Sergey Nivens - Fotolia
Científico de datos versus analista de datos: ¿cuál es la diferencia?
Los científicos de datos y los analistas de datos tienen muchos cruces en sus roles, pero ciertamente no son lo mismo. Aquí hay un vistazo a algunas diferencias clave en las posiciones.
Hoy en día, existe una gran expectación en torno a los científicos de datos, pero la realidad es que muchas empresas también necesitan analistas de datos. Los analistas de datos juegan un papel clave en ayudar a los usuarios de negocios a mantener la vista en la pelota y resolver los problemas cotidianos. En muchos sentidos, pueden complementar el trabajo de los científicos de datos, pero también son importantes, incluso críticos, cuando las empresas no tienen un programa de ciencia de datos.
Es útil considerar las diferencias entre el científico de datos y el analista de datos para que las empresas puedan construir el equipo adecuado y las personas puedan perfeccionar las habilidades más apropiadas.
"Los analistas de datos ponen énfasis en inspeccionar y analizar datos [y] crear informes, mientras que los científicos de datos se centran en experimentos, investigación y aprendizaje automático", dijo Ji Li, director de ciencia de datos de Clara Analytics, que proporciona una plataforma de inteligencia artificial para la industria aseguradora comercial.
Mismos principios, diferentes preguntas
El analista de datos y el científico de datos utilizan muchos de los mismos principios, a menudo trabajan en conjuntos de datos similares, abordan preguntas similares y enfrentan obstáculos similares en su trabajo. Una diferencia entre el científico principal de datos y el analista de datos es que a los analistas generalmente se les da un conjunto de preguntas que deben responder, mientras que se espera que los científicos de datos hagan sus propias preguntas, dijo Kirill Eremenko, fundador y director de SuperDataScience, un servicio educativo de IA.
Los analistas sobresalen al mirar datos para encontrar patrones nunca vistos utilizando análisis descriptivos y de diagnóstico. Por el contrario, un científico de datos intenta identificar patrones en conjuntos de datos y luego usa esos patrones para predecir cómo es probable que se comporten los datos en el futuro utilizando análisis predictivos y prescriptivos.
"Como los trabajos están tan unidos, un analista de datos está en una excelente posición para convertirse en un científico de datos", dijo Eremenko. Sin embargo, esto requerirá que los analistas de datos cambien su enfoque, dijo. Tendrían que aprender habilidades para formar sus propias hipótesis basadas en los datos que tienen disponibles y luego probar o refutar esas teorías.
Eremenko comenzó como analista de datos en Deloitte Analytics en Australia. En Deloitte, utilizó predominantemente datos para responder preguntas como "¿Qué pasó?" y "¿Por qué sucedió?" Posteriormente consiguió un trabajo como el primer científico de datos en Sunsuper, una compañía de administración de pensiones, donde tuvo que probar varios algoritmos para análisis predictivos y prescriptivos.
Su papel en Deloitte a veces lo obligaba a abordar más preguntas abiertas, como "¿Qué pasará?" y "¿Cómo podemos hacer que suceda?" Sin embargo, estas preguntas fueron claramente definidas por los gerentes y directores o fueron manejadas directamente por ellos. De este modo, los gerentes y directores estaban haciendo la mayor parte del pensamiento crítico del que los científicos de datos generalmente son responsables.
Los analistas entienden el negocio
Los analistas de datos tienden a estar más cerca de los usuarios comerciales y tienden a ser expertos en los datos disponibles, dijo Rosaria Silipo, científica principal de datos en Knime, una plataforma de análisis y ciencia de datos. Conocen el caso de negocio, el proceso de recopilación de datos y el dominio de datos dentro y fuera. "Puede que no sean matemáticos, pero pueden ofrecer excelentes ideas sobre cómo adquirir y manejar los datos y cómo interpretar los resultados", dijo.
