3 habilidades blandas para ser un gran data scientist

3 habilidades blandas para ser un gran data scientist
3 habilidades blandas para ser un gran data scientist

Débora Slotnisky

31 de agosto de 2021 - 2 min de lectura

La ciencia de datos requiere conocimientos técnicos pero también destrezas sociales.


Para ser un data scientist sobresaliente hay que tener dominio sobre ciertas cuestiones técnicas tales como saber aplicar modelos de aprendizaje automático (Machine Learning) para el análisis profundo de datos. 

De la misma manera, hay que saber entrenar, validar y poner en marcha estos modelos para descubrir nuevos insights y resolver una gran variedad de problemas de negocio complejos. Aprender todo esto en cuestión de meses es posible con el curso a distancia de Data Science de Digital House.

Pero también es indispensable desarrollar otras habilidades vinculadas a lo social porque, si bien como científico de datos un profesional desarrolla modelos con alta precisión, también debe trabajar en equipo con colegas. Veamos entonces tres destrezas clave:

1. Habilidades de comunicación

La comunicación es la habilidad más importante que se pierde en la mayoría de los campos técnicos, no solo en la ciencia de datos.  Para un data scientist esta destreza es crucial porque debe tener la capacidad de comentar sus hallazgos a una audiencia no técnica como, por ejemplo, los ejecutivos de negocio. 

La capacidad de comunicarse de manera eficaz va más allá de la simple explicación de ideas complejas. Para ser un comunicador eficaz, hay que ser capaz de expresar pensamientos de ideas complejas utilizando un lenguaje accesible.

Además, una parte esencial de la comunicación eficaz es utilizar la ayuda visual correcta que no contradiga su lenguaje, sino que lo apoye y ayude a transmitir claramente las ideas. En tal sentido, un curso de Data Science debería haber algunas lecciones enfocadas en la visualización, como el de Digital House. 

2. Agudeza empresarial

El primer paso de cualquier proyecto de Data Science consta de trabajar los datos: se los recopila, limpia y  analiza. Para hacer eso, hay que conocer sobre el negocio.

Es decir, comprender los conceptos básicos del modelo comercial en el que está trabajando. En definitiva, es fundamental que el científico de datos se involucre con el negocio para el cual se desempeña.  

3. Capacidad de mantener el código

Un data scientist trabaja con código. En tal sentido, Python es el lenguaje más popular en esta disciplina. 

Escribir un código de fácil mantenimiento es una habilidad muy demandada ya que requiere mucho tiempo y práctica para dominarla. Un código bien mantenido facilita el trabajo a los colegas.