Con esas premisas, no es difícil deducir que la gestión del dato se ha convertido en una prioridad para la industria 4.0. La digitalización y el consiguiente cambio de modelo de negocio están exigiendo cambios profundos en los procesos productivos que afectan al entorno laboral.
La irrupción de la Inteligencia Artificial (IA) y el Big Data, junto a otras tecnologías habilitantes disruptivas, ha reconfigurado el sector industrial hasta tal punto que ha generado profesiones de nuevo cuño y especialidades que no existían hasta ahora, generando no pocos problemas a los departamentos de Recursos Humanos de las compañías.
Según un informe de IndesIA, la asociación de Inteligencia Artificial de la industria española, estas son las 12 profesiones más demandadas del campo del Big Dat e IA:
1.- Ingeniero/a de Aprendizaje Automático / Machine Learning (ML) Engineer
El ingeniero/a de Aprendizaje Automático (Machine Learning) es un profesional englobado en el entorno de Tecnología de la Información (IT) como hardware o sistemas operativos que se enfoca en investigar, construir y diseñar sistemas de inteligencia artificial (IA) autoejecutables para automatizar modelos predictivos.
Además, diseña y crea los algoritmos de IA capaces de aprender y hacer predicciones. Tiene que operar y optimizar los modelos y algoritmos desarrollados. Deben tener experiencia en técnicas de desarrollo y DevOps adaptadas al contexto de la IA El término DevOps, que es una combinación de los términos ingleses development (desarrollo) y operations (operaciones), designa la unión de personas, procesos y tecnología para ofrecer valor a los clientes de forma constante.
El perfil de ingeniero/a de Aprendizaje Automático debe tener conocimientos de analítica y de los fundamentos de Machine Learning y Deep Learning para entender las peculiaridades de los modelos que deben ser integrados.
2.- Arquitecto/a de Datos / Data Architect
El arquitecto/a de Datos (Data Architect) es un profesional que se encarga de definir la estrategia de datos, incluyendo la implantación y gestión de las arquitecturas de inteligencia artificial (IA) creando una gestión integrada de sistemas para centralizar, proteger y mantener las fuentes de datos. Requiere amplios conocimientos en plataformas de Business Intelligence, estándares de arquitectura, así como arquitectura empresarial y arquitectura de sistemas.
Como subraya Jacinto Arias, miembro de la Comisión de Big Data de la asociación Ametic, “cada vez observamos más perfiles técnicos especializados en el diseño de arquitecturas centradas en datos (Data Architects) o en Inteligencia Artificial”.
A diferencia de una solución software, los datos, y por tanto los modelos resultantes, que alimentan una solución de analítica, son orgánicos y sufren la degradación de los cambios de tendencia propios de la realidad que modelan, por tanto, son aplicaciones vivas con requisitos que cambian más allá de un propio mantenimiento o evolutivo más propio del software.
El arquitecto/a de Datos debe tener un conocimiento profundo de las tecnologías específicas orientadas a desarrollar algoritmos y modelos y las metodologías propias del sector como MLOps y AIOps. También debe poseer experiencia definiendo e integrando infraestructura Cloud y recursos avanzados de computación, así como capacidad para gestionar equipos híbridos de profesionales de analítica y especialistas en tecnologías.
3.- Ingeniero/a de Datos / Data Engineer
El Data Engineer es un profesional responsable de diseñar, construir, probar y mantener la arquitectura de datos (es decir, bases de datos de procesamiento a gran escala) y procesos de datos que permitan la mayoría de las funciones en el mundo de los datos, por lo que será requerido un amplio conocimiento en bases de datos relacionales.
Además, tiene que ser capaz de ensamblar un gran volumen de datos complejos, que cumplan los requisitos empresariales no funcionales y funcionales, así como determinar las necesidades de almacenamiento de datos. También es responsabilidad del Data Engineer construir la infraestructura necesaria para la extracción, transformación y carga óptimas de datos de diversas fuentes, con el objetivo de lograr una alta escalabilidad, una entrega de datos eficiente en procesos automáticos.
