¿Qué piensan los reclutadores de ciencia de datos de los más nuevos que han aprendido ciencia de datos en línea y en libros y qué esperan de ellos?

La falta de una educación formal crea una duda. Su trabajo es abordar esa duda y demostrar que puede hacer el trabajo. Muestre proyectos, demuestre experiencia en un área específica: de una forma u otra debe tener algo que lo haga único. Necesitas hacer la conversación sobre eso. Gestionar la percepción. Revise su perfil de LinkedIn y reanude para llevar su mensaje a casa.

No te dejes definir por la falta de un Maestro, defínate de la forma que quieras. Único, siempre.

Dicho esto, las empresas tienen un problema mayor que tú. Aquí hay algunos datos de IBM, la oficina de estadísticas laborales y otros (Informe de IBM: The Quant Crunch):

Necesitamos 2.3 millones de trabajos de ciencia de datos cada año (2.8 millones en 2020), de los cuales al menos 70,000 son trabajos de aprendizaje automático. Gartner citó la necesidad de 41,000 empleos de aprendizaje profundo en los Estados Unidos.

Estos trabajos no serán ocupados solo por personas con una maestría en CS o física.

Las matemáticas no salen.

Un dato curioso: entre 2000 y 2500 puestos de trabajo publicados en Machine Learning para personas mayores requieren un doctorado. A veces en el título de la publicación en sí, como en: “Ni siquiera pienses en hacer clic aquí si no tienes un doctorado”.

Estados Unidos produce 1700 doctorados CS cada año, el 55% de los cuales ya tienen un trabajo. Incluso si agregamos otro doctorado STEM a la mezcla, la mitad de estos trabajos publicados no pueden encontrar un candidato que cumpla con los requisitos.

Hora de cambiar los requisitos.

¿Qué esperan o qué quieren? 🙂

La ciencia de datos tiene dos lados, el rigor académico y la aplicación práctica. Esperaría que un nuevo graduado esté actualizado en técnicas modernas, inteligentes y trabajadoras. Los lugares donde esperaría que luchen son:

• Conocimiento del negocio. Cosas como qué porcentaje de los ingresos de un supermercado debe ser el costo de venta frente a un banco. Sin esto, obtienes muchas recomendaciones sin sentido.
• Habilidades de presentación. Cómo dar vida a los datos en una historia. Las partes interesadas no han pasado horas rebotando en los datos para que tengan sentido.
• Código de robustez. Podría confiar en su resultado, pero no confiaría en su capacidad para volver a ejecutarlo con solo presionar un botón. Aprende de la manera difícil que el proceso es iterativo con muchos: “¿podría ejecutarlo de nuevo pero esta vez con …”, o recibir quejas de que los números difieren entre este análisis y el trabajo anterior.
• Sentido común: creo que los nuevos graduados tienen demasiada confianza en que si siguieron un proceso sensible, obtendrán un resultado razonable. Por ejemplo, le pedí a uno que estimara la demografía de las nuevas madres haciendo coincidir su dirección con el censo. Su informe incluía una tabla que decía que el 50% de las madres eran hombres. Cuando se les preguntó, estaban un poco a la defensiva diciendo: bueno, por supuesto, las madres son mujeres, pero esa es la información que contiene el censo
• Apreciación de costos: si mi análisis va a agregar un 1% a su línea superior y obtiene un 5% de GP, entonces necesito generar al menos $ 2,000 de ingresos adicionales por cada dólar que cobro. Digamos que quiero un salario de $ 150k y pasar una semana en su análisis. Eso significa que necesito cobrar al menos $ 300k / 48 (gastos generales de ventas + vacaciones) = $ 6k, lo que significa que el análisis debe generarle un ingreso adicional de $ 1.2M. Muchos graduados nuevos hablan sobre el salario que necesitan para ganar y piensan muy poco en cómo van a generar $ 60 millones de ingresos incrementales por año. La ciencia de datos es opcional: si no puede hacer el caso comercial para su trabajo, entonces el negocio está mejor sin usted.

El autoaprendizaje en cualquier forma es bueno, ya sea a través de libros o medios electrónicos. Incluso en las universidades, se alienta el autoaprendizaje. Pero entonces, ¿cuál es el propósito de una universidad o educación formal? [1]

Una mención de la educación formal en su currículum le da al reclutador la confianza de que puede poseer esas habilidades que está reclamando. Sin embargo, aún puede ser considerado para un puesto, si puede demostrar habilidades excepcionales. A medida que la educación penetra más profundamente en la sociedad, y aumenta el número de personas que van a colegios y universidades, se hace muy difícil conseguir un trabajo serio con un conocimiento superficial del tema adquirido por medios personales.

Notas al pie

[1] ¿Cuál es el propósito de la educación formal?

Los expertos en ciencia de datos buscan candidatos con:

• Experiencia práctica con análisis, preferiblemente de la industria.
• Sólidos conocimientos teóricos.

Muchos candidatos tienen uno u otro. Los reclutadores están buscando los raros “unicornios” que pueden marcar a ambos.

El candidato principal tiene al menos una maestría en un tema cuantitativo y algunos años de experiencia relevante en la industria. Otros antecedentes también podrían ser interesantes, pero luego el candidato tiene que demostrar un conjunto de habilidades prácticas y teóricas a la par con aquellos que tienen experiencia.

Los trabajos de científico de datos junior no tendrán requisitos estrictos, pero esos no son tan comunes.