Aprender a ser un científico de datos profesional es diferente ahora, pero no imposible.
Stephanie Kirmer. MEDIUM. Octubre 2023
La columna de hoy trata en parte sobre ciencia de datos, pero también sobre sociología del trabajo. Como profesional senior en el campo, comencé mi carrera en ciencia de datos mucho antes de que se desarrollara Covid-19 y el cambio radical en la forma en que trabajamos hoy. Comencé mi carrera profesional años antes incluso de eso. Como resultado, mis años de aprendizaje sobre cómo ser un profesional, y mucho menos un científico de datos profesional, los pasé en estrecha colaboración con personas mucho más experimentadas, y en muchos sentidos eso me hizo posible llegar a donde estoy. Mi desarrollo como científico de datos no se trató solo de cursos y estudios, sino de aprender cómo ser un científico de datos en todo tipo de formas, muchas de las cuales fueron absorbidas sutilmente al estar cerca de otros científicos de datos y hacer el trabajo.
Es importante reconocer que el trabajo no se trata sólo de lo que damos a nuestros empleadores, incluso bajo el capitalismo. También se trata de lo que recibimos a cambio, y no sólo en términos monetarios. Los lugares de trabajo y los empleos tienen muchos impactos sociales y culturales en nosotros, más allá del simple cobro de un sueldo. En particular, desarrollamos nuestras identidades sociales a través de profesiones y aprendemos a encarnar esas identidades viendo cómo otras personas las representan.
Desarrollamos nuestras identidades sociales a través de profesiones y aprendemos a encarnar esas identidades viendo cómo otras personas las representan.
Lo que quiero señalar es que convertir a jóvenes inteligentes pero inexpertos en científicos de datos profesionales no se trata tanto de habilidades matemáticas, sino más bien de normas sociales, desarrollo de redes y aclimatación al contexto de nuestro trabajo. Muchos de estos elementos son difíciles de adquirir en el mejor de los casos, y ahora nos encontramos en una situación en la que el trabajo remoto e híbrido nos exigirá encontrar nuevas formas de que funcione esta transmisión de información y cultura.
(Mucho de lo que voy a hablar puede ser relevante para muchos tipos de trabajo, pero estoy específicamente interesado en las experiencias de los jóvenes científicos de datos aquí).
Profundicemos en algunas de estas cosas que adquirimos en el trabajo y que nos permiten participar plenamente en nuestra profesión.
Normas
Desarrollamos normas culturales y sociales a partir del trabajo, observando el comportamiento de los demás, en particular de aquellos que están por encima de nosotros en la jerarquía. La jerga empresarial, las normas de vestimenta y las sutilezas sociales, por ejemplo, pueden desarrollarse a través del aprendizaje principalmente indirecto en el lugar de trabajo. En algunos lugares de trabajo, especialmente en los administrativos, estas normas representan herramientas para construir capital social e incluso movilidad de clases. En la ciencia de datos, existen algunas normas que se pueden generalizar en todo el campo o dentro de las diferentes industrias donde practican los científicos de datos. Por ejemplo, en la ciencia de los datos tecnológicos, la vestimenta informal es sin duda la norma. También existen estándares tácitos sobre cómo interactúa con su jefe y otras personas en el liderazgo, incluida la forma en que se comunica sobre temas técnicos. También existen toneladas de normas sobre cómo ser un profesional en general: cómo manejar los viajes de negocios, interactuar con los clientes, etc. Todas estas habilidades son esenciales para el éxito profesional tarde o temprano, pero en mi experiencia son cosas que se aprenden principalmente por observación y ósmosis.
Habilidades
También adquirimos habilidades tangibles en el lugar de trabajo, ya que casi todo el mundo tiene que aprender algo para tener éxito en un nuevo trabajo. En mi caso, al ingresar a la ciencia de datos después de algunos años en el mundo académico, tenía mucho que aprender sobre cómo tomar lo que sabía sobre ciencia de datos y aprendizaje automático y aplicarlo a problemas comerciales, en lugar de académicos. Aprendí nuevos algoritmos, mejores prácticas de codificación y muchas otras habilidades de colegas en trabajos de ciencia de datos que desempeñé, particularmente el primero. De ninguna manera todo esto fue capacitación formal; una cantidad significativa de ella fue aprendizaje pasivo al observar y absorber cómo otras personas, más experimentadas y exitosas, hacían las cosas. De manera relacionada, aprendemos sobre nuestras “incógnitas desconocidas”. Todos tenemos puntos ciegos, especialmente cuando estamos empezando, y no nos damos cuenta de que nos falta una pieza del rompecabezas o un enfoque que podría ser útil, hasta que se nos señala esa ausencia. Observar a colegas que utilizan una habilidad que usted no sabía que existía puede abrirle la puerta a desarrollar esa habilidad usted mismo.