4- Ciudadano/a de la Ciencia de Datos / Citizen Data Scientist
El Citizen Data Scientist o Citizen DS es una persona que realiza algún trabajo de ciencia de datos, pero no tiene el título de científico de datos ni tiene la experiencia formal en análisis avanzado, estadísticas o disciplinas relacionadas. Los Citizen Data Scientists -traducido al castellano como ciudadano de la Ciencia de Datos- pueden incluir analistas comerciales, usuarios comerciales expertos en datos, analistas y desarrolladores de Business Intelligence (BI), ingenieros de datos y otros trabajadores.
En la mayoría de los casos, los Citizen DS no reemplazan directamente a los científicos de datos profesionales. En cambio, aumentan su trabajo, lo que permite a las empresas e industrias expandir sus iniciativas de análisis de datos y completar más proyectos de análisis. Los dos grupos también pueden colaborar en aplicaciones particulares de ciencia de datos, con científicos de datos expertos que apoyan y revisan lo que hacen los ciudadanos.
Considerado por algunas organizaciones no como un rol, sino como un set de habilidades específicas a adquirir por cualquier profesional moderno en una era dominada por los datos, donde la inercia no es a crear nuevos modelos sino a aplicarlos gracias a disciplinas como Decision Intelligence.
La definición más aceptada del Citizen DS es la de un profesional especializado en los aspectos funcionales del negocio que adquiere la capacidad para aplicar de manera independiente técnicas de analítica como parte de su actividad. Se asocia muchas veces al uso de herramientas de baja complejidad técnica, como los entornos de Business Intelligence o las cada vez más extendidas suites de tipo Low Code que permiten experimentar con técnicas de Inteligencia Artificial.
Debe tener un conocimiento funcional del negocio y especialmente de los datos y modelos disponibles en su entorno, autonomía para aplicar técnicas de analítica como parte de su actividad, y capacidad para comunicar los resultados obtenidos a profesionales más técnicos e incentivar la innovación. Estas últimas son las denominadas soft skills. Las soft skills o habilidades blandas son aquellas competencias personales y sociales que facilitan las relaciones humanas y permiten desenvolverse con éxito en cualquier ámbito de la vida, incluido el laboral. La empatía, la autoconfianza, la resiliencia, la motivación, la curiosidad, la empatía, la capacidad de comunicación y la capacidad de trabajar en equipo son algunas soft skills
Los Citizen DS son uno de los perfiles más buscados por los headhunters. ¿Por qué? Según Manuel Delgado Tenorio, especialista de Big Data de Amazon Web Services (AWS), por tres factores:
- La escasez de Data Scientists
- La creciente demanda, incluso la necesidad, de usar los datos con profundidad en todas las áreas del negocio
- Las herramientas cada vez más avanzadas que empoderan al usuario de negocio para llevar a cabo tareas inalcanzables hasta ahora
En otras palabras, el Citizen Data Scientist es el usuario intensivo, el intérprete del dato, capaz de resolver los problemas a los que se enfrenta la factoría y que pueden explicar las soluciones a los directivos. No deben tener necesariamente conocimientos científicos como los DS.
5.- Visualizador/a de Datos / Data Visualization
El visualizador/a de Datos es el profesional responsable de la creación y edición visual del contenido, realizando la extracción, transformación y cargas del conjunto de datos en mapas o gráficos, cuadros de mando o informes más visuales que sirvan al resto de la organización en su interpretación y permita la toma de decisiones.
6.- Guardián/a de los Datos / Data Steward
El guardián/a de los Datos es el que garantiza la calidad y coherencia de los datos asegurando que son adecuados para su uso dentro del ámbito de las necesidades de la organización de la manera más flexible y efectiva posible para lograr su máximo valor en conformidad con las políticas de la compañía y con terceras partes.
Entre sus funciones se encuentran definir las reglas de calidad de los datos Identificar y definir los diferentes aspectos que pueden afectar a los datos en cuanto al tratamiento de los mismos y la autorización de ingesta y distribución de los datos a casos de uso Debe tener también conocimientos legales y normativos que afectan al tratamiento de los datos.