A menudo hay una buena cantidad de superposición entre analistas de datos y científicos de datos. Ambos procesan datos con un conocimiento profundo del dominio y experiencia matemática. Con el tiempo, Silipo descubrió que los analistas empresariales experimentados a veces pueden aumentar su conocimiento en estadística y aprendizaje automático para mejorar su valor. En el otro extremo del espectro, los científicos e ingenieros de datos pueden aprender más sobre el proceso de recopilación de datos y los casos de negocios, especialmente después de unos años en el campo.
Jefes de cocina y cocineros
Cheryl To, científica de datos de ThinkData Works, un proveedor de herramientas de discusión de datos, dijo que una metáfora útil para entender la diferencia entre el científico de datos y el analista de datos es que los científicos de datos son los jefes de cocina, mientras que los analistas de datos son los cocineros de línea. Los jefes de cocina son capaces de hacer lo que los cocineros pueden hacer, pero deben presentar el menú general y el tema del restaurante y la comida. Los cocineros se especializan en hacer el trabajo de preparación necesario y reunir los ingredientes necesarios para esas comidas.
Ella dijo: "La mayoría de las veces, los analistas de datos tienen la tarea de resolver un problema específico en el que aprovecharán los datos para obtener una solución significativa". Esto complementa el trabajo de los científicos de datos, que tienen más libertad para explorar y generar sus propias preguntas basadas en su análisis.
Por ejemplo, en AI Foundry, un proveedor de herramientas de automatización de hipotecas, los científicos de datos juegan un papel clave en el desarrollo del aprendizaje de refuerzo profundo y la plataforma cognitiva de automatización de negocios de la compañía, dijo Peter Piela, director de desarrollo de AI Foundry. Su equipo de analistas de datos realiza una variedad de tareas relacionadas con la recopilación, organización y limpieza de los datos para evaluar la calidad y las tendencias. Este equipo incluye especialistas en analistas de negocios que ayudan en las actividades de prueba e investigación para comprender los problemas de automatización de documentos de préstamos. También trabajan con especialistas en conservación de datos que aplican la atención a los detalles para preparar los documentos de capacitación modelo.
"El conocimiento del dominio empresarial que ofrecen los analistas de datos es invaluable para el equipo de ciencia de datos", dijo Piela.
Cultivar nuevas habilidades
Los analistas de datos pueden diferenciarse perfeccionando una variedad de habilidades técnicas y sociales. Vivek Ravisankar, CEO y cofundador de HackerRank, un servicio de contratación de desarrolladores, recomendó que los analistas se centren en mejorar su comprensión de las estadísticas y la discusión de datos, particularmente usando herramientas como Python y R. También es importante dominar la visualización y los paneles en herramientas como Tableau, Looker y Excel para proporcionar información y comunicarse de manera efectiva con las principales partes interesadas.
También recomendó que conozcan las nuevas tecnologías y mercados que pueden afectar los tipos de datos que las empresas consideran valiosos. Por ejemplo, los datos de internet de las cosas (IoT) no eran tan valiosos hace unos años como lo son ahora.
Tanto los científicos de datos como los analistas de datos a menudo presentarán los hallazgos de datos a las partes interesadas internas. En consecuencia, ambos deben tener la capacidad de relacionar su trabajo con audiencias diversas, dijo el Dr. Angel Durr, CEO y fundador de DataReady, un programa de alfabetización de datos. "Las buenas habilidades de narración y organización son un aspecto esencial de ambas carreras", explicó.
Además, tanto los analistas de datos como los científicos de datos deben sentirse cómodos con un alto grado de ambigüedad. Necesitan aprender a administrar y mantener los procesos de datos de manera efectiva y documentar los procesos con el propósito de mejorar y desarrollar constantemente los procesos.
Los analistas recomendados por Durr cultivan cierto nivel de experiencia en CRM, ya que la mayoría de las organizaciones usan estos sistemas en combinación con otras fuentes para ver el panorama general. "Comprender los datos y comprender las necesidades específicas de su área de especialización de dominio lo hará invaluable para cualquier organización", dijo.