Redes
Más allá de esto, hay un elemento más abstracto pero aún importante de camaradería y creación de redes que brindan los lugares de trabajo. Idealmente, cuando te unes a un equipo o una empresa, desarrollas relaciones con las otras personas involucradas, y esas conexiones son el pegamento de una red profesional que puede ayudar a que tu carrera se desarrolle en el futuro. Si no establece esos vínculos, estará en desventaja no sólo en su trabajo actual, sino también en el futuro. Por mi parte, soy increíblemente afortunado de contar con una sólida red profesional desarrollada a través de la colegiación que ha sido fundamental para el éxito de mi carrera. Los científicos de datos son excelentes personas y nos ayudamos mutuamente a encontrar oportunidades y establecer conexiones, pero se necesita una forma de ingresar a esas redes al unirse a la profesión. A menudo, esto se hace más fácil si se cuenta con colegas más experimentados que lo presentarán y responderán informalmente por usted.
El proceso de creación exitosa de un nuevo científico de datos implica adquirir todos estos componentes de alguna manera (y probablemente otros, dependiendo de la situación). Pero, como mencioné, el contexto físico del trabajo ha cambiado mucho (y para mejor, creo) desde que comencé mi carrera. ¿Cómo incorporamos nuevos profesionales al campo en este nuevo mundo?
Donde trabajamos
A mi modo de ver, en realidad existen cuatro formas de trabajar para las personas de cuello blanco como los que nos dedicamos hoy en día a la ciencia de datos/aprendizaje automático.
- 100% presencial en la oficina, sin nadie trabajando remotamente
- Híbrido: Trabajo parcial o mayoritariamente remoto con tiempo presencial intencional y decidido
- Híbrido: Trabajo parcial o mayoritariamente remoto con tiempo presencial descuidado y desordenado
- Trabajo totalmente remoto sin facetime
Como han argumentado muchos expertos, algo en el espacio híbrido es probablemente lo que la mayoría de nosotros, los científicos de datos, tendremos en los próximos meses y años, si es que no lo hemos hecho ya. El trabajo totalmente presencial no volverá para la mayoría de nosotros, porque hemos cogido el gusto por la autonomía y la flexibilidad del trabajo remoto y nos hemos dado cuenta de la gran mejora que supone para nuestra calidad de vida. Los científicos de datos tienen un conjunto de habilidades con una demanda suficientemente alta como para que podamos obtener esta flexibilidad en los roles si así lo queremos.
Es importante dedicar tiempo a desambiguar lo que significa «híbrido». Viajar a un parque de oficinas o al centro de la ciudad tres días a la semana no es la única forma de trabajar donde las personas a veces se ven en persona y otras no, y es frustrante ver cuán sorda es la conversación sobre este tema. Consideraría la mayoría de las concepciones del trabajo híbrido como “trabajo parcial o mayoritariamente remoto con tiempo cara a cara descuidado y desordenado”. Esto se debe a que están intentando crear híbridos en el molde de los lugares de trabajo anteriores a Covid. Es una función de tener muy poca comprensión de lo que queremos que sea el trabajo y cuáles son las compensaciones que valen la pena.
Pasar tiempo en una oficina prácticamente vacía con un puñado de personas que apenas conoce y con las que apenas interactúa es una mala manera para que un científico de datos junior logre los beneficios que describí anteriormente, si es que se logran. Y las compensaciones para ellos, sus familias y la comunidad son enormes. Los desplazamientos son terribles para nuestra salud individual, nuestro bienestar social y nuestra salud ambiental, por no hablar de una pérdida de tiempo valioso que podríamos dedicar de forma productiva. Si vamos a dedicar tiempo a desplazarnos hasta un lugar de trabajo, más vale que valga la pena.
Los desplazamientos son terribles para nuestra salud individual, nuestro bienestar social y nuestra salud ambiental, por no hablar de una pérdida de tiempo valioso que podríamos dedicar de forma productiva.
