El Big Data es un sector en crecimiento como lo muestra la consultora Gartner, en 2015 unos 4,4 millones de empleos TIC a nivel mundial estarán directamente relacionados con el procesamiento de grandes cantidades de datos.

Una de las posiciones que más buscarán las organizaciones es la del Data Scientist, que en palabras de Anjul Bhambhri, vicepresidente de productos de Big Data en IBM, es «parte analista, parte artista”, es alguien curioso capaz de mirar los datos y las nuevas tendencias  del mercado y el negocio.

Aunque aún puede causar dudas las posición los expertos definen que la ciencia de datos sólo es útil cuando se utilizan los datos para responder a una pregunta, independientemente del tamaño de los datos o de la cantidad de herramientas que utilicemos para el almacenamiento y procesado de dichos datos.

Es en el punto anterior dónde la ciencia de datos se separa de lo tradicionalmente conocido como Big Data, puesto que queda fuera de sus competencias diseñar y administrar la infraestructura y sistemas para la obtención, almacenaje y gestión de grandes (o no tan grandes) volúmenes de datos, y para lo que a día de hoy se preparan básicamente los expertos en Big Data.

Aunque los expertos comentan que no hay un camino claro para convertirse en científico de datos hay una parte de conocimiento clave una de ellas es la parte de ingeniería/programación, así que pasar al área debería ser relativamente fácil para aquellos que dominan la parte técnica como los DBA.

Un buen científico de datos es hábil con herramientas como Hadoop, Java y Python entre otros. Conocer estas herramientas y saber cómo y cuándo utilizarlas es fundamental. También debería de conocer tecnologías de bases de datos, como NoSQL o CounchDB, además de que bien informado sobre los scripting.

El otro es el lado análisis cuantitativo. Eso será mucho más difícil debido a la modelización estadística y el aprendizaje máquina no es el tipo de cosas DBA que aprenden en la escuela o la experiencia laboral. Para prepararse en esto es recomendable poner al día tus cursos de matemáticas, especialmente álgebra lineal. Para hacerse una idea del aspecto cuantitativo, se puede ver libremente conferencias sobre esto en sitios MOOC como Coursera o EDX.

En general necesitarás comunicarte con diversas personas dentro de la organización, y esto incluye la comunicación y comprensión de los requisitos del negocio, de la aplicación, y explicar los resultados de los datos a personas de marketing, equipos de desarrollo y ejecutivos.

No sólo hay que mirar los datos, hay que pensar de una manera creativa e innovadora. Un científico de datos debe de estar ansioso por aprender y ser curioso. También deben de ser personas capaces de ver donde los datos pueden aportar un valor añadido y la forma de explotarlos para conseguir mejores resultados.

La comunicación es la clave cuando tenemos que trabajar con un equipo multi-funcional y presentar análisis de una manera eficaz y convincente. En otras palabras, puede ser muy bueno analizando datos, pero no va a ser un buen científico de datos si no es capaz de comunicarse con los demás.

Millones de datos son recogidos cada día a través de redes sociales, sitios de comercio electrónico, y distintas páginas webs. Con el fin sacar el mayor potencial a todos estos datos el mundo necesita científicos de datos. Si usted cumple las siete habilidades comentadas en este artículo, entonces se encuentra en el buen camino para ser uno de ellos.