¿Cómo ganar seguridad y experiencia para profesionalizarse a través de los datos?

Déjame adivinar.

Seguramente te atrae el tema de los datos.

Ves una buena oportunidad a nivel profesional en todo ello y has decido profesionalizarte o especializarte a través de los datos.

¡Estás en el sitio correcto!

Te has formado en algún curso de análisis de datos, máster de Big Data y te ha gustado lo que has visto. Te motiva.

Pero… cuando te encuentras con datos y quieres explotarlos no sabes muy bien qué hacer. O te sientes inseguro/a.

Tu primer impulso es … me falta más formación. Necesito más cursos. Más certificados. Más títulos.

Entonces empiezas otra vez a buscar cursos, másters de nuevo y volver a formarte y formarte…

¡Espera!

Estás viviendo como en la película del día de la marmota. (gran película por cierto…)

¿Te digo la solución para salir de esta rueda?

Déjame contarte en el post de hoy cómo profesionalizarte a través de los datos con una series de consejos que estoy seguro que te van a ayudar.

Deja de lado los títulos y céntrate en dominar un sistema para analizar datos.

Los títulos no son sinónimo de lo que sabes. Nada más lejos de la realidad. Yo tengo varios títulos académicos y dónde he aprendido realmente es colaborando con proyectos reales.

Mira. Para profesionalizarte a través de los datos necesitas si o si dominar una habilidad que es el análisis de datos.

No se trata de hacer bootcamps a tope, leer miles de libres aprendiendo fórmulas y cosas complejas, sino de trata de entender un sistema para transformar tus datos en información.

Es como transformar tablones de madera en un mueble precioso como hacen los ebanistas. Se trata de utilizar las herramientas para pasar de tablas de madera a una pieza única.

El analista de datos hace exactamente esto. Los datos los traduce en información útil, en informes o incluso en herramientas para solucionar problemas reales.

¡Eso es!

Enfócate en aprender una habilidad y aplicar un sistema para analizar tus datos y deja de lado la «titulitis».

Esto es lo primero que tenemos que trabajar.

No busques más cursos o masters. Busca a un mentor de análisis de datos.

Una vez tengas claro que puedes dejar de lado los títulos académicos y que lo más importante es APRENDER una habilidad para analizar datos, es momento de encontrar a una figura que te ayude y te acompañe. La figura del mentor.

No hace falta que busques más formaciones sino, más bien, busca a figuras. A referentes que te puedan llevar de la mano y aprender de verdad. Busca a un mentor que te acompañe.

Las cualidades de un buen mentor son:

  • Sentir que es de confianza.
  • Que hable un «idioma» parecido al tuyo.
  • Sentirte identificado con el él o ella.
  • Que sepa explicar.
  • Autoridad y experiencia. Que sepa de lo que habla.
  • Que tenga contactos que te puedan ayudar.
  • Que haya recorrido el camino que quieres recorrer tú.

Un mentor es la figura ideal para ganar seguridad y confianza para profesionalizarse a través de los datos.

Retomo el mismo ejemplo que antes. El de la madera y los muebles. El del carpintero o ebanista.

En este ejemplo, está la figura del aprendiz y la figura del ebanista que lleva 20 años en la profesión. Todo el conocimiento y experiencia acumulados durante mucho tiempo por el ebanista lo va a transmitir de forma natural al aprendiz. El ebanista pasa a ser el mentor del aprendiz. De cajón, ¿verdad?

En el análisis de datos pasa lo mismo.

Vale lo entiendo. Pero Jordi, ¿dónde busco a mi mentor de análisis de datos?

Pues es muy sencillo. Usa tu red de contactos. Ya sea offline u online a través de LinkedIn.

Te listo a continuación quién puede ser tu mentor de análisis de datos:

  • Puede ser alguien que trabaja junto a ti y lleve más años de experiencia con datos en tu campo.
  • Puede ser una figura que comparte contenidos de calidad en el tema de análisis de datos y ves que te puede ayudar. Usa LinkedIn.
  • Puede ser un profesor de un máster, de un postgrado o de un asignatura en particular.

Busca en tu entorno y estoy seguro que lo vas a encontrar.

Una vez lo escojas confía en él. Y sigue sus pasos.