¿Cuál es la alternativa? Soy un gran admirador del “trabajo parcial o mayoritariamente remoto con tiempo presencial intencional y determinado”. Un ejemplo de esto podría ser el trabajo remoto diario con una presencial trimestral, donde las personas viajan a un lugar central (no solo a una oficina regional o local) y hacen cosas como planificación estratégica, trabajo colaborativo, pasar algún tiempo socialmente, y aprender unos de otros. Hay muchas otras posibilidades de cómo dividir este tiempo, pero el punto es que es un tiempo de cara a cara con un propósito, y está diseñado para cumplir ese propósito.
Cosas que pueden ser ciertas para el trabajo híbrido eficaz:
- Puede que no sea más barato que el trabajo remoto O completamente en la oficina
- requerirá pensamiento y planificación para tener éxito
Para los científicos de datos experimentados que han estado en el campo durante años, el trabajo completamente remoto podría estar bien. Hemos irrumpido en las redes, aprendido las normas sociales y adquirido habilidades (y, lo más importante, canales para actualizar nuestras habilidades) que no requieren un tiempo especial de cara a cara. Yo diría, sin embargo, que tenemos la responsabilidad de echar una mano a los que vienen después de nosotros, y que pasar un tiempo útil en persona con compañeros más jóvenes representa una retribución y vale la pena.
Cómo hacerlo
No voy a prescribir exactamente cómo se debe estructurar el tiempo cara a cara intencional, porque no todas las empresas y organizaciones son iguales y no hay una solución única que sirva para todas. Sin embargo, tengo algunas sugerencias para los objetivos específicos que describí anteriormente.
- Normas : Es mejor transmitir normas y cultura de forma intencionada. No espere simplemente que su personal subalterno comprenda de inmediato cómo funcionan las expectativas interpersonales. Puede que no hubiéramos tenido que explicar estas cosas cuando todos pasaban más de 40 horas a la semana uno al lado del otro, pero eso puede haber cambiado. Sea más explícito de lo que cree que necesita ser. Parte de la absorción pasiva de estas normas también se producirá durante el tiempo cara a cara intencional.
- Habilidades : las habilidades clave de la ciencia de datos se describen de diferentes maneras dependiendo de a quién le pregunte, pero generalmente implican una combinación de codificación, estadística y aprendizaje automático, así como perspicacia para los negocios y comunicación. Todas estas son cosas que desarrollamos y mejoramos al hacer el trabajo, pero también adquirimos estas habilidades al observar cómo otras personas hacen el trabajo. Al crear oportunidades de trabajo colaborativo en su tiempo presencial intencional, y no solo concentrarse en reuniones tediosas, puede ayudar a que se produzca esta transmisión de habilidades.
- Redes : Sinceramente, creo que construir redes puede ser lo más difícil que pueden hacer los científicos de datos que trabajan a distancia, porque con mucha frecuencia hacemos nuestro trabajo diario solos. Aunque tendrás revisiones de modelos y códigos como equipo, y podrás conectarte en stand-ups, reuniones y hackathons, gran parte del desarrollo de la red en los lugares de trabajo anteriores a Covid provino de la socialización periférica. Las charlas frente a la máquina de café son un cliché, pero en realidad brindan oportunidades para que los colegas se familiaricen más. Es por eso que el trabajo híbrido, descuidado y desordenado, es completamente diferente del tiempo cara a cara con un propósito: tener interacciones con fines sociales durante estos sitios designados puede contribuir en gran medida a desarrollar redes sólidas.
Parece que muchos empleadores no están seguros de cómo incorporar científicos de datos de nivel básico y convertirlos en profesionales experimentados en este nuevo mundo laboral, por lo que, por defecto, intentan contratar a más personas con experiencia de las que su trabajo realmente requiere. Si bien esto genera más oportunidades y demanda para personas de mi nivel, no es bueno para el campo en su conjunto. Necesitamos nuevos participantes en la disciplina, que aporten ideas y creatividad, y debemos darles las herramientas para crecer y tener éxito, aunque no estemos en la misma oficina todo el día como antes.
Necesitamos nuevos participantes en la disciplina, que aporten ideas y creatividad, y debemos darles las herramientas para crecer y tener éxito.
Nuestra tarea como miembros establecidos de la profesión de la ciencia de datos es, en primer lugar, reconocer que las cosas son diferentes ahora, y eso está bien. No podemos desear volver a un mundo laboral diferente, y yo no querría hacerlo. La flexibilidad en el trabajo mejora nuestras vidas y nuestras comunidades. Sólo necesitamos hacer el esfuerzo de identificar qué es importante y descubrir cómo podemos lograr estos objetivos en este nuevo entorno.
Vea más de mi trabajo en www.stephaniekirmer.com .
