En los últimos años, la demanda de perfiles en Datos y especialmente en expertos en Aprendizaje Automático se ha disparado. Sin embargo, a pesar de que esta demanda es significativa, la oferta no deja de crecer.
Aunque los talentos están distribuidos de manera desigual en las esferas profesionales (según el estudio de Burtch Works de 2018, el 44% de los Científicos de Datos están empleados en el sector tecnológico, más que en los sectores de la salud, consultoría, marketing, retail, educación y gobierno juntos), esta tendencia tiende a desaparecer poco a poco.
Las formaciones han sido difícilmente accesibles durante mucho tiempo
Si hoy es complicado encontrar a Científicos de Datos, es ante todo porque las formaciones en este ámbito han estado destinadas a un público específico durante años.
Las ciencias que son necesarias para comprender y aplicar la IA, y que requieren una formación sólida, han sido la causa de la limitación del número de talentos en el mercado. De hecho, cerca del 60% de los desarrolladores en Inteligencia Artificial tienen un Máster en matemáticas aplicadas, como el ofrecido por la prestigiosa École Polytechnique en colaboración con la ENSAE (Máster 2 Matemáticas y Aplicación: Trayectoria Data Science), o el ofrecido por la Universidad Paris-Dauphine en cohabitación con la ENS (Máster 2 Matemáticas y Aplicaciones: Trayectoria Matemáticas, Aprendizaje y Ciencias Humanas (MASH)).
Y a medida que el campo del Big Data se generaliza en empresas de todos los tamaños y sectores, más se disputan estas especialidades. Esto ha llevado al surgimiento de másteres especializados en las grandes escuelas de ingeniería y de negocios, y a la democratización de formaciones en big data en el entorno universitario. Por ejemplo, un nuevo máster fue creado en Dauphine en 2019 (IASD: Inteligencia Artificial y Ciencias de los Datos).
Otros obstáculos, como la complejidad de acceder a grandes bases de datos (o al menos las pertinentes) han perjudicado durante mucho tiempo el desarrollo y la democratización de la formación en Ciencia de Datos. Afortunadamente, se están tomando nuevas iniciativas para abrir y compartir los datos al mayor número de personas: como es el caso del sitio data.gouv.fr que publica regularmente datos relacionados con la vida cotidiana de los franceses (como el número de pasajeros en el transporte público o la contaminación del aire).
¿Por qué las ofertas se están democratizando?
Hoy en día, encontramos un mayor número de Científicos de Datos en el mercado. Esta tendencia se explica por tres factores.
En primer lugar, el «conocimiento puro» requerido para subir de nivel es más accesible y se puede poner en práctica más fácilmente gracias al desarrollo de lenguajes como Python. De hecho, Python hace que la programación sea más sencilla gracias a su librería, Scikit-Learn, que permite probar algoritmos con pocas líneas de código.
En segundo lugar, facilitar el acceso a los datos ha permitido a los usuarios practicar sus conocimientos más frecuentemente, a través de la realización de casos de uso. Permitir el acceso a grandes bases de datos a un número creciente de individuos es la base del espíritu de Open Data. También con este espíritu nacieron las formaciones en Ciencia de Datos y se han extendido tanto a empresas como a individuos.
Finalmente, es la proliferación de máquinas potentes y económicas lo que ha permitido que el número de perfiles en datos crezca de manera exponencial. De hecho, la falta de acceso a recursos computacionales había sido durante mucho tiempo un factor limitante en el desarrollo de las Ciencias de Datos.
Actualmente, gracias al desarrollo de los Clouds que aumentan las capacidades de almacenamiento, de la técnica y también los sistemas de alquiler de máquinas, la potencia de cómputo ya no es un problema como lo fue en el pasado. El precio de las máquinas de cálculo es extremadamente bajo cuando se conoce el impacto que pueden tener dentro de una empresa.
Así, la conjunción de estos elementos permite la normalización de la práctica del Aprendizaje Automático. Hace 30 años, aunque la teoría ya estaba allí, faltaban los mecanismos que permitieran poner en práctica la misma.
Esta democratización viene acompañada de una proliferación de ofertas de formación en Ciencias de Datos. Tanto individuos como profesionales quieren formarse y descubrir estos nuevos campos atractivos, en busca de nuevos desafíos, de una buena remuneración o simplemente de un trabajo en un sector agradable (el 75% de los profesionales de la IA están satisfechos con su puesto actual).
Reorientarse a cualquier edad hacia los empleos de este campo parece entonces para algunos una necesidad. Además, la falta de talentos asegura un salario elevado, alrededor de 50 000 € al año según estudios realizados por Glassdoor en julio de 2019. Los desarrolladores en IA están entre los desarrolladores mejor pagados del mercado y sus salarios solo siguen aumentando: más de la mitad han disfrutado de un aumento de salario del 20% o más en los últimos tres años, según los estudios comentados en mmcventures.com.
Una mirada hacia el futuro
Con el tiempo, herramientas de IA más accesibles y un número creciente de individuos calificados en Ciencia de Datos permitirán explotar al máximo el potencial de la IA. Los gobiernos, así como las empresas y universidades, deberían invertir masivamente en este sector para resolver sus problemáticas respectivas.
La multiplicación de ofertas de formación y los recursos puestos a disposición por los sectores públicos y privados podrían también contribuir a este aumento de la oferta.
El nivel de calificación en el campo de la IA debería disminuir, ya que este sector será accesible a desarrolladores cada vez menos especializados. Estos desarrolladores trabajan en problemáticas que evolucionan constantemente. Así, si bien la mayoría estaban empleados en el campo de las nuevas tecnologías, la democratización y el aumento de la mano de obra calificada en Ciencias de Datos permitirán la utilización de Data Analysts, Data Scientists y Data Engineers en sectores diversos y variados, como es el caso en la salud.
Esta democratización se manifiesta principalmente en el ámbito empresarial. Según una encuesta de Gartner, solo el 9% de las empresas no están interesadas en la IA. Para el 14% de los encuestados, la IA ya está presente en su empresa cuando el 23% declara que implementarán soluciones de IA en los próximos 12 meses y para el 52% de los encuestados, en un plazo de 1 a 3 años.
De hecho, podríamos asistir al siguiente fenómeno: en la actualidad, en las empresas, hay empleados con suficiente experiencia para convertirse en Científicos de Datos. En principio, tienen las competencias básicas que les permiten dar el salto. Estas competencias les permiten, entre otras cosas, comenzar a aprender un lenguaje de programación popular en Ciencia de Datos como Python, luego avanzar en el manejo de datos a través de NumPy y Pandas, y en Aprendizaje Automático a través de Scikit-Learn, TensorFlow y otras bibliotecas especializadas.
Así, se puede considerar que las empresas cuentan con sus futuros Científicos de Datos sin saberlo: no se dan cuenta del potencial de sus colaboradores que pueden ser fácilmente reentrenados.
Ese es precisamente el objetivo de DataScientest: hemos desarrollado una plataforma de formación en Ciencia de Datos para aumentar las competencias de los equipos de los mayores grupos franceses e internacionales.
Si desea obtener más información sobre nuestras formaciones en datos, ¡contáctenos!
