas de negocio. Requieren habilidades más técnicas que las de un data analyst. Para empezar, puedes hacer cursos orientados a ciencia de datos en DataCamp como: Introduction to Python for Data Science y Introduction to R.
-
Data analyst
Los data analysts recopilan, procesan y realizan análisis estadísticos de datos para llegar a conclusiones valiosas para las organizaciones. Transforman y manipulan grandes conjuntos de datos en formatos utilizables, como informes o presentaciones. También apoyan la toma de decisiones al identificar patrones relevantes y extraer conclusiones de los datos, que luego comunican de forma eficaz a los líderes de la organización. Estos cursos de DataCamp pueden ayudarte a impulsar tu carrera como data analyst: Introduction to SQL y Exploratory Data Analysis in SQL.
-
Data engineer
Los data engineers se encargan de preparar, procesar y gestionar los datos recopilados y almacenados para su uso analítico u operativo. Al igual que los ingenieros tradicionales, construyen y mantienen «tuberías» de datos que conectan la información de un sistema a otro, haciendo que esté disponible para los data scientists. Por ello, necesitan dominar varios lenguajes de programación utilizados en ciencia de datos como Python, R y SQL. En DataCamp encontrarás temáticas relacionadas con data engineering como: Introduction to Data Engineering y Understanding Data Engineering.
-
Data architect
Los data architects diseñan y crean principalmente los planos de los sistemas de gestión de datos que después construyen los data engineers. Igual que los arquitectos tradicionales, son los «visionarios», responsables de visualizar y diseñar el marco de gestión de datos de una organización. Además, mejoran el rendimiento de los sistemas existentes y se aseguran de que sean accesibles para administradores de bases de datos y analistas. Puedes realizar cursos relacionados con arquitectura de datos en DataCamp, como: AWS Cloud Concepts y Database Design
-
Desarrollador de business intelligence (BI)
Las personas desarrolladoras de BI son ingenieras especializadas que utilizan herramientas de software para transformar datos en información útil que apoye la toma de decisiones. Se encargan de simplificar la información técnica para que cualquiera en la empresa pueda entenderla. En resumen, crean y ejecutan informes con los datos que encuentran mediante herramientas de business intelligence y traducen esa información a un lenguaje más accesible. En DataCamp hay cursos sobre herramientas de business intelligence como Microsoft Power BI y Tableau, por ejemplo: Introduction to Power BI y Analyzing Data in Tableau
-
Estadístico/a
Dado que la estadística es uno de los pilares de la ciencia de datos, muchas personas estadísticamente formadas pueden dar el salto con facilidad a este campo. Se ocupan principalmente de la recopilación y gestión de datos. Deciden qué información necesitan y cómo recogerla. Además, diseñan experimentos, analizan e interpretan los datos y presentan conclusiones. Puedes consultar estos cursos introductorios de estadística en DataCamp: Introduction to Statistical Modeling in R y Introduction to Statistics in Spreadsheets.
-
Machine learning engineer
Las personas machine learning engineer son otro perfil de ingeniería especializado, centrado en investigar, construir y diseñar sistemas de inteligencia artificial (IA) y aprendizaje automático (ML) para automatizar modelos predictivos. En esencia, desarrollan algoritmos que usan datos de entrada y modelos estadísticos para predecir salidas, actualizándolas continuamente a medida que llega nueva información. DataCamp ofrece numerosos cursos de machine learning que te pueden resultar útiles, como: Understanding Machine Learning y Machine Learning with caret in R.
Una búsqueda rápida de empleo online puede darte una idea de cuáles de las trayectorias anteriores tienen más demanda. El siguiente gráfico muestra las vacantes por trayectoria profesional según Indeed USA a fecha de 8 de diciembre de 2021.
Data architect parece ser la trayectoria con mayor demanda, debido a su papel clave en la creación de sistemas de gestión de datos que luego utilizan otros profesionales de ciencia de datos. A continuación figura machine learning engineer, dada la importancia de aplicar IA para predecir resultados en muchas empresas tecnológicas.
Las menos demandadas son las posiciones de estadística, principalmente porque muchas personas estadísticamente formadas están convirtiéndose en data scientists. Se espera que esta tendencia continúe, dado lo sencillo que les resulta pasar de la estadística pura a la ciencia de datos al contar ya con los conocimientos fundamentales para convertirse en data scientists de pleno derecho.
