¿Informática o Matemáticas? Qué carrera estudiar si te quieres dedicar al mundo de los datos

Desde el sesgo de un informático que trabaja haciendo un producto para que las empresas analicen sus datos
Una de las diapositivas que suelo usar en nuestra presentación de Graphext para inversores

A raíz de un tweet que escribí el otro día, Guillermo saca en El Confidencial un artículo sobre el tema y como no me dio tiempo ayer a hablar con él, aquí recopilo los principales puntos de cómo veo lo que se aprende en las carreras vs qué demanda el mercado laboral:

¿Qué tipo de persona eres?

Si en el instituto pensabas que las mates eran algo mucho más grande, elegante y potente que lo que te enseñaban en clase y te aburrían, memorizar procedimientos para calcular cosas en vez de aprender a representar fenómenos del mundo real en números, vectores, operaciones y funciones que puede resolver problemas del mundo real… Si has leído por tu cuenta algún libro sobre mates o física, si tus padres son profes de matemáticas y lo vienes mamando desde niño, y si ya sabes algo de programación y le ves el puntillo…

entonces quizás sea muy buena idea que estudies matemáticas y si tienes capacidad de trabajo prueba con el doble grado con Informática. Podrás llegar a avanzar este campo, investigar en la Universidad o en empresas punteras como Deepmind de Google o en startups chulas como Graphext .

Si en el instituto le veías el punto a las mates pero eres una persona muy curiosa, te interesa un poco todo y más pragmático, necesitas ver resultados a corto para motivarte y ansías tener autonomía (incluso algún día montar tu propia empresa) entonces quizás es mejor que hagas informática.

Creo que para ser feliz en una profesión te tienes que sentir bueno en ella y para ello tienes que tener la motivación de entender bien para qué sirve y poder tener pequeñas recompensas (y la informática es mucho más agradecida que las Matemáticas o Física)


El mercado laboral del análisis de datos

¿Qué se hace realmente hoy día con datos en la mayoría de empresas?

Los Data Engineers

Básicamente juntar datos que están esparcidos por diversas bases de datos, limpiarlos y aplicar funciones de agregación sencillas con queries en SQL, Python o map reduce con Spark en los casos más avanzados. A estos perfiles se les llama data engineers y cobran bastante bien. De esto no te van a enseñar nada o casi nada en la carrera de Matemáticas, en Informática sí.

Los Business Analysts

Luego sen visualizan esto datos en un dashboard para ver tendencias en gráficos de barras y líneas. Las empresas tochas puede que quieran hacerse esto muy customizado y para ello necesitan programadores (no matemáticos), otras usarán herramientas de Business Intelligence, tipo Tableau, Qlik o Power BI y para eso no hace falta ni saber programar.

Para interpretar esos dashboards pero sobre todo para diseñarlos hacen falta buenas nociones de estadística pero eso es algo que fácilmente puede aprender cualquier ingeniero, estadístico incluso gente que proviene de ciertas carreras de ciencias sociales, ADE, Económicas…

Con esa base creo que es más suficiente, lo que te diferenciará aquí en el mercado será la experiencia que ganes interpretando datos de nichos (financieros de un banco, de marketing de retornos en inversión publicitaria, datos electorales etc) pero no necesitas estudiar Mates.

Antes esta gente básicamente eran los frikis del Excel, ahora usan herramientas que ingieren más volumen de datos y son más flexibles pintando gráficos para hacer informes/presentaciones de estadística descriptiva en Powerpoint. A esta gente se llama en inglés “Business Analysts

y son muy demandados (de todos los perfiles que comento probablemente sea del que encuentres más ofertas abiertas) tanto en consultoría como en cualquier empresa medio grande. Ahora mismo en Madrid puede haber perfectamente más de 20–30 masters/programas entre centros públicos y privados formando gente para analizar datos a ese nivel. Así que cada vez hay más competencia también. Ganan entre 25K (junior) a 40–50K (seniors)

Los Data Scientists

Luego están los “data scientists” que son los que hacen cosas más allá de estadística descriptiva sobre los KPIs (variables que indican cómo va el negocio), estos más que describir los datos aspiran a crear modelos (que combinan muchas variables) para predecir el futuro.

Otra slide del deck de inversores de Graphext

Esto perfiles también están muy demandados, pero la realidad es que muy pocas empresas en España tienen grandes equipos data science. Todo el IBEX dice tenerlos pero la mayoría subcontrata consultoras tipo McKinsey, BCG…sólo bancos y telecos tienen más de 10 personas por equipo.

Además hay herramientas que están automatizando y haciéndoles más productivos como nuestro @graphext ;) @DataRobot , H2O.ai

Crear modelos para predecir qué clientes tienen más posibilidad de irse o cuánto stock necesitan las tiendas ahora es un poco artesanal pero dejará de serlo.

Ahora mismo usar Xgboost o cualquier algoritmo es usar una librería de Python y jugar a tunear parámetros y tratar las variables para que funcione mejor. Obviamente saber mates ayuda pero un informático no debería tener tanto problema en aprenderlo rápido (en muchas especialidades será de hecho parte de currículum) y además tendrá más capacidad de que el código que escriba se pueda integrar en todo el sistema de la empresa sin que necesiten contratar a otra persona más. También puedes aprender data science por tu cuenta haciendo cursos de Coursera o viendo vídeos de Jaime Altozano.

Si para un banco optimizar ese algoritmo unas décimas para dar créditos tiene un impacto económico fuerte puede que le venga bien tener unos matemáticos que entiendan todo muy muy a fondo pero no necesita más de 1 o 2, necesitan muchos más ingenieros.

Además si has estudiado informática y te pica la curiosidad de las tripas matemáticas siempre podrás hacer masters en matemáticas y tendrás muchas más intuiciones ganadas (aunque lo más probable es que ya ganes bien, tengas pareja y poco tiempo y no lo acabes haciendo) :P

de hecho la mayoría de grandes mentes que están avanzando el mundo de data science hoy día han estudiado informática como @demishassabis , @ylecun , Mikolov, Leskovec, @AndrewYNg , @JeffDean , @alexjc mirad sus Linkedins. Antiguamente los que avanzaron el campo eran principalmente matemáticos y físicos porque no existía Informática.

Saber matemáticas al final son intuiciones sobre cómo operar con vectores de números y combinatoria, algo que los informáticos desarrollamos mucho más rápido con nuestro lenguaje que nos da feedback constante y no con pizarras con jeroglíficos. En esta charla Conrad Wolfram lo explica muy bien.

por eso casi siempre recomendaría estudiar Informática en vez de Mates (solas).

Por favor el mundo necesita muchísimos más informáticos e informáticas, montones de ideas maravillosas para todos los sectores (salud, financieros, transporte, educación) que no se hacen por falta de gente.

Todos estos puestos de trabajo están muy bien pagados, raro sería que ganaras menos de 40K al año en cualquiera de ellos (que comparado con el resto de profesiones es un sueldazo en España). Además muchas empresas dan mucha flexibilidad y te dejarán trabajar en remoto desde provincias sin tener que mudarte a Madrid o Barcelona. Y cada vez iremos viendo más data scientists, data engineeers que pasen de los 60K (que ahora mismo diría que es el techo de cristal) y ganarán más que muchos managers.