El Data Steward no solo se encarga de administrar el uso y de asegurar su calidad sino también del cumplimiento de las políticas de privacidad, la correcta comunicación entre los diferentes departamentos y la educación informática y tecnológica de los empleados relacionada con el mundo del dato.
Por tanto, cuanto mayor sea el volumen de datos de la marca, más Data Stewards serán necesarios para el mantenimiento y la administración de todo el sistema.
7.- Especialista en Industria 4.0 / Industry 4.0 Specialist
Profesional principalmente industrial, con habilidades que impulsen los procesos de transformación digital y de gestión del cambio, este especialista debe conoce cuáles son las tecnologías habilitadoras en industria 4.0 (fabricación aditiva, gemelos digitales, robotización…) siendo capaz de proponer soluciones (a alto nivel) para cada caso de uso.
Por otro lado, es un perfil con habilidades sociales bien desarrolladas, que garantizan su capacidad para registrar los requerimientos del cliente de manera completa y correcta, ayudando a identificar problemas o mejoras en las plantas industriales. Además, tiene una gran capacidad para interpretar el negocio y compartirlo con los equipos más técnicos vinculados a Big Data, desarrollo de software, redes, etc.)
8.- Especialista en IoT / IoT Specialist
Profesional experto en encontrar soluciones de conectividad entre procesos. Conoce protocolos de comunicación, así como los principales componentes de una red y tiene conocimiento sobre el software que conecta el mundo IT con el mundo OT. Sus habilidades de programación básicas le permiten llevar a cabo la conexión entre estos dos mundos. Además, puede establecer estándares de ciberseguridad y es capaz de auditar y realizar propuestas para su aseguramiento.
9.- Especialista en Gobernanza del Dato / Data Governance
El especialista en Gobernanza del Dato es un profesional que asegura la disponibilidad de los datos, su integridad, usabilidad y seguridad. También facilita los mecanismos y directrices basados en principios y mejores prácticas para el eficaz ejercicio del gobierno del dato. Se encarga de la coordinación transversal de los negocios y las funciones para la explotación y democratización del dato.
10.- Científico/a de Datos / Data Scientist
El perfil más escaso, el científico/a de Datos se encarga de recoger, analizar e interpretar grandes conjuntos de datos complejos para desarrollar soluciones basadas en datos y resolver difíciles retos empresariales. Desarrolla modelos descriptivos, predictivos o prescriptivos y herramientas de aprendizaje estadístico para el análisis de datos incluyendo algoritmos de Machine Learning.
11.- Analista de Datos / Data Analyst
El analista de Datos es un profesional con gran conocimiento del negocio que recopila, procesa y gestiona datos relevantes para la empresa, estando encargado de su análisis estadístico con el objetivo de extraer conclusiones que permitan la toma de decisiones y aportación de valor. Se apoya en plataformas de inteligencia de negocio y todas sus capacidades para el análisis de datos.
12.- Traductor/a de los Datos del Negocio / Data Traslator
El Data Traslator tiene conocimientos suficientes tanto en negocio, como técnicos para expresar las necesidades de la organización en un lenguaje que sea válido para que el científico de datos pueda realizar los modelos o algoritmos que cumplan los requisitos.
¿Qué habilidades necesitan estos nuevos perfiles profesionales?
