Por lo general, tengo dos emociones en competencia cuando escucho las palabras ‘Big Data’.
1. – El cínico informático en mí que odia las palabras de moda y se molesta porque una vez más estamos usando una frase tonta para hablar de algo que no es nuevo. Como si de repente la primera vez que necesitáramos resolver un problema de datos duros ocurriera porque un ejecutivo leyó un artículo en la revista CIO.
2. – El geek de datos en mí se emociona por la energía que rodea a ‘Big Data’.
- ¿Cuánto conocimiento de programación se requiere para un analista de datos o un científico de datos?
- ¿Qué oportunidades / desventajas debo saber cuando considero una oferta de trabajo de científico de datos en la detección de fraudes con tarjetas de crédito?
- ¿Necesito una maestría / doctorado para convertirme en científico de datos?
- ¿Cuál es el camino correcto para convertirse en un científico de datos?
- ¿Es el científico de datos de McKinsey un rol de consultoría?
Cuando Alan Turing resolvió mecánicamente el primer problema de Big Data creado por la Máquina Enigma en la Segunda Guerra Mundial, tuvimos dificultades para que las personas de ingeniería y matemáticas se reconocieran entre sí. Se necesitó mucha energía y suerte para liberar fondos para construir cualquier cosa. A diferencia de hoy, tenemos personas de DevOps, Data Scientists y Computer Science que hablan regularmente si no trabajan en el mismo grupo. Tenemos compañías masivas como IBM que ponen una gran cantidad de recursos en herramientas de código abierto como Spark. Hay mucha innovación, colaboración y financiación interesantes. Parece que las personas quieren descubrir nuevas formas de resolver problemas de una manera fresca y muy colaborativa. Durante las últimas décadas, las 3 grandes compañías de bases de datos han tenido un control absoluto sobre las nuevas plataformas de datos y la innovación. Eso ya no está y están jugando para ponerse al día. Parece que todo es posible.