🥇Ingeniero de datos y Científico de datos: qué saben hacer y cuánto ganan

Junto a Elena Gerasimova, directora de la facultad «Data Science y analítica» en Netology, continuamos investigando cómo interactúan entre sí y cuáles son las diferencias entre el científico de datos y el ingeniero de datos.

En la primera parte hablamos de las principales diferencias entre el científico de datos y el ingeniero de datos.

En este material, discutiremos qué conocimientos y habilidades deben tener los especialistas, qué educación valoran los empleadores, cómo se llevan a cabo las entrevistas, así como cuánto ganan los ingenieros de datos y los científicos de datos.

Qué deben saber los científicos y los ingenieros

La educación específica para ambos especialistas es Ciencias de la Computación.

Cualquier especialista en datos, ya sea científico de datos o analista, debe ser capaz de demostrar la validez de sus conclusiones. Para ello, es imprescindible conocer estadística y matemáticas básicas relacionadas con la estadística.

El aprendizaje automático y las herramientas de análisis de datos son indispensables en el mundo actual. Si las herramientas habituales no están disponibles, es necesario tener habilidades para aprender rápidamente nuevas herramientas, crear scripts sencillos para automatizar tareas.

Es importante señalar que un especialista en datos debe comunicar de manera efectiva los resultados del análisis. Para ello, le ayudará la visualización de datos o los resultados de investigaciones realizadas y la verificación de hipótesis. Los especialistas deben ser capaces de crear diagramas y gráficos, utilizar herramientas de visualización y comprender y aclarar los datos de los paneles.

Para el ingeniero de datos, tres áreas son clave.

Algoritmos y estructuras de datos. Es importante practicar la escritura de código y el uso de estructuras y algoritmos básicos:

análisis de la complejidad de los algoritmos,
capacidad para escribir código claro y mantenible,
procesamiento por lotes,
procesamiento en tiempo real.

Bases de datos y almacenamiento de datos, Inteligencia Empresarial:

almacenamiento y procesamiento de datos,
diseño de sistemas integrales,
Ingesta de datos,
sistemas de archivos distribuidos.

Hadoop y Big Data. La cantidad de datos sigue aumentando, y en un horizonte de 3 a 5 años, estas tecnologías se volverán necesarias para cada ingeniero. Además:

Lagos de datos,
trabajo con proveedores de la nube.

Aprendizaje automático se utilizará en todas partes y es importante entender qué problemas comerciales ayudará a resolver. No es necesario saber diseñar modelos (eso lo harán los científicos de datos), pero hay que comprender su aplicación y los requisitos correspondientes.

Cuánto ganan los ingenieros y científicos de datos

Ingresos de ingenieros en procesamiento de datos

En la práctica internacional el salario inicial suele ser de $100,000 al año y aumenta significativamente con la experiencia, según datos de Glassdoor. Además, las empresas a menudo ofrecen opciones sobre acciones y bonos anuales del 5 al 15%.

En Rusia al inicio de la carrera, el salario no suele ser inferior a 50,000 rublos en las regiones y 80,000 en Moscú. En esta etapa no se requiere experiencia, aparte de la formación completada.

Después de 1 o 2 años de trabajo, el rango es de 90 a 100 mil rublos.

El rango aumenta a 120-160 mil después de 2 a 5 años. Se añaden factores como la especialización de empresas anteriores, el tamaño de los proyectos, la experiencia con big data y otros.

Después de 5 años de experiencia, es más fácil buscar vacantes en departamentos relacionados o postularse para posiciones especializadas, como:

Arquitecto o desarrollador principal en un banco o telecomunicaciones — alrededor de 250 mil.

Pre-Sales en el proveedor con el que trabajaste más estrechamente — 200 mil más un posible bono (1-1.5 millones de rublos).

Expertos en implementación de aplicaciones empresariales como SAP — hasta 350 mil.

Ingresos de científicos de datos

Investigación el estudio del mercado de analistas de la empresa 'Investigaciones Normales' y de la agencia de reclutamiento New.HR muestra que los especialistas en Data Science reciben, en promedio, un salario más alto que los analistas de otras especialidades.

