¿Qué diferencias hay entre los métodos que usan los gerentes y directores de compañías innovadoras para contratar profesionales en ciencia de datos, ingeniería de datos y analistas?
Los especialistas en ciencia de datos son vitales para la mejora y modernización de un equipo aunque siempre necesitan un complemento de perfiles de infraestructura e ingeniería que hace que el proceso no sea tan simple como lo imaginábamos.
Esto causa mucha incertidumbre a la hora de crear equipos eficientes relacionados con la gestión y el análisis de datos, ya que da la sensación de que hay que ser un gran especialista para entender qué posiciones se necesitan y por otro lado, probablemente tener un presupuesto acotado, con lo cual tampoco se puede salir a contratar decenas de perfiles sin una asignación completa para ellos.
Los especialistas en datos tienen la habilidad única de recopilar, organizar y analizar grandes conjuntos de datos para desentrañar patrones e identificar el conocimiento oculto en los datos. Esta capacidad resulta valiosa para empresas en todos los sectores, atendiendo multiplicidad de casos de uso.
Los gerentes y directores deben tener en cuenta algunas cosas importantes a la hora de contratar a profesionales en las disciplinas de Analytics, Data Science, Machine Learning, Software Development, DevOps, ML Ops e Inteligencia Artificial, entre otros. Estas incluyen el conocimiento necesario, el historial laboral, la cultura corporativa y las habilidades sociales del candidato, entre algunas otras que son clave aunque poco intuitivas.
Los gerentes y directores pueden buscar candidatos con diferentes niveles académicos para encontrar el indicado para su negocio. El titulo académico clásico sigue siendo la licenciatura en informática, matemáticas, estadística e ingeniería. Sin embargo, muchos profesionales autodidactas se han convertido exitosamente en expertos analistas y modeladores gracias a sus habilidades innatas y dedicación al trabajo. Si bien muchas veces es posible encontrar personas competentes sin estudios formales, dicho perfil puede no adaptarse perfectamente a las necesidades del equipo o suponer más riesgos por falta de experiencia formal.
Ahora bien, esta misma razón en algunos casos muy especiales hace que más bien sea una gran ventaja. Con esto me refiero a personas que tienen una capacidad de aprendizaje y adaptabilidad tan grande que aunque un tema en particular no lo dominen tienen toda la disposición de estudiarlo, investigarlo y resolver cualquier asignación con su talento y proactividad.
Particularmente en Analytics Town nos encantan estos perfiles y hemos encontrado la manera de evaluarlos de formas distintas para entender cuando una persona tiene un talento y potencial más allá de lo que se podría ver en un curriculum. Nos encantan los "bichos raros" que pueden combinar distintas disciplinas y vemos que esto ha tenido un impacto exponencial en nuestro crecimiento, porque tenemos talentos muy diversos que ADEMÁS son muy buenos analistas, científicos de datos o ingenieros.
Adicional al nivel académico, lo ideal es contar con candidatos que posean buen dominio tecnológico sobre herramientas como PowerBI, Tableau o Looker para el rol de analistas; lenguajes de programación como Python o R con fuerza en estadística y Machine Learning; bases de datos como SQL y NoSQL considerando también las versiones Cloud; y Softwares ETL que permitan una fluida integración entre diferente fuentes externas e internas.
Si bien las opciones acerca de qué herramientas deben aprender primero son ilimitadas (dependiendo también del sector), contar con un amplio conocimiento relacionado al manejo de datos será clave para el éxito del profesional que queramos que se una a nuestro equipo.
También es importante considerar el historial laboral previa del candidato situando atención particular a proyectos similares que haya llevado a cabo anteriormente o problemáticas similares que haya resuelto.
Por lo general uno de los puntos a los que más atención le ponemos es si existe similitud entre el tipo de problemas que la persona ha resuelto y el tipo de proyectos que podría encarar con nosotros. Esto nos da una idea del "fit" que podría existir entre la persona, los proyectos y nuestra organización.
Por esto mismo es necesario entender algunos de los roles principales de los equipos de datos para entender sus diferencias:
En Analytics Town, los "Analytics Translator" suelen ser los líderes de cada equipo o célula dedicada.
Como ya sabemos que no siempre tendrás la oportunidad de tener todo, podemos priorizar tener un equipo que al menos tenga la capacidad de combinar los siguientes skills (combinados entre el equipo):
A- El que analiza las necesidades del negocio y las interpreta para buscar una solución.
B- El que analiza los datos o entrena modelos estadísticos que te permitan encontrar los patrones ocultos en los datos (por ejemplo un científico de datos).
C- El que te ayude a extraer, manipular, conectar y limpiar los datos bajo una perspectiva de Data Engineer o DevOps si requiere configurar la infraestructura.
En definitiva, hay varias cosas que los gerentes deben considerar cuando eligen un profesional.
Desde su nivel de conocimiento, su actitud ante lo que no conoce y el fit cultural con la organización antes de realizar el hiring oficial definitivo.
Esperamos que este articulo te ayude a entender parte de cómo tomar una elección correcta.