Yo por ejemplo me dedico a mentorizar, porque me encanta enseñar y acompañar. Por ello he creado un programa de mentoría de 1 año llamado Data Scientist Plus. Aquí una sesión previa de 45 minutos.

Descubre cómo analizar los datos de tus proyectos con éxito.

Sin perder miles de horas descifrando fórmulas estadísticas incomprensibles.

Colabora con proyectos reales y altamente aplicables al lado de tu mentor.

Ya eres consciente de que lo más importante es aprender una habilidad, ya sabes que para lograrlo con éxito lo mejor es acompañarte de un mentor.

El siguiente paso es colaborar con proyectos reales. Ponerte en frente de problemas reales y solucionarlos.

¡Esto es lo más emocionante! Y dónde se aprende de verdad.

Dónde vas a ganar experiencia y seguridad y sin darte de cuenta crearás un portafolio de proyectos de datos:

Seguramente tu mentor te puede ofrecer colaborar en proyectos reales y que tú puedas ser parte de los proyectos. Aprender mientras trabajas de verdad.

Si tu mentor no te puede ofrecer proyectos porque en ese momento no existe la posibilidad hay más opciones tranquilo.

En la plataforma como Kaggle puedes descargarte datos reales que han subido los usuarios para dar soluciones a problemas que plantean en los diferentes datasets. En casi todos los casos son problemas reales y tienen todo el sentido.

Aquí te dejo algunas ideas para ayudarte a cómo buscar un proyecto real dónde colaborar:

  1. Que tu mentor de ofrezca la posibilidad de colaborar en algún proyecto real y ser parte de él.
  2. Si estás realizando el proyecto final de máster lo mejor es buscar proyectos que estén relacionados con una empresa o con el sector o área que te apasione.
  3. Proponer nuevas ideas dentro de tu trabajo actual y trabajar en proyectos reales en la temática de tu actual trabajo.
  4. Entrar a colaborar de forma gratuita en una institución, centro de investigación o empresa para que te ofrezcan datos reales y un problema y tu darles la solución a través de los datos. Es un win-win, tu buscas proyectos reales para practicar y ellos buscan a alguien que les ayude. Puedes empezar de forma gratuita y más adelante cobrar un tiquet por tu trabajo. Que sería lo ideal.
  5. Decidirte por una temática que te apasione, consigue datos a partir de fuentes de datos públicas (puede ser el mismo Kaggle) de esa temática y soluciona un problema real con ellos.
  6. Si no tienes ninguna temática que te interese puedes buscar en este enlace de kaggle algunos datasets que te interesen y practicar con datos reales. Incluso dentro de Kaggle te puedes apuntar a competiciones en distintos niveles que seguro que te motivas más.

Espero haberte abierto posibilidades para tener tu primera experiencia con proyectos reales e ir ganando seguridad y confianza para profesionalizarse en través de los datos.

En Data Scientist Plus mentorizado a los alumnos en proyectos reales. Me meto en sus datos, en sus problemas para terminar dando solución a sus proyectos para que avancen en su carrera profesional.

Construye tu portfolio de proyectos de datos

Ahora que ya tienes claro:

  1. que lo más importante es aprender una habilidad para analizar los datos
  2. que es clave tener a un mentor que te ayude
  3. y que para ganar seguridad y aprender de verdad si o si tienes que trabajar con proyectos reales

El último escalón es que seas consciente que hay una parte muy importante en todo esto y aún no hemos mencionado.

Tu marca profesional.

Se trata de nutrir tu perfil de LinkedIn de forma que seas percibido como un profesional con un perfil especializado en datos en su sector o área de conocimiento.

Si quieres puedes ver mi perfil de LinkedIn para que entiendas lo que quiero decir.

La clave es nutrir el perfil con contenidos de valor y ejemplos de proyectos que has llevado a cabo explicando los pasos y el método que has seguido para trabajar los datos. Esos contenidos, son el portfolio de proyectos de datos.

Eso te ayudará a diferenciarte y poco a poco construirte un hueco en tu sector como profesional de datos.

Si te han gustado estos 4 pasos son algunos de los que trabajamos dentro de la mentoría Data Scientist Plus. El objetivo de la mentoría es que vayas de la mano conmigo y te guie como mentor en el proceso. Si quieres formar parte de la mentoría rellenar tu candidatura aquí.

Espero que te haya servido y seguimos avanzando 🙂

Scroll al inicio