Big Data Analytics: científico de datos
El papel de un científico de datos normalmente se asocia con tareas como el modelado predictivo, el desarrollo de algoritmos de segmentación, sistemas de recomendación, marcos de pruebas A / B y, a menudo, el trabajo con datos no estructurados sin procesar.
La naturaleza de su trabajo exige un conocimiento profundo de las matemáticas, la estadística aplicada y la programación. Hay algunas habilidades comunes entre un analista de datos y un científico de datos, por ejemplo, la capacidad de consultar bases de datos. Ambos analizan datos, pero la decisión de un científico de datos puede tener un mayor impacto en una organización.
Aquí hay un conjunto de habilidades que un científico de datos normalmente necesita tener:
- Programación en un paquete estadístico como: R, Python, SAS, SPSS o Julia
- Capaz de limpiar, extraer y explorar datos de diferentes fuentes
- Investigación, diseño e implementación de modelos estadísticos
- Profundo conocimiento estadístico, matemático e informático.
En el análisis de big data, las personas normalmente confunden el papel de un científico de datos con el de un arquitecto de datos. En realidad, la diferencia es bastante simple. Un arquitecto de datos define las herramientas y la arquitectura en la que se almacenarían los datos, mientras que un científico de datos utiliza esta arquitectura. Por supuesto, un científico de datos debería poder configurar nuevas herramientas si es necesario para proyectos ad-hoc, pero la definición y el diseño de la infraestructura no deberían ser parte de su tarea.