¿Cómo conseguir un primer trabajo como Data Scientist o Data Analyst?

Existen muchas personas que están intentando hacer la transición al mundo de los datos y creemos que el principal cuello de botella es conseguir la primera entrevista. Estos cargos son muy competitivos y por lo general llegan muchas postulaciones y hacer que tu postulación destaque es es crucial.

¿Cómo conseguir un primer trabajo como Data Scientist o Data Analyst?

¿Cómo entrar al mundo de los datos? ¿Cómo conseguir un primer trabajo como #DataScientist o #DataAnalyst? Esto puede ser especialmente difícil si no vienes de una carrera como ingeniería, estadísticas o matemáticas.

Hemos conocido a muchas personas que están intentando hacer esta transición y creemos que el principal cuello de botella es conseguir la primera entrevista. Estos cargos son muy competitivos y por lo general llegan muchas postulaciones. Hacer que tu postulación destaque, definitivamente, es crucial.

Los cursos, certificaciones, diplomas o bootcamps ya no son suficientes. Casi todas las postulaciones lo tienen. Es bueno tener estas credenciales para transmitir que estás desarrollando las habilidades técnicas necesarias, pero ayudan para emparejarte, no para destacarte.

En este artículo te queremos hacer una sugerencia para destacar tu postulación: armar un proyecto personal y mostrárselo al mundo.

Para hacer un proyecto personal te sugerimos buscar algo que te apasione, recolectes datos, desarrolles alguna visualización o modelo predictivo y se lo muestres al mundo. Que el tema te fascine ayuda a que lo saques adelante, pero también te puede servir para darte visibilidad en la industria.

Proyectos personales

No hay texto alternativo para esta imagen

En estos proyectos vas a aprender mucho dado a que se desarrolla de inicio a fin, donde el resultado final debería ser un aprendizaje o una herramienta que sea fácil de comunicar.

La parte más interesante viene cuando vayas a compartirlo con el mundo. Comunicar los hallazgos y conclusiones de tu trabajo son parte fundamental del trabajo de DA y DS. También lo es estar abierto al feedback para mejorar tu proyecto, viendo oportunidades de mejora o cuestionando los supuestos que conlleva. Busca un grupo especializado que pueda estar interesado en este proyecto y compartirlo, como también te recomendamos hacerlo a través de LinkedIn (en donde ya deberías estar cultivando tu red).

En este punto pueden pasar cosas maravillosas. Por ejemplo, Pablo Tapia compartió por LinkedIn su trabajo en torno al análisis de datos en el fútbol, lo contactó la Universidad Católica y así nació Futbolytics. Yo desarrollé modelos para predecir el ganador de un partido de League of Legends y terminé trabajando temporalmente con Riot Games (primer cliente de Datalized!) en la liga latina de LoL.

Destaca tu postulación

Tener un proyecto personal ayuda significativamente a destacar tu postulación. Esto demuestra que tienes proactividad, da señales claras de que puedes hacer la pega y va a permitir evaluar tu capacidad de comunicar resultados. Casi ninguna postulación tiene este elemento y al menos en Datalized le damos mucha importancia.

Te sugerimos también que compartas tu código en Github a pesar de que sientas que no está perfecto. El simple hecho de saber que vas a compartir el código te incentivará a ordenarlo y prepararlo para que otras personas lo ocupen. Van a haber cosas que mejorar (no te preocupes, siempre las hay) pero estar consciente del trabajo futuro también habla bien de ti como postulante. Con esto tendrás mucho material concreto para discutir en entrevistas más técnicas. Esto hice yo hace 6 años aproximadamente.

Te vamos a adelantar lo siguiente: Probablemente lo más difícil será encontrar y recolectar los datos para tu análisis. Los proyectos reales también son así. Pero no te rindas que casi siempre hay algo con lo que puedas jugar!