Según IndesIA, esas habilidades están incluidas en ocho grandes grupos de conocimiento:
Analítica de datos y estadística:
Capacidad para comprender una amplia gama de tipologías estadísticas de análisis y aplicar la más adecuada para resolver un reto específico (metodologías de investigación basadas en datos) Incluyendo las habilidades para la exploración de conjuntos de datos, con el objetivo de descubrir patrones y tendencias implícitos, mediante su análisis y técnicas descriptivas
Modelos analíticos y plataformas:
Capacidad para manejar lenguajes y marcos de trabajo en ciencia de datos para llevar a cabo análisis de datos o tareas de aprendizaje automático, así como lenguajes y herramientas de consulta de bases de datos y de visualización de datos. Esto también incluye comprender envoltorios, librerías y marcos de datos necesarios para realizar cálculos estadísticos de nivel inferior y de datos
Programación:
Capacidad para utilizar lenguajes de programación genéricos para desarrollar aplicaciones o sistemas. Capacidad para implementar y gestionar repositorios de código fuente y sistemas de control de versiones, aplicar técnicas de ingeniería de software y prácticas técnicas que permiten entregar automáticamente nuevas versiones de software en entornos de pruebas y producción y configurarlos e implementarlos de manera automática. Capacidad para utilizar editores SQL / NoSQL y comprender lenguajes de bases de datos para definir y ejecutar consultas apropiadamente.
Metodologías y procesos:
Capacidad para comprender y aplicar los marcos de procesos y mejores prácticas, para gestionar el ciclo de vida de los servicios o productos E2E (End to End) de una organización, así como las metodologías utilizadas en el entorno empresarial.
Plataformas de Inteligencia de negocio:
Capacidad para implementar y gestionar plataformas que permitan a los usuarios construir aplicaciones que faciliten la toma de decisiones y que ayuden a la organización a aprender, entender y mejorar el negocio.
Ingeniería de datos:
Capacidad para diseñar, construir y gestionar bases de datos (BBDD) y la infraestructura necesaria para el almacenamiento, despliegue y procesamiento de modelos analíticos y de Inteligencia Artificial en la Nube. Habilidad para implementar y administrar herramientas que realizan operaciones de extracción, transformación e ingesta datos, así como el control de grupos de cómputo de Big Data.
Arquitectura empresarial:
Capacidad para comprender los marcos de procesos y las mejores prácticas establecidas en la arquitectura de la compañía, con conocimiento de los sistemas y aplicaciones de la empresa y la integración entre las mismas.
Calidad y gobierno del dato:
Capacidad para implementar y gestionar plataformas que proporcionen un único punto de referencia para todos los datos analíticos y de referencia relevantes. Habilidades, conocimientos de los principios y técnicas usadas para la gobernanza del dato a lo largo de su ciclo de vida. Capacidad para gestionar y garantizar la usabilidad, seguridad y privacidad de los datos.
Gestión y visualización de datos:
Capacidad para análisis de datos: definición de estructuras de datos, comprensión de modelos y tipos de datos, definición de consultas. Realizar análisis de los datos incluyendo cálculos, filtros, indicadores clave, métricas etc. Crear y mostrar datos usando unas distintas formas de visualización (gráficos, tablas, historias) y elaborar conocimiento clave de los datos observados, con la ayuda de herramientas de inteligencia de negocio, realizando análisis y facilitando la toma de decisiones en el ámbito de negocio.
Seguridad del dato:
Capacidad de evaluación de la seguridad de los datos y la privacidad: evaluación de la seguridad de la información en relación con las normas y políticas internacionales y reglamentarias, por ejemplo, el Reglamento General de Protección de Datos (GDPR) de la Unión Europea o las que emanan del Instituto Nacional de Estándares y Tecnología (NIST) de Estados Unidos. Determinación de los requisitos tecnológicos y acciones correctivas para garantizar la protección de datos de acuerdo con las normas y políticas internacionales y reglamentarias. Monitorear y controlar la correcta implementación de las horas extras y los riesgos potenciales relacionados con los cambios en el comportamiento y/o alcance de las aplicaciones de datos y análisis.
Tecnologías IoT:
Capacidad para la gestión del flujo de datos de manera masiva (Big Data) proveniente de sensores, aplicación de analítica predictiva, minería de texto, computación en la nube, minería de datos y lagos de datos. Conocimiento de los protocolos de comunicación de dispositivos. aplicación del uso de datos enfocados en escenarios habituales en la industria como: Supervisión Remota, Mantenimiento predictivo, Administración de instalaciones, fabricación conectada y administración de flotas.
