Una profesión que está cambiando al mismo tiempo que sus herramientas
Analizamos cómo la Inteligencia Artificial transforma los profesionales de Ciencia de Datos: profesiones, perfiles y competencias.
Profesionales de Ciencia de Datos en la era de la Inteligencia Artificial
La Ciencia de Datos se ha convertido en un ámbito profesional en el que confluyen estadística, programación, analítica, ingeniería, conocimiento del negocio e Inteligencia Artificial.
Pero las profesiones relacionadas con los datos están experimentando una nueva transformación.
La Inteligencia Artificial ya puede ayudar a escribir código, formular consultas, preparar información, generar visualizaciones, explorar conjuntos de datos, explicar resultados y desarrollar modelos.
Esto no significa que los profesionales de Ciencia de Datos dejen de ser necesarios.
Significa que está cambiando aquello que les hace valiosos.
CienciaDeDatos.pro estudia esta transformación para comprender cómo evolucionan las profesiones del dato, qué competencias serán necesarias y cómo pueden los profesionales desarrollarse en un entorno en el que personas e Inteligencia Artificial trabajarán cada vez más conjuntamente.
¿Qué profesiones forman parte de la Ciencia de Datos?
Un ecosistema profesional, no una única profesión
Hablar de «profesional de Ciencia de Datos» no significa hablar de un único perfil.
Trabajar con datos requiere diferentes especializaciones que pueden variar según el tamaño de la organización, el sector, la madurez tecnológica y los problemas que deban resolverse.
Estas son algunas de las principales profesiones que analizamos en CienciaDeDatos.pro.
Científico de datos
El científico de datos utiliza métodos estadísticos, computacionales y analíticos para extraer conocimiento de los datos, identificar patrones, construir modelos y contribuir a resolver problemas complejos.
Su trabajo puede incluir:
- exploración y preparación de datos;
- análisis estadístico;
- formulación y contraste de hipótesis;
- desarrollo de modelos predictivos;
- aprendizaje automático;
- diseño de experimentos;
- evaluación e interpretación de modelos;
- comunicación de resultados;
- colaboración con especialistas del ámbito de aplicación.
La Inteligencia Artificial puede automatizar una parte creciente de estas tareas, pero aumenta simultáneamente la importancia de formular correctamente los problemas, evaluar los resultados y comprender sus limitaciones.
[Científico de datos →]
Analista de datos
El analista de datos transforma datos en información que permite comprender qué está sucediendo y apoyar la toma de decisiones.
Puede trabajar en:
- exploración de datos;
- indicadores;
- consultas;
- informes;
- visualizaciones;
- cuadros de mando;
- análisis de tendencias;
- identificación de patrones;
- comunicación de resultados.
Es uno de los perfiles que experimentará una transformación importante por la incorporación de herramientas de Inteligencia Artificial capaces de consultar y analizar información mediante lenguaje natural.
El valor profesional se desplazará progresivamente desde la producción manual de análisis hacia saber qué preguntar, validar los resultados, interpretarlos y conectarlos con las decisiones.
[Analista de datos →]
Ingeniero de datos
El ingeniero de datos diseña y mantiene los sistemas que permiten obtener, transformar, integrar, almacenar y proporcionar datos de forma fiable.
Entre sus ámbitos de trabajo se encuentran:
- arquitecturas de datos;
- bases de datos;
- integración de fuentes;
- canalizaciones de datos;
- transformación;
- automatización;
- procesamiento distribuido;
- calidad;
- observabilidad;
- disponibilidad y escalabilidad.
La expansión de la Inteligencia Artificial está aumentando la importancia de esta función.
Los nuevos sistemas necesitan acceder a información procedente de múltiples fuentes y trabajar con datos estructurados y no estructurados.
Sin una infraestructura adecuada de datos, muchas iniciativas de Inteligencia Artificial difícilmente pueden pasar de la experimentación a una utilización fiable.
[Ingeniero de datos →]
Ingeniero de aprendizaje automático
El ingeniero de aprendizaje automático conecta el desarrollo de modelos con su utilización en sistemas reales.
Su trabajo puede abarcar:
- entrenamiento de modelos;
- selección y preparación de características;
- evaluación;
- optimización;
- despliegue;
- automatización;
- seguimiento del rendimiento;
- actualización de modelos;
- integración con aplicaciones.
Es un perfil situado entre Ciencia de Datos, ingeniería de programas e infraestructura tecnológica.