La ciencia de datos no afloja el ritmo
La ciencia de datos ganó una enorme popularidad en la década de 2010, especialmente cuando Harvard Business Review la calificó como «el trabajo más sexy del siglo XXI». Se volvió tan popular que el título «Data Scientist» se convirtió en un término ubicuo y de moda. Aunque la etiqueta pueda sonar exagerada, se refiere a que estas posiciones no solo están muy demandadas, sino que además son caras de contratar y difíciles de retener.
Aunque no hay duda de que la ciencia de datos es extremadamente popular hoy en día, la pregunta es si seguirá siéndolo en el futuro. Según las proyecciones de empleo, todo apunta a que sí. Los datos de las Proyecciones de Empleo 2020-2030 de la Oficina de Estadísticas Laborales de EE. UU. muestran que las carreras de ciencia de datos —que incluyen estadística, ciencia de datos y otras ocupaciones de ciencias matemáticas y de datos como el data engineering— presentarán un crecimiento muy elevado en términos de variación porcentual entre 2020 y 2030. Las personas estadísticamente formadas ocuparon el puesto 14, mientras que data scientists y otras ocupaciones de ciencias matemáticas se situaron en el 31 de un total de 790 empleos incluidos.
Aunque la proporción de estadísticos y data scientists dentro de la fuerza laboral total sea pequeña en comparación con otras ocupaciones, se espera que esas cifras aumenten en los próximos años a medida que esta trayectoria profesional gane popularidad. La siguiente figura muestra cómo se comparan estadísticos, data scientists y otras ocupaciones de ciencias matemáticas con otros empleos con alta proyección de crecimiento.
Un campo muy bien pagado
Una de las principales razones por las que la ciencia de datos es tan popular es que está entre los trabajos mejor remunerados del mundo. La siguiente figura muestra el rango salarial de 10 ocupaciones —incluyendo data scientists y data analysts— en la ciudad de Nueva York. Los datos se obtuvieron de Teleport, un sitio web que agrega datos sobre condiciones de vida (por ejemplo, salarios) en distintas ciudades.
Según Teleport, los data scientists tenían el cuarto salario medio anual más alto en Nueva York, con 114.105 $, solo por detrás de los equipos C-level y del personal sanitario. De hecho, en otras ciudades como Manila, los data scientists llegan a situarse en segunda posición, solo por detrás de los C-level. Esto dice mucho de lo lucrativo que es este trabajo. Los puestos de data analyst, aunque no tan rentables como los de ciencia de datos, tampoco se quedan atrás: con un salario medio anual de 61.818 $, siguen rondando la renta media de los hogares en Nueva York.
Un mercado laboral en expansión constante
Otra razón de peso para la popularidad de la ciencia de datos es cómo las organizaciones integran hoy sus principios en las operaciones diarias. El siguiente gráfico muestra las 10 industrias que más incorporan ciencia de datos en su actividad. La muestra de 8.000 empresas orientadas a ciencia de datos se extrajo de Diffbot, el grafo de conocimiento más grande del mundo.
No sorprende que las empresas de software —incluidas tecnológicas como Google, Apple y Uber— encabecen la lista. Al fin y al cabo, el crecimiento excepcional del big data vino impulsado por la creación de Internet, estrechamente ligada al software y la tecnología. La ciencia de datos trata precisamente de procesar mucha información usando diversas herramientas y tecnologías.
Después aparecen los servicios financieros, impulsados por el auge de las fintech. Acrónimo de «finance» y «technology», las fintech integran tecnología e innovación en sus servicios para mejorar la entrega al cliente y transformar los servicios financieros tradicionales. Dado que gestionan ingentes cantidades de datos, como información de clientes, el sector financiero vio el potencial de las herramientas de ciencia de datos para optimizar procesos y mejorar sus servicios.
En resumen, ¿merece la pena una carrera en ciencia de datos?
Con todo lo anterior, la respuesta es un sí rotundo. En cuanto a qué trayectoria concreta deberías seguir, depende principalmente de tus fortalezas e intereses. Lo importante es que cualquiera de las carreras mencionadas será una apuesta segura.
Un itinerario profesional muy rentable y que no muestra señales de frenar en popularidad, la ciencia de datos seguirá moldeando e influyendo en cómo operan empresas y organizaciones durante muchos años.
