Tres opciones para formarse en ‘big data’ (aunque no sepas matemáticas ni programar)

Basta con teclear las palabras “big data” en el buscador de cualquier plataforma de empleo para ver cómo las ofertas de trabajo se multiplican: casi 500 en Infojobs, más de 1.500 en LinkedIn…

Se buscan desarrolladores, analistas, programadores, jefes de proyecto, consultores, ingenieros. Todos ellos con el apellido big data. Los datos son el nuevo petróleo, pero lo complicado para las empresas no es dar con ellos, sino encontrar a un profesional capaz de almacenarlos, estructurarlos y analizarlos. Después de que en los últimos años hayan proliferado los cursos y los másteres de especialización, ahora llegan nuevos grados universitarios que prometen formar a los buscadores de oro de la era digital.

La frase no hace más que repetirse: no hay suficientes expertos en big data para cubrir la demanda de las empresas. El mercado laboral pide cada vez más profesionales que sepan tratar la enorme cantidad de información que generamos a cada paso digital que damos: visitas, compras, fotos, búsquedas, ubicaciones, comentarios en redes sociales… El informe anual de LinkedIn de 2017 sobre los empleos más emergentes señalaba que tres de los puestos con más demanda en Estados Unidos eran posiciones relacionadas con los datos masivos. IBM pronostica que la demanda de este tipo de profesionales crecerá un 28% de aquí a 2020. Y en España, el último estudio sobre las posiciones y competencias más demandadas que elabora la escuela de negocios EAE coloca al experto en big data como el segundo profesional más solicitado y el primero en la lista de los puestos que más cuesta cubrir.

Ese desfase entre la oferta y la demanda, unido a la promesa de elevados sueldos, ha disparado la oferta formativa relacionada con el big data. Se ofrecen desde grados de cuatro años hasta cursos intensivos de apenas tres meses. Los hay solo para ingenieros y matemáticos y los hay abiertos a todo tipo de perfiles. Quienes los cursan son tanto recién graduados como profesionales en busca de reciclaje. Las nomenclaturas, como en cualquier campo de reciente creación, se entremezclan: analítica, programación, inteligencia de negocio, ciencia de datos. Y la lista de habilidades y herramientas que aprender no hace más que crecer: Hadoop, data mining, R, Python, visualización…

Entre tanta maraña de conceptos y de oferta, ¿por dónde empezar si uno quiere orientarse al mundo del big data? Ignacio Gómez, director del máster en Gestión y Análisis de Grandes Volúmenes de Datos de la Escuela de Negocios y Dirección, recomienda comenzar aclarando ideas. “Hay varios términos que están relacionados y que no son lo mismo, pero que se tienen a mezclar”, explica. “Por un lado está el big data, un concepto informático que se refiere al almacenaje de grandes volúmenes de información. Y por otro lado está la analítica de big data, que también se suele denominar ciencia de datos o data science. Se trata de convertir en información esos datos que almacena el big data”.

Esa distinción se aprecia también en las dos grandes categorías de profesionales que se van perfilando en este campo: los expertos en big data —“informáticos especializados en bases de datos, es decir, en la infraestructura necesaria para almacenar grandes volúmenes de datos”, en palabras de Gómez— y los analistas o científicos de datos, encargados de extraer información del dato. Aunque la parte técnica, de nuevo, se confunde con la del negocio: si los expertos necesitan entender las necesidades de las empresas para detectar qué información es realmente valiosa para ellas, los directivos y los gestores precisan igualmente formación en el campo del big data para así poder aprovechar su potencial.

“Hay mucha formación que está orientada a gestores, pero en la que se habla más de negocio que de tecnología”, señala Gómez. Eso no es malo per se, pero para elegir camino es necesario tener claro el objetivo —¿quieres enfocarte a la parte técnica o a la de gestión?— y el perfil de cada uno, pues algunos programas exigen una formación previa en matemáticas, ingeniería o estadística. Aquí tres opciones para estudiar y especializarse en big data:

1. Grado: cuatro años para formar a los ingenieros del futuro

Hasta ahora, la formación en big data se ha enfocado en tomar perfiles técnicos que venían de otros mundos (recién graduados o profesionales que estudiaron informática u otra ingeniería, matemáticas…) y darles una pátina de conocimiento en big data; no en vano, el experto en este campo necesita en su día a día destilar una particular mezcla de programación, matemáticas y estadística. Pero han comenzado ya a surgir los primeros grados universitarios en big data —la Universidad de Valladolid fue la primera en España—, la mayoría de ellos orientados a la ciencia de datos.

“El big data se refiere a volúmenes enormes de datos, pero hay empresas que, sin tener tantísima información, también pueden trabajar con esa misma lógica de tomar decisiones en base a la evidencia y a los datos, y no solo al criterio y la experiencia personales. Esa es la lógica de la nueva oferta formativa”, explica Teresa Sancho, directora del nuevo grado online en Ciencia de Datos Aplicada que la Universitat Oberta de Catalunya (UOC) lanzará en febrero. El objetivo es formar desde cero a científicos de datos capaces de “conocer el ciclo de vida de los datos y estar preparados para abordar problemas complejos con las herramientas disponibles, que son muchas, de forma adecuada”.