La evolución de los modelos generativos y de los nuevos sistemas de Inteligencia Artificial amplía progresivamente su ámbito profesional.
[Ingeniero de aprendizaje automático →]
Especialista en Inteligencia Artificial
La expansión de la Inteligencia Artificial está generando perfiles que trabajan en la intersección entre modelos, datos, conocimiento y aplicaciones.
Sus funciones pueden incluir:
- integración de modelos de Inteligencia Artificial;
- preparación y recuperación de conocimiento;
- evaluación de sistemas;
- automatización;
- diseño de sistemas basados en agentes;
- utilización de herramientas;
- integración de fuentes de información;
- control y seguimiento;
- seguridad y gobierno.
Las fronteras entre este perfil, Ciencia de Datos, ingeniería de aprendizaje automático e ingeniería de programas seguirán evolucionando.
Por eso nos interesa estudiar las competencias reales que requiere el trabajo, además de las denominaciones de los puestos.
Otros profesionales del dato
El ecosistema es todavía más amplio.
Incluye, entre otros:
- especialistas en inteligencia empresarial;
- analistas de negocio;
- estadísticos;
- especialistas en visualización de datos;
- arquitectos de datos;
- responsables de calidad del dato;
- especialistas en gobierno del dato;
- responsables de datos;
- investigadores;
- docentes;
- especialistas sectoriales con competencias avanzadas en datos.
Las fronteras entre estos perfiles no siempre son precisas.
Y probablemente serán todavía menos rígidas en el futuro.
Más allá de los especialistas técnicos
Cada vez más profesiones trabajan con datos
La transformación no afecta exclusivamente a quienes tienen «datos» en el nombre de su puesto.
Financieros, economistas, ingenieros, profesionales del turismo, responsables de operaciones, especialistas en logística, arquitectos, profesionales de mercadotecnia, investigadores, docentes, consultores y directivos utilizan cada vez más datos e Inteligencia Artificial dentro de su propia especialidad.
Esto está generando un tipo de profesional especialmente relevante:
el especialista de un ámbito que incorpora Ciencia de Datos e Inteligencia Artificial a su trabajo.
No todos necesitarán convertirse en científicos de datos.
Pero muchos necesitarán comprender:
- cómo se generan los datos;
- qué análisis pueden realizar;
- qué significan los resultados;
- qué limitaciones existen;
- cuándo confiar en un modelo;
- cómo trabajar con especialistas;
- cómo utilizar Inteligencia Artificial con criterio.
El futuro de la Ciencia de Datos también se construirá fuera de los departamentos especializados en datos.
¿Qué está cambiando con la Inteligencia Artificial?
De ejecutar tareas a resolver problemas
Durante años, una parte importante de la formación técnica se ha centrado en aprender cómo realizar determinadas tareas:
escribir código;
crear consultas;
limpiar datos;
construir gráficos;
entrenar modelos;
generar informes.
Estas competencias siguen siendo necesarias.
Pero su ejecución es cada vez más asistida por Inteligencia Artificial.
Un profesional puede describir lo que necesita y obtener código, consultas, análisis preliminares o propuestas de visualización en segundos.
Por eso la pregunta profesional empieza a cambiar.
Ya no será únicamente:
¿Sabes hacerlo?
También será:
¿Sabes qué debe hacerse, por qué, con qué datos y cómo comprobar que el resultado es correcto?
Este cambio puede elevar el nivel de la profesión.
Pero también exige nuevas competencias.
Las competencias los profesionales de Ciencia de Datos
Tecnología + Estadística + Contexto + Criterio
No creemos que exista una lista definitiva de competencias válida para todos los profesionales.
Sí podemos identificar diferentes dimensiones que deben combinarse según cada función.
Datos
Comprender cómo se obtienen, estructuran, transforman, integran y gestionan.
Estadística y probabilidad
Razonar con variabilidad, evidencia e incertidumbre.
Programación y computación
Utilizar tecnología para manipular datos, automatizar procesos y construir soluciones.
Analítica
Explorar información, identificar patrones y responder preguntas.
Aprendizaje automático
Comprender cómo se construyen, evalúan e interpretan modelos.
Inteligencia Artificial
Utilizar nuevos sistemas como herramientas profesionales y comprender sus posibilidades y limitaciones.
Conocimiento del ámbito
Entender el contexto empresarial, científico, industrial, financiero, social o profesional donde existen los datos.
Comunicación
Explicar resultados, incertidumbres y recomendaciones de forma comprensible.
