Durante los últimos tiempos se ha hablado muchísimo de los científicos de datos y el Data Science. Hasta el punto en que muchos preguntan si se trata de una especie de moda con impacto en el lenguaje tecnológico. Estos interrogantes se tejen sobre todo en estudiantes y profesionales que encuentran en el análisis de datos la gran ventana formativa que podría colocarles en primera línea de los grandes retos de nuestro tiempo. No cabe duda, Big Data y Data Science son palabras actualmente glamurosas. Pero los conocimientos que sustentan estos sectores están lejos de ser una moda pasajera. También en el 2023, las formaciones superiores en análisis de datos representan la más importante opción para quienes apuntan a los más altos estándares profesionales.

Resulta extraño que alguien se pregunté si Big Data y Data Science son terminologías pasajeras en la inagotable demanda de conocimientos llegada desde las empresas y organizaciones. Cuando en realidad hablamos de una suerte de “camino natural” seguido por los procesos de transformación digital, la acumulación de información, el aumento en la capacidad de procesado y la aplicación de las matemáticas y la Estadística a la cultura corporativa.

Que, literalmente, millones de estudiantes y profesionales en todo el mundo quieran sumar los términos Big Data y Data Science a su lista de valores curriculares, efectivamente, nos pone de moda. Sin embargo, para cualquier voz experta va a resultar perfectamente evidente que los conocimientos necesarios para ser un científico de datos difícilmente pueden considerarse como temporales o coyunturales. La única forma en que el análisis de datos pueda considerarse una moda pasajera es que asistamos a escenarios de reversión tecnológica. Sería como decir que ya no es necesario enseñar economía, matemáticas y Estadística en las facultades de las universidades.

DATA SCIENCE

Por otra parte, quizá es importante comprender que las tendencias en estos sectores se van modificando con el paso del tiempo (por ejemplo, alrededor de la terminología). Hace unos pocos años conceptualizaciones como Minería de Datos o Data Mining eran de gran relevancia en las búsquedas, también lo es recientemente Data Engineering.

Sin embargo, es fundamental preguntarse acerca de las coyunturas reflejadas por la propia tendencia totalizadora del lenguaje tecnológico. Es decir, hoy se habla en todas partes de Data Science porque reúne y sintetiza exactamente aquellos conocimientos y metodologías necesarias para darle peso científico a la dirección y estrategias empresariales. Por ejemplo, ¿qué entiende la UNED por Big Data y Data Science? Entiende Estadística, análisis de datos, minería de datos, series temporales, etc.; pero, además, muy importante, aplicación práctica en los sectores estratégicos de la producción.

En la misma lógica vemos otro debate interesante en lo siguiente: ¿Los importantísimos avances que hemos visto en Inteligencia Artificial alcanzarán algún punto crítico donde podrían llegar a reemplazar la figura del científico de datos?

Los expertos parecen coincidir en qué la Inteligencia Artificial podrá asumir muy pronto la mayor parte de las “tareas mecánicas” involucradas en el trabajo del científico de datos. Pero que difícilmente será capaz de reemplazar las grandes dosis de intuición, creatividad y capacidad interpretativa observada en el profesional con la formación necesaria para construir los interrogantes correctos en el análisis de datos. Lo anterior sin nombrar todos los esfuerzos implicado en la unificación semántica de las fuentes de los datos, muy relevante en proyectos de Machine Learning, por ejemplo.

Algunos análisis, como el de Stack Overflow, parecen argumentar que el científico de datos está entre los perfiles con mayores salarios independientemente de sus años de experiencia. Estamos ante un mercado lejos de saturarse. Pero junto a la demanda de científicos de datos crece la oferta formativa. Y ahí sí tendremos grandes diferencias.

Una de las preguntas obligadas es: ¿Dónde formarse para ser parte de esa glamurosa vanguardia científica simbolizada en el Data Science? En base a todo lo anterior, no cabe duda de que tendremos las mejores oportunidades en formaciones superiores claramente enfocadas a análisis de datos, donde el conocimiento aplicado (finanzas, seguros, Web Mining, transformación digital, turismo, smart cities, transportes, sanidad, etc.), matemáticas y la Estadística ocupen ese preciso espacio que nunca pasará de “moda”. En una entrada anterior de este blog argumentábamos: Un curso en Big Data e incluso una formación superior en esta área, con mucho espacio para la programación y menos para las matemáticas y estadística, no convierte al estudiante en científico de datos.

MÁSTER EN BIG DATA Y DATA SCIENCE - CONVOCATORIA 2025 - MATRÍCULA ABIERTA