En la Universidad Pompeu Fabra (UPF), los alumnos de la primera promoción del grado en Ingeniería Matemática en Ciencia de Datos acaban de comenzar su segundo curso. Y ya hay empresas pidiendo becarios. “Les hemos pedido que esperen hasta que estén en tercero”, cuenta Xavier Binefa, coordinador del programa. “La sociedad en la que estamos requiere de un tipo de profesional que no existe. Y el ingeniero del futuro es un ingeniero digital”, resume el profesor. “El científico de datos debe ser un profesional capaz de extraer conclusiones inteligentes de los datos, que ayude a la sociedad a entender cuál es su realidad”. La titulación ha conseguido incluso atraer a las chicas, que ocupan casi la mitad de las plazas, a pesar del problema generalizado de escasez de vocaciones científicas femeninas.

2. Máster: la opción más habitual

El máster ha sido hasta el momento la vía más común para especializarse en big data. Pero si la formación de grado está más orientada a la analítica y a formar perfiles con una sólida base técnica, en el posgrado la oferta se divide en dos tipos. Por un lado, los programas enfocados a aprender las competencias técnicas: programación, estadística, modelos predictivos… La mayoría están orientados a perfiles científicos (informáticos, matemáticos, estadísticos…), aunque puntualmente algunos admiten también a licenciados en ADE. Y por otro, los posgrados de management y dirección, que pretenden formar a directivos y mandos intermedios para que sean capaces de ver el potencial empresarial del big data y se familiaricen con sus herramientas y lenguajes. Los precios pueden rondar entre 3.000 y 6.000 euros en universidades y a partir de 10.000 en escuelas de negocio.

Francisco Santos, director de la Escuela de Negocios y Dirección, apunta varias recomendaciones para quienes quieran elegir un programa de posgrado: “Es importante analizar las salidas profesionales que ofrece el título. Para los jóvenes, además, las prácticas son fundamentales porque si no tienen una experiencia laboral previa, necesitan tener un contacto con el mundo real. También hay que analizar el cuadro docente (que los profesores ejerzan en aquello de lo que hablan) y la estructura de contenidos, que debe ajustarse y tener sentido dentro del mundo de la empresa, pues hay másteres que son un popurrí, se sale sabiendo mucho de todo y especializado en nada”.

3. Cursos: una puerta de entrada a los datos

La formación intensiva y enfocada a través de cursos abre otra vía para especializarse en big data. Ese es el camino que siguió Álvaro Jaén para reciclarse laboralmente tras años trabajando en el sector turístico. “Empecé a leer artículos sobre ello y quise meterme para sacarle el jugo a todos esos datos que las empresas tenían, pero no sabían cómo utilizar”, explica. Hizo un curso de la Fundación Telefónica, después un máster y entró a trabajar en el área de big data de la compañía telefónica.

Ahora, Jaén está a punto de comenzar a dar clase en el nuevo curso de data science que la empresa Neoland lanza este mes. Se trata de un bootcamp: un curso intensivo que en tres meses promete formar profesionales capaces de trabajar en proyectos de big data, sin importar la experiencia o la formación previa de los alumnos. “Estamos en contacto con empresas de diferentes sectores. Las compañías nos marcan el tipo de conocimientos que deben tener los alumnos que buscan y con ellas creamos un temario conjuntamente”, explica Carlos Cazaña, responsable de Neoland, sobre su método.

El contacto con la empresa es clave para identificar tendencias y necesidades, pero también para formar a directivos. En la Cámara de Madrid dan buena cuenta de ello. Hace tres años pusieron en marcha su curso de big data con un enfoque totalmente empresarial. “El curso está orientado a procesos de toma de decisiones y estrategia de negocios basada en análisis de datos”, explica Jacobo Pérez-Soba, jefe del área de formación de directivos y posgrado de la Cámara de Madrid. “Cuando lo lanzamos había másteres de 600 o 900 horas, que era brutal, pero nosotros nos metimos en el nicho de la toma de decisiones”.

Pero para quien no lo tenga claro o de momento tan solo quiera probar si el big data puede ser un camino interesante hacia el que dirigir sus pasos, también hay opciones gratuitas. Los MOOC (cursos online, masivos y abiertos por sus siglas en inglés) abren una primera puerta al inabarcable mundo de los datos: en edX hay ahora mismo 42 cursos activos sobre big data —varios son de Microsoft, cuya plataforma de servicios en la nube Azure es una herramienta muy utilizada en este campo—, mientras que Coursera ofrece otros 110 cursos (71 en español) impartidos, por ejemplo, por gigantes como Google y por universidades de prestigio como Stanford y el Tecnológico de Monterrey.