Pensamiento crítico
Cuestionar datos, supuestos, modelos y resultados.
Toma de decisiones
Conectar el análisis con las acciones que deben realizarse.
La combinación de estas dimensiones será diferente para un científico de datos, un ingeniero de datos, un analista financiero o un directivo.
La profesión no necesita que todos sepan lo mismo. Necesita que cada profesional sepa qué debe comprender para resolver correctamente sus problemas.
Una competencia transversal: trabajar con Inteligencia Artificial
La capacidad de utilizar Inteligencia Artificial se convertirá progresivamente en una competencia transversal.
Pero utilizarla profesionalmente no consiste únicamente en saber formular instrucciones.
Significa aprender a:
- plantear correctamente una tarea;
- proporcionar contexto;
- seleccionar información;
- evaluar respuestas;
- comprobar cálculos;
- revisar código;
- detectar errores;
- contrastar resultados;
- documentar procesos;
- proteger información;
- conocer cuándo no utilizarla.
El profesional del dato puede convertirse precisamente en uno de los perfiles mejor preparados para trabajar críticamente con Inteligencia Artificial porque dispone de una competencia especialmente importante:
saber evaluar evidencia.
¿Desaparecerá el científico de datos?
Es una de las preguntas que acompañará a la profesión durante los próximos años.
Nuestra hipótesis es que resulta más útil preguntar:
¿Qué partes del trabajo del científico de datos se automatizarán y qué capacidades aumentarán de valor?
La historia de la tecnología muestra que las profesiones evolucionan cuando cambian sus herramientas.
En Ciencia de Datos podemos esperar una automatización creciente de determinadas tareas operativas.
Al mismo tiempo, seguirán siendo necesarios profesionales capaces de:
- comprender problemas ambiguos;
- identificar qué datos son necesarios;
- determinar si los datos disponibles son adecuados;
- formular hipótesis;
- diseñar análisis;
- evaluar evidencia;
- detectar resultados inconsistentes;
- comprender incertidumbre;
- incorporar conocimiento del dominio;
- asumir responsabilidad sobre las conclusiones.
No podemos conocer exactamente cómo será cada profesión dentro de diez años.
Precisamente por eso queremos estudiar su evolución en lugar de asumir que permanecerá estática.
Cómo desarrollar una carrera en Ciencia de Datos
No existe un único camino
Las personas llegan a la Ciencia de Datos desde trayectorias muy diferentes.
Estadística.
Matemáticas.
Informática.
Ingenierías.
Economía.
Empresa.
Física.
Biología.
Ciencias sociales.
Y muchas otras disciplinas.
Esta diversidad constituye una fortaleza porque la Ciencia de Datos necesita combinar métodos cuantitativos con conocimiento de problemas reales.
En CienciaDeDatos.pro estudiaremos diferentes itinerarios profesionales de Ciencia de Datos atendiendo a:
Fundamentos
Qué conocimientos proporcionan una base sólida.
Especialización
Qué ámbitos permiten construir capacidades diferenciales.
Experiencia
Cómo convertir conocimiento académico en capacidad para resolver problemas.
Proyectos
Cómo demostrar competencias mediante trabajo aplicado.
Formación continua
Cómo mantenerse actualizado sin perseguir permanentemente cada nueva herramienta.
Inteligencia Artificial
Cómo incorporarla al trabajo sin sustituir comprensión por automatización.
El objetivo no debe ser simplemente acumular cursos y certificados.
Debe ser construir capacidad profesional demostrable.
Formación en Ciencia de Datos
La expansión de la disciplina ha generado una enorme oferta de grados, másteres, cursos, microcredenciales, certificaciones y recursos de aprendizaje.
Esto crea oportunidades, pero también dificulta seleccionar correctamente la formación.
CienciaDeDatos.pro analizará programas formativos atendiendo a cuestiones como:
- fundamentos incluidos;
- profundidad estadística;
- programación;
- aprendizaje automático;
- aplicación práctica;
- relación con Inteligencia Artificial;
- nivel requerido;
- reconocimiento;
- coste;
- tiempo;
- utilidad profesional.
No toda formación es adecuada para todas las personas.
Una formación valiosa debe evaluarse en relación con el punto de partida, el objetivo profesional y las competencias que realmente permite desarrollar.
[Explorar Formación →]
Herramientas profesionales
Python, R, SQL, hojas de cálculo, plataformas de inteligencia empresarial, entornos de desarrollo, sistemas de control de versiones, servicios en la nube y herramientas de Inteligencia Artificial forman parte de diferentes perfiles profesionales.
