Así es, este post es para ti que vas terminando de estudiar ya sea una carrera relacionada a la ciencia de datos, o que terminaste un bootcamp o que has ido aprendiendo cosas por tu cuenta. Acá te voy a decir algunos de los consejos que he aprendido a lo largo de mi carrera, tanto como practicante de ciencia de datos así como alguien que ha hecho entrevistas a científicos de datos.

Pero si no es tu primer trabajo el que buscas, quédate también, en una de esas digo algo que puede ayudarte.

Habiendo dicho esto, algunas de las cosas de las que te voy a hablar aquí son evidentes desde que lees el anuncio del trabajo, algunas otras las vas a tener que preguntar durante las entrevistas iniciales y te voy a decir con qué preguntas puedes descubrir si la empresa es para ti o no.

Consigue una empresa con un equipo de ciencia de datos ya formado

Para tu primer trabajo definitivamente te recomiendo que busques una empresa con un equipo de ciencia de datos ya formado, lo que menos quieres es no saber si lo que estás intentando es algo correcto sin tener alguien que hable tu mismo idioma con quien platicar tus ideas y recibir retroalimentación sobre ellas.

Esta es una situación que llevada a los extremos puede resultar en una gran fuente de frustración para tu primer empleo dentro de este mundo de la ciencia de datos. Puedes tratar de mitigar esto buscando ayuda de alguien ajeno a la compañía, pero es muy probable que no puedas compartir muchos detalles por razones legales o de derechos reservados; lo ideal es que estés rodeado de más data scientists.

Evidentemente, lo ideal es que tuvieras un mentor dentro de la compañía, alguien que sepa, aunque sea, un poquito más que tu y que te vaya guiando al inicio.

Sé que suena muy tentador ser el primer o la primera científica de datos de la compañía, pero por tu salud mental y tu seguridad laboral no es algo que yo te recomendaría. Ya habrá oportunidad de ser la primera científica de datos de otra empresa una vez que ya tengas más experiencia.

Hay algún caso en el que su puedes ser el primero, lo discuto un poco más adelante.

Simples preguntas como: ¿A quién le voy a reportar? ¿cómo es que el equipo se divide el trabajo? ¿qué tan grande es el equipo al que me voy a integrar? pueden ayudarte a desenmascarar la realidad del lugar al que estás por integrarte.

Consigue una empresa con un equipo de ingeniería de datos ya formado

Similar al punto anterior, procura encontrar una empresa que ya tenga más o menos resuelta la tarea de la recolección de datos, o que al menos tenga un equipo de ingeniería de datos que lo haga, usualmente esta es una de las tareas más tediosas para un data scientist y a veces también es fuente de mucha frustración cuando llegas a una compañía solamente para darte cuenta de que no hay datos accesibles con los que trabajar y te va a tocar a ti conseguirlos.

Obviamente, esto no significa que no vayas a tener que hacer algún trabajo de extracción, limpieza o inclusive recolección tu mismo, lo que significa contar con un equipo es que no estarás sola en esa tarea.

Podrías preguntar cosas sobre la infraestructura que existe para gestionar los datos: preguntas del estilo de ¿existe un data lake en donde esté toda la información? ¿usan Snowflake o algo similar? ¿quiénes son los encargados de poblar el data warehouse? – dependiendo de las respuestas puedes darte también una idea de la situación.

Una empresa en la que se fomente el aprendizaje

Una de las claves en esta rama es que a cada rato hay cosas nuevas, papers nuevos, datasets, repositorios de github para entrenar tu propio modelo de voz, que Facebook ya sacó un nuevo framework para realizar predicciones en series de tiempo, o que huggingface ya tiene modelos en ese lenguaje arcano que has querido aprender desde tu niñez… la cosa es que mantenerse al tanto es complicado.

Mi consejo es que encuentres una empresa en la que se te motive e incentive a mantenerte al tanto: idealmente la empresa tiene tiempo dedicado para que estudies algo fuera de las presiones del trabajo diario, es mejor si tienen acceso a plataformas del estilo de Coursera, Udemy, o similares. Y si de paso existe una reunión interna en donde puedas compartir lo aprendido pues qué mejor.