En Rusia, el salario inicial de un científico de datos con hasta un año de experiencia es de al menos 113 mil rublos.

La experiencia laboral ahora también incluye la finalización de programas de formación.

Después de 1 o 2 años, tal especialista ya puede ganar hasta 160 mil.

Para un empleado con 4 a 5 años de experiencia, el rango aumenta hasta 310 mil.

Cómo son las entrevistas

En Occidente, los graduados de programas de formación profesional suelen pasar su primera entrevista en promedio 5 semanas después de finalizar sus estudios. Alrededor del 85% encuentra trabajo en 3 meses.

El proceso de entrevistas para vacantes de ingeniero de datos y científico de datos prácticamente no se diferencia. Por lo general, consta de cinco etapas.

CurrículumA los candidatos con experiencia previa no relacionada (por ejemplo, en marketing) se les requiere preparar una carta de presentación detallada para cada empresa o tener recomendaciones de un representante de dicha empresa.

Cribado técnicoGeneralmente se realiza por teléfono. Consiste en una o dos preguntas complejas y tantas preguntas sencillas sobre el stack actual del empleador.

Entrevista de recursos humanosPuede realizarse por teléfono. En esta etapa se evalúa la adecuación general del candidato y su capacidad de comunicación.

Entrevista técnicaPor lo general, se lleva a cabo de manera presencial. El nivel de los puestos en el organigrama varía entre las diferentes empresas, y las posiciones pueden tener diferentes nombres. Por lo tanto, en esta etapa se evalúan específicamente los conocimientos técnicos.

Entrevista con el director técnico / arquitecto principalEl ingeniero y el científico de datos son posiciones estratégicas, y para muchas empresas son además nuevas. Es importante que el colega potencial aguante las expectativas del gerente y coincida con él en su visión.

Lo que ayudará a los científicos de datos e ingenieros en su crecimiento profesional

Han surgido bastantes nuevas herramientas para trabajar con datos. Y son pocos los que dominan todas ellas de la misma manera.

Muchas empresas no están dispuestas a contratar empleados sin experiencia laboral. Sin embargo, los candidatos con una base mínima y conocimiento de las herramientas más populares pueden adquirir la experiencia necesaria si se capacitan y desarrollan de manera autónoma.

Cualidades útiles para un ingeniero de datos y un científico de datos

El deseo y la habilidad para aprenderNo es necesario apresurarse por conseguir experiencia o cambiar de trabajo por una nueva herramienta, pero es importante estar dispuesto a cambiar a un nuevo campo.

La ambición por automatizar procesos rutinariosEsto es importante no solo para la productividad, sino también para mantener la alta calidad de los datos y la rapidez de su entrega al consumidor.

Atención y comprensión de "qué hay debajo del capó" de los procesosEl especialista que tiene experiencia y un conocimiento profundo de los procesos resolverá más rápido el problema.

Además de un excelente conocimiento de algoritmos, estructuras de datos y pipelines, es necesario aprender a pensar en términos de productos — ver la arquitectura y la solución empresarial como un todo.

Por ejemplo, es útil tomar cualquier servicio conocido y crear una base de datos para él. Luego, pensar en cómo desarrollar ETL y DW que la llenen con datos, cuáles serán los consumidores y qué es importante que sepan sobre los datos, así como cómo interactúan los compradores con las aplicaciones: para buscar trabajo y citas, alquiler de coches, aplicación de podcasts, plataforma educativa.

Las posiciones de analista, científico de datos e ingeniero son muy cercanas, por lo que el cambio de un campo a otro puede hacerse más rápido que en otras áreas.

En cualquier caso, a quienes tienen un fondo de TI les resultará más fácil que a aquellos que no lo tienen. En promedio, las personas adultas y motivadas cambian de carrera y sienten la necesidad de aprender cada 1.5-2 años. Les resulta más fácil a quienes estudian en grupo y con un mentor, en comparación con aquellos que solo se basan en fuentes abiertas.