CEINE en Facebook CEINE en Twitter CEINE en LinkedIn RSS Feed CEINE
imagen1imagen2imagen3imagen4imagen5imagen6imagen7imagen8imagen9imagen10imagen11imagen12

¿Qué habilidades debe tener un “Data scientist”?

0 votos

Cada vez se habla más de los “data scientists” o “científicos de la información”, capaces de trasformar datos de diferentes fuentes en información de valor para las empresas. Sin duda es un trabajo que requiere profesionales altamente calificados. Muchas veces deben asumir gran parte de la carga del desarrollo de aplicaciones que se encuentran en el corazón de actividades críticas del negocio, como por ejemplo, aplicaciones que trabajen y migren la data para ser utilizados sobre el muy de moda Big Data, proyectos de Data Warehouse, efectuar minería de datos, entre otras labores. Así que claramente las apuestas son altas y se deben considerar criterios como conocimientos, áreas de especialización, entrenamiento, experiencia en proyectos reales, recomendaciones, y aptitudes a la hora de contratar a un científico de la información.

Si buscas contratar un data scientist, ¿Es requisito ser uno de ellos para poder entrevistar y evaluar apropiadamente? La respuesta indudablemente debería ser “Si” o, al menos, se debe contar con alguien altamente confiable que lo sea y permita evaluar a los candidatos. ¿Cómo estructurar las entrevistas?, ¿Cuántas personas se requieren para evaluar completamente a los candidatos? ¿Qué  habilidades específicas buscar?, o ¿Qué preguntar? son interrogantes que debiesen ser abordadas previamente antes de realizar la búsqueda y que, sin embargo, aun no hay consenso.

Se dejará abierto el debate para que puedan aportar con su experiencia y sugerir un set de preguntas, ejercicios y desafíos que permitan guiar el proceso a la hora de entrevistar a un candidato para trabajar en el área de Business Intelligence. 

 

preguntada hace May 28, 2013 por rimunozc (160 puntos)
edited May 28, 2013 por rimunozc

2 respuestas

0 votos
Felix Said • Creo que lo mejor es separar el conocimiento operativo (DW, deployment de solución, BI) de los consultivo (Estadística, Econometría, Redes Neuronales,etc). Creo que el data scientist se debe centrar en conocer a fondo lo segundo pues lo primero es un commodity y se puede tercerizar. (en este aspecto debiese conocer qué se pueden o no hacer) 
Tal vez es más fácil pedirle que resuelva un problema real desde cero. Creo que lo fundamental es dilucidar si entiende lo que está haciendo más allá de aplicar un set de técnicas metiendo "datos a la juguera" para obtener resultados. En ese contexto resulta relevante saber ¿cómo pre procesa datos?¿Qué técnicas escoge y por qué?¿Que tipo de información relevante complemente los insights derivados de sus modelos?
 
 
 
Respuesta de Felix Said en el grupo Linkedin CEINE
respondida Jun 28, 2013 por anonimo
reshown Jun 29, 2013 por admin
0 votos
respondida Ene 8, 2017 por anonimo
...