Si existen beneficios educativos extras, seguramente la empresa los presume con todo en la presentación del trabajo, de otro modo no sientas pena por preguntar directamente si existe un presupuesto para entrenamiento, libros, cursos o conferencias. Pregunta también cómo es que se da el intercambio de conocimiento entre tus futuras compañeras, o cómo es que se da el intercambio de conocimiento entre equipos inclusive.

No te vayas por el nombre de la posición

Otra de esas cosas tentadoras es buscar tener inmediatamente el título de data scientist en tu currículo o linkedin, pero creo que esto es medio improductivo y puede inclusive limitar tus opciones laborales. Mi recomendación es que no te fijes tanto en el título que vas a tener sino en las responsabilidades.

Te explico por qué:

• A veces las empresas por subirse al tren del hype, pueden poner los títulos arbitrariamente, por por ejemplo, imagina una posición anunciada bajo el título de analista de de datos pero dentro de las responsabilidades se encuentra el poder crear modelos productivos y conocer de ingeniería de características, responsabilidades más comúnmente asociadas a un data scientist. O lo contrario también es posible, imagina que puedes encontrar un trabajo de data scientist pero leyendo las responsabilidades pareciera que lo que la empresa busca es un ingeniero que mueva datos de un lado para otro.
• La fragmentación y especialización de posiciones en el área ha comenzado y hay puestos específicos que ya no son “data scientist” sino que los puedes encontrar bajo nombres como “machine learning engineer”, “decisión scientist” y cosas similares.

Échale un ojo detalladamente a las publicaciones de trabajos y no solamente apliques porque el título te gusta, más bien, aplica porque el trabajo suena atractivo.

Procura ser directo y que quede en claro tus responsabilidades en el trabajo. Ese es mi único consejo para esta sección.

Busca posiciones de “entry level”

Esto podría sonar muy obvio, pero es importante que trates de filtrar la cantidad de posiciones posibles, algunas de las palabras claves en inglés son: “new grad”, “junior”, “entry-level” y “associate”, en español puedes buscar cosas como “recién graduado”, “trainee”… entiendo lo que esto significa y podría tener un impacto tanto en tu economía como en la posición que ya tenías anteriormente si es que ya te encuentras trabajando.

Se que puede resultar un poco complicado si vas a cambiar de una posición Senior Software Engineer a Junior Data Scientist. En este caso podrías buscar posiciones un poco más arriba de Junior, tomando en cuenta que ya tienes conocimiento de alguna de las partes requeridas para ser científico de datos. Lo mismo si antes tenías una posición alta en otra area dentro de tu organización, la clave estaría en buscar trabajos en empresas relacionadas a lo que hacías antes.

Busca una posición afín a lo que hacías antes, pero orientada a datos

Otra de las cosas que puedes hacer si es que ya tienes experiencia en otras áreas, es simplemente seguir trabajando en el mismo campo pero buscar que tu nueva posición te acerque a la ciencia de datos, sin que necesariamente te ponga en esa posición inmediatamente.

A lo que voy es que por ejemplo, si tienes experiencia como encargada de DevOps en tu compañía actual, tal vez no debas comenzar como data scientist desde 0, puedes buscar un trabajo como el de MLOps que tiene que ver con machine learning y DevOps. Igual, si ya tienes conocimiento de ingeniería de software, a lo mejor una posición de ingeniería de datos en el equipo de machine learning no te vendría mal. Ahora, si vienes de otro campo, tal vez algo administrativo, también hay opciones, como comenzar como analista, product manager o product owner de algún producto de datos.

La cosa es que pongas el pie en la puerta, y de ahí moverte tanto horizontal como verticalmente hacia la posición que quieras, eso sí, no pierdas de vista el objetivo, aunque claro, siempre puedes cambiar tus planes.

Aquí debes asegurarte de qué tan fácil es moverte lateralmente en la empresa, preguntas como ¿cada cuando se realiza la evaluación del desempeño? ¿es fácil para un miembro cambiar de un equipo a otro? ¿cuál es el procedimiento? – además de que puedes preguntar también sobre qué tipo de tareas están desempeñando ahora las personas que estuvieron en la posición a la cual vas a llegar tu.