CienciaDeDatos.pro analizará estas tecnologías desde una perspectiva práctica.
Pero evitaremos convertir el dominio de una herramienta concreta en sinónimo de competencia profesional.
Una herramienta puede quedar obsoleta.
La capacidad para comprender y resolver problemas permanece.
Mercado laboral de Ciencia de Datos
Comprender qué está demandando realmente el mercado
Las denominaciones de los puestos cambian rápidamente.
Una misma función puede recibir nombres diferentes y dos ofertas con el mismo título pueden exigir capacidades muy distintas.
Por eso queremos estudiar el mercado más allá de los titulares.
Analizaremos progresivamente:
- puestos demandados;
- competencias solicitadas;
- experiencia requerida;
- sectores contratantes;
- salarios;
- modalidades de trabajo;
- formación;
- tecnologías;
- aparición de nuevos perfiles;
- impacto de la Inteligencia Artificial.
Prestaremos especial atención a España y Latinoamérica, sin perder la perspectiva internacional necesaria para comprender una profesión global.
[Explorar Mercado laboral →]
Observatorio de la Ciencia de Datos
Conocimiento sobre la propia profesión
CienciaDeDatos.pro desarrollará progresivamente un Observatorio de la Ciencia de Datos para estudiar la evolución de la disciplina y de sus profesionales.
Queremos pasar de comentar tendencias a generar conocimiento propio.
El Observatorio podrá desarrollar:
- análisis del mercado profesional;
- estudios de competencias;
- encuestas;
- mapas de perfiles;
- seguimiento de tecnologías;
- análisis de formación;
- estudios salariales;
- investigación sobre el impacto de la Inteligencia Artificial.
Uno de los proyectos que queremos construir es un:
Informe sobre la Profesión de la Ciencia de Datos
Una investigación periódica que permita observar cómo evolucionan perfiles, competencias, tecnologías y condiciones profesionales en el mundo hispanohablante.
Con el tiempo, comparar diferentes ediciones permitirá identificar cambios que una fotografía aislada no puede mostrar.
[Descubrir el Observatorio →]
Una comunidad profesional en español
La Ciencia de Datos es internacional y el inglés seguirá siendo imprescindible para acceder a una parte fundamental de su conocimiento.
Eso no impide que exista también un enorme espacio profesional compartido por cientos de millones de hispanohablantes.
España y Latinoamérica cuentan con universidades, empresas, investigadores, docentes, profesionales y estudiantes que pueden aprender unos de otros.
CienciaDeDatos.pro quiere contribuir progresivamente a conectar ese conocimiento.
No pretendemos representar a toda la profesión.
Queremos construir un espacio útil para ella.
Un lugar donde comprender cómo cambia.
Aprender.
Compartir conocimiento.
Descubrir otras perspectivas.
Y conectar Ciencia de Datos con problemas reales.
Profesión + Conocimiento + Aplicación
El desarrollo profesional no puede separarse del conocimiento ni de su aplicación.
Por eso la arquitectura de CienciaDeDatos.pro conecta tres ámbitos:
Conocimiento
¿Qué necesitamos comprender?
Profesión
¿Qué capacidades necesitamos desarrollar?
Aplicación
¿Qué problemas podemos resolver?
La Inteligencia Artificial atraviesa los tres.
Transforma cómo aprendemos.
Transforma cómo trabajamos.
Y transforma lo que las organizaciones pueden hacer con sus datos.
[Explorar Conocimiento →]
[Explorar Aplicaciones →]
Profesionales de Ciencia de Datos
Comprender cómo cambia la profesión para participar en su futuro
No sabemos exactamente cómo serán las profesiones del dato dentro de cinco o diez años.
Sí sabemos que la capacidad para trabajar con datos seguirá siendo fundamental en organizaciones que necesitan comprender entornos cada vez más complejos y utilizar sistemas de Inteligencia Artificial cada vez más capaces.
CienciaDeDatos.pro seguirá esta evolución con una mirada crítica, profesional y aplicada.
Para quienes ya trabajan con datos.
Para quienes están aprendiendo.
Para quienes incorporan Ciencia de Datos a otra especialidad.
Y para las organizaciones que necesitan comprender qué talento y competencias deberán desarrollar.
CienciaDeDatos.pro — Ciencia de Datos para la era de la Inteligencia Artificial.