¿El Big Data es solo para matemáticos?

En el perfil general del científico de datos hay muchos matemáticos, no cabe duda. Pero, si se toma en consideración el escaso paro o desempleo que acompaña a la ciencia de los datos, deberíamos reflexionar si otras carreras se convierten en el origen académico de estos profesionales tan demandados.

Miles de estudiantes se enfrentan cada año al dilema sobre cómo completar sus estudios para salir al mercado laboral. Por supuesto, muchos de ellos piensan en el Big Data, por el verdadero auge y grandes perspectivas futuras de este campo. Una de las cuestiones que parece haberse descubierto es que no sólo quienes estudian matemáticas tienen cierta conexión “natural” con los datos; también resultan idóneos los estudios relacionados con la economía, la estadística (algo esperable, por otra parte), la Sociología, la Psicología, etc.

En efecto, la herramienta computacional otorga un conocimiento práctico que resulta muy importante para el científico de datos; este saber puede adquirirse de formas distintas. En el mundo empresarial existen perfiles muy interesantes que estudian, por ejemplo, Ingeniería Informática y concluyen su formación con estudios de doctorado en áreas que están resultando revolucionarias, como Inteligencia Artificial. En preparaciones de este tipo la visión teórico-práctica permite desarrollar tanto herramientas como protocolos para resolver problemas complejos.

En otras palabras, algunos cuerpos de conocimiento centrales en Big Data y Data Science resultan comunes, en distintos grados, para todo el espectro de estudios científico-técnicos; lo que involucra a la Física, las matemáticas, la Estadística o la Informática, pero también podría implicar a ciencias sociales como la Sociología o la Lingüística. Hablamos, por ejemplo, de modelos predictivos, algoritmos, análisis de datos, correlaciones, etc.

Cualquier área científico-técnica resulta atractiva para la ciencia de los datos. Hay una tendencia muy de “moda” en el mundo académico actual que permite definir lo anterior: lo integral y multidisciplinar. Las compañías o administraciones con proyecto importantes en Big Data buscan articular equipos de trabajo multidisciplinares: desde aquellos que tienen las ideas claras sobre la naturaleza del problema y el tipo de conocimiento que necesita extraerse de los datos, hasta los científicos que crean los modelos algorítmicos y los profesionales que crean la programación, entre otros.

Sin lugar a dudas, entra en juego un nivel de flexibilidad y aprendizaje continuo que lleva la competitividad a otro nivel. Puede ser también habitual que profesionales de la educación, la investigación social, la Administración o la gestión de infraestructuras y el medio ambiente busquen programas de Especialización y Máster en Big Data y Data Science, con el fin de generar una aplicación específica para su sector.

Es decir, el crecimiento del Big Data y el Data Science no tiene que apoyarse exclusivamente en la Física, las matemáticas, la Estadística o algunas ingenierías. De hecho, puede resultar extraordinariamente útil en todos aquellos ámbitos productivos susceptibles de usar los datos que generan para mejorar sus procesos de toma de decisiones. La transformación digital hace que casi todo lo que compone nuestro modo de vida cumpla esa característica. La combinación de saberes científicos y técnicos es la clave.

Algunos expertos opinan que toda la demanda alrededor de carreras como Física y Matemáticas con el fin de conectar con la ciencia de los datos, por ejemplo, está relacionada con la ilusión del pleno empleo. Siempre que se presentan este tipo de necesidades productivas debe dedicarse especial atención a la calidad de las propuestas formativas. Un pequeño curso Online en Big Data no convierte a un estudiante en Experto, Especialista o Máster en la ciencia de los datos. El mercado, como sabemos, tiende a satisfacer la demanda por múltiples vías, pero incluso en sectores con una empleabilidad casi total existen las calidades.