Trabaja en donde trabajas actualmente

Hablando de moverse lateralmente dentro de una compañía, les voy a hablar del caso en el que tal vez si merezca la pena ser el primer data scientist. Piensa en el caso de que la empresa en la que estás trabajando se planea comenzar un equipo que se dedique a explotar la información de la empresa para mejorar sus productos; tu ya tienes una gran ventaja: conoces el giro de la empresa, qué datos manejan, los problemas que sufren. En este caso, adelante, comienza a marcar camino.

Lo que si te recomiendo también es que te asegures que la apuesta por la ciencia de datos va en serio, y que no termines siendo tu la única persona encargada de gestionar tu departamento de una sola persona, no. Asegúrate de que pronto habrá más gente con la que puedas compartir ideas y crecer juntos, si no volvemos a la frustración de no tener un equipo de la que les hablé anteriormente.

Dudas tuiteras

Como parte mis videos he estado solicitando dudas a través de Twitter, así que me mandaron algunas relacionadas con este tema. Hablemos sobre ellas:

¿Cómo lograr diferenciar entre una buena o mala oferta de trabajo inicial?

Ronny Mora preguntó ¿Cómo lograr diferenciar entre una buena o mala oferta de trabajo inicial? – para un científico de datos es importante conocer el contexto de la compañía en la que se va a trabajar, una buena oferta de trabajo debería tener una breve descripción de lo que la empresa hace y qué clase de problemas se están atacando.

Igualmente, para el punto que ya estás aplicando para alguna posición es posible que te des cuenta de que hay una completa desconexión entre lo que se espera que hagas y los requisitos de la posición. Por ejemplo si la descripción del trabajo habla de que en tu trabajo estarás cerca del cliente, que te pidan ser un experto en deep learning y conocer de estadística para A/B testing no es buena señal.

Que todos sus requisitos sean absolutamente necesarios… como principiante no se espera que seas tan especializado, sin embargo que de entrada te pidan saber todo sobre todo no es buena señal, una buena oferta de trabajo pide algunas cosas absolutamente necesarias y otras no tanto, a veces señaladas como “nice to have”.

De salarios… estos varían drásticamente de ciudad a ciudad y a veces entre sectores. Solo quiero que sepas que no porque seas principiante debes aceptar un salario bajo. Investiga cuál es el promedio en tu ciudad, ramo e inclusive empresa y negocia a partir de ahí.

¿Qué tanto influye el primer trabajo respecto a lo que quieres hacer en un futuro?

Jerry pregunta ¿Qué tanto influye el primer trabajo respecto a lo que quieres hacer en un futuro? la verdad es que no mucho, nuestras carreras raramente son lineales, no siempre estamos en una sola línea hacia arriba. A veces la vida nos lleva por diferentes caminos, lo que diría es que trates de ser consciente con lo que quieres a futuro y vayas dando pasos, aunque sea pequeños, hacia allá.

Consejos para las pruebas técnicas

Christian Javier pregunta que si tengo algún consejo para las pruebas técnicas… lo único que te puedo decir es que trates de imaginarte que ya trabajas en esa empresa – no vas a estar nervioso todo el tiempo en tu trabajo, trata de visualizarte en esa posición. Piénsalo, le vas a estar presentando a tus futuros compañeros y compañeras. Algo que siempre le digo a las personas que entrevisto al momento de hacer algo como pair programming es que no estoy ahí para revisar su código, sino que ellos están ahí para ayudarme a resolver el problema, lo tienes que ver desde esa posición.

¿Cómo saber cuando estoy listo para mi primer trabajo?

Ronny Mora pregunta nuevamente, ¿cómo saber cuando estoy listo para mi primer trabajo? – a parte de que puede que tengas la necesidad de trabajar, diría que el momento ideal para buscar un trabajo es al terminar de estudiar algún curso o bootcamp – particularmente si has estado creando un portafolio o proyectos sobre los que puedas hablar.

De las entrevistas les prometo que les haré un video separado, y seguramente avisaré y solicitaré preguntas por Twitter, así que síganme por allá.

Conclusión

Evidentemente los consejos de los que te hablé aquí son muy generales y los tendrás que adaptar a tu situación y aspiraciones profesionales, pero aún así espero que te sirvan. Cualquier duda o comentario, contáctame por Twitter en @feregri_no.