En esta serie podrás conocer al equipo de Ubiqum Code Academy y descubrir cómo es trabajar como mentor en uno de nuestros bootcamps.
En este artículo hablamos con uno de nuestros mentores del bootcamp de Análisis de Datos en Barcelona, Luis, que nos cuenta cómo se puede ser un buen analista y por qué los cursos de Ubiqum Code Academy son ideales para principiantes. Nos habla de big data, machine learning y de sus sentimientos al pasar del campus de Ubiqum en Barcelona al de Berlín, donde dirigirá el curso de Análisis de Datos.
¿Cómo empezaste en el mundo del Análisis de Datos?
Después de terminar la carrera de física pasé seis años trabajando en un grupo de investigación de física nuclear en Valencia. Una de mis responsabilidades más importantes como investigador era analizar datos para publicarlos después en artículos científicos. Con mi experiencia técnica decidí cambiar al sector privado y me apunté al curso online a media jornada de Ubiqum sobre Análisis de Datos. Cuando terminé el curso entré a formar parte del personal de Ubiqum, haciendo mis primeros proyectos como analista.
¿Qué habilidades o características se necesitan para hacer carrera en el análisis de datos?
Las características más importantes que se necesitan para llevar a cabo tareas de análisis con éxito son la inquietud y la comunicación. Llevar a cabo la parte técnica de un proyecto requiere formación pero la habilidad de transmitir los descubrimientos a los clientes u otros departamentos de la empresa es crucial. Asimismo, para interpretar correctamente los resultados de un análisis se necesita experiencia y conocer el sector y el contexto específico de cada proyecto. Un buen analista tiene que ser un gran comunicador.
Un uso adecuado de las herramientas y lenguajes de programación es esencial, pero lo que diferencia a un buen analista de uno “del montón” es su habilidad para crear estructuras mentales que le permitan solucionar con éxito cualquier tipo de problema. El trabajo real del analista comienza cuando éste obtiene los resultados del análisis y tiene que interpretarlos y transmitir de forma eficaz los conocimientos adquiridos a su cliente o al departamento correspondiente de su empresa.
¿Qué hace exactamente un científico de datos?
El trabajo de un científico de datos incluye tareas como la extracción, exploración, visualización y análisis predictivo de datos, así como extracción de información y recomendaciones. En caso de trabajar para una consultoría, las responsabilidades también incluyen visitar clientes, presentar resultados y ofrecer modelos predictivos.
En función del sector y tipo de empresa, podemos encontrar diferentes perfiles de científico de datos. Algunos se orientan al big data, otros al machine learning, a los negocios o, incluso, a la dirección.
¿Hay alguna diferencia entre un analista de datos y un científico de datos? ¿Qué te consideras?
Actualmente la línea que separa un científico de datos de un analista de datos no está muy bien definida. En teoría, un analista de datos es un profesional que realiza análisis de datos, mientras que un científico de datos puede desarrollar su propio algoritmo. Sin embargo, hoy en día el mismo trabajo recibe diferentes nombres en función de la empresa y no de las responsabilidades que le corresponden.
Como no hay una diferencia clara entre las dos posiciones, yo diría que mi denominación cambia de proyecto en proyecto, en función de las tareas que me asignan. Sin embargo, me gusta centrarme en solucionar problemas empresariales. Actualmente me considero un mentor de análisis de datos con buenas habilidades comunicativas.
¿Por qué el bootcamp de análisis de datos de Ubiqum Code Academy es ideal para principiantes?
Ubiqum ofrece una visión global y completa del trabajo de analista que no puedes encontrar en ningún otro sitio. La experiencia en Ubiqum consiste en 5 meses a tiempo completo en un entorno de trabajo simulado donde se recrean las condiciones de trabajo de un analista desde el primer día. Mientras se aprenden las habilidades necesarias para el trabajo, nos ponemos en contacto con empresas y profesionales del sector, las presentaciones se hacen abiertas al público y los informes se realizan con los mismos requisitos que para una empresa.
La curva de aprendizaje se diseña para que analistas sin experiencia previa adquieran todas las habilidades necesarias durante el curso. Los analistas con experiencia técnica o empresarial profundizan sus conocimientos mientras refuerzan las áreas en las que se sienten menos cómodos. Al final de los 5 meses, el estudiante es un analista completamente profesional, capaz de trabajar independientemente desde el primer día en una empresa.
¿Qué puede esperar un futuro estudiante del curso de análisis de datos de Ubiqum Code Academy?
La primera cosa que aprenderá un futuro analista es a pensar como un profesional. Nuestros analistas aprenden a afrontar cualquier tipo de problema de forma autónoma y eficiente, a encontrar información en las fuentes adecuadas y a entregar proyectos con presentaciones e informes de calidad.
A nivel técnico, es esencial poder trabajar con un lenguaje de programación y con herramientas de extracción de datos y de cuadro de mandos. En nuestro caso, trabajamos con R como lenguaje y RapidMiner como programa de extracción de datos. Nuestros estudiantes no solo aprenden a utilizar estas herramientas sino que también entienden el proceso de análisis en general, lo que les prepara para afrontar cualquier cambio en la tecnología. Cada empresa tiene sus propias herramientas de análisis pero el periodo de adaptación de nuestros estudiantes es más corto porque lo que importa es el proceso y no la tecnología utilizada.
En el bootcamp de Análisis de Datos de Ubiqum os centráis en el análisis predictivo, ¿qué diferencia hay entre éste y el análisis descriptivo y la inteligencia empresarial?
El análisis descriptivo consiste en utilizar herramientas que no modifican los datos para obtener información. Estas herramientas incluyen filtros, histogramas, gráficos, etc.
Por su parte, la inteligencia empresarial es una forma de análisis descriptivo con la diferencia principal que se utiliza una interfaz gráfica de usuario (GUI por sus siglas en inglés) para que personas sin conocimientos de programación o pocas habilidades técnicas puedan llevar a cabo estas tareas.
Por último, el análisis predictivo y, en nuestro caso, el machine learning, son herramientas que nos permiten anticipar el valor de una variable en base a la información que tenemos. Podemos explicar estos conceptos con un ejemplo muy simple de segmentación de clientes. Si llevamos a cabo una encuesta de compradores de un producto en particular que hace nuestra empresa con información postal, geográfica, económica y social, podemos anticipar si una persona desconocida es un cliente potencial simplemente rellenando la misma encuesta.
Para aquellos que están comenzando, ¿podrías explicar qué es el machine learning y cómo se utiliza en el análisis de datos?
El concepto de machine learning se utiliza cuando capacitamos a un algoritmo con algunos datos (conjunto de formación) y hacemos predicciones en una nueva tabla de datos que no hemos utilizado para la formación (conjunto de prueba).
Los analistas utilizan estos algoritmos para solucionar problemas como la segmentación de clientes, reconocimiento de imagen, predicciones de existencias y ventas o reconocimiento de números dentro de imágenes o lenguaje escrito.
El concepto “big data” se utiliza mucho, ¿qué significa exactamente?
El concepto “big data” hace referencia al almacenamiento y la gestión de grandes cantidades de datos que deben trabajarse de forma distribuida. Estos datos se separan en bloques que se almacenan en diferentes servidores en todo el mundo.
Tras llevar a cabo la gestión en cada uno de estos servidores, se pueden realizar tareas en paralelo que de otra forma tardarían días, o incluso años, en plazos de tiempo razonables.
Después de terminar el curso con vosotros, ¿qué hacen los estudiantes de Ubiqum? ¿En qué clase de empresas acaban trabajando?
Al terminar el curso, nuestros analistas consiguen puestos de trabajo como analistas de datos en empresas muy diversas. Hay puestos de analista en empresas de marketing o relacionadas con el marketing que incorporan machine learning al proceso de creación de campañas. Algunas personas trabajan en consultorías como analistas de datos para clientes, mientras que otros son contratados por grandes multinacionales para analizar datos internos de la misma empresa.
La experiencia en general es que los estudiantes empiezan a trabajar en puestos de responsabilidad a medida que las empresas van creando o definiendo sus departamentos de análisis de datos.
Te trasladas al campus de Ubiqum en Berlín en febrero, ¿estás contento? ¿Nervioso? ¿Triste por marcharte del campus en Barcelona?
Liderar la experiencia de análisis de datos en Berlín es muy atractivo y a la vez un reto muy exigente. Empezaremos el primer curso el 12 de febrero con un grupo de analistas con mucha ilusión. El mercado alemán es un mercado muy avanzado y exigente, y por este motivo tenemos ganas de formar a nuestros primeros analistas allí.
A nivel personal, tengo muchas ganas de empezar el curso aunque voy a echar de menos a la gente de Ubiqum en Barcelona. Somos un equipo joven, con ganas de hacer que el proyecto de Ubiqum sea lo más próspero posible y mi relación con los mentores y el equipo es inmejorable. En cualquier caso, la comunicación con Barcelona será constante y espero visitas de equipo. Además, nunca es demasiado tarde para aprender alemán.
¿Algún último consejo para las personas que estén pensando en dedicarse al análisis de datos?
Que no dejen de seguir las tendencias de mercado y que estén pendientes de las redes neutrales porque están muy de moda. Que hagan tutoriales, incorporen tecnologías y nuevos algoritmos a sus habilidades. Que lean sobre tecnología, negocios y aplicación del análisis de datos en todos los sectores de la industria y la investigación.
Trabaja duro, sé curioso y triunfarás como analista. Y prepárate para hacer las maletas porque trabajar como analista te puede llevar a cualquier lugar del mundo. ;)