Sí, hay alternativas aún mejores

Por qué no necesitas estudiar Matemáticas para encontrar empleo seguro en 'big data'

Es una de las carreras del momento. La idea del pleno empleo y de un futuro prometedor ha hecho que todos quieran estudiarla, pero hay otras opciones incluso mejores para la ciencia de los datos

Foto: (Foto: EFE)
(Foto: EFE)

Bárbara L. Ramírez tiene 30 años y trabaja desde hace uno en una multinacional española como 'data scientist' o científica de datos. Matemática de carrera, especializada en 'data science' a través de un máster y con apenas periodos de paro en estos años, su desarrollo profesional se parece mucho al que miles de estudiantes buscan cada año al decidir a qué grado dedicar su periodo universitario y que ha hecho que la nota para entrar en cualquier facultad de Matemáticas se haya disparado más de 7 puntos en muchas universidades de toda España. Pero, ¿es verdad que esta carrera es la mejor opción de acceder al mundo del estudio de los datos? ¿No hay alternativas mejores?

La pregunta puede sonar bastante extraña pues cuando hablamos de 'big data' lo hacemos señalando un sector gigantesco con muchas aristas y en pleno desarrollo, pero el llamativo 'boom' de las esta rama de conocimiento ha hecho que más de uno apunte a la carrera como la puerta de entrada perfecta a un sector en el que, para más inri, el paro es algo que se ve poco (no hay datos definitivos, pero se habla de una empleabilidad mayor del 95%). Una concepción que, para suerte de muchos que no lleguen a esos 12,6 de nota de corte que tiene esta carrera, no es del todo cierta, según apuntan los expertos, sino que hay varias opciones para dedicarse, incluso con más oportunidades, al mundo de los datos.

"Yo me metí en Matemáticas porque era lo que menos me costaba estudiar, sabía que iba a acabar trabajando en algo relacionado con programación pues mi rama fue Matemática Computacional, pero hasta los últimos años de carrera no me planteé en serio lo de trabajar en 'big data'. Lo que sí sabía es que era una carrera que empezaba a estar muy de moda y a tener muchas salidas y por eso al terminar hice un máster especializado en esta área", explica Ramírez en conversación con Teknautas. Su opinión sobre el sector y la idea de Matemáticas como trampolín que necesitas de especialización cuadra con el pensamiento de otros expertos que trabajan en este ámbito.

Cree que el conocimiento matemático es básico para este ámbito, pero también otros relacionados con programación o estadística que se consiguen, mejor, a través de otros grados o de algún máster. "Creo que para ser 'data scientist' necesitas tener conocimientos de matemáticas pero también es muy importante la parte computacional de este trabajo y eso se suele aprender más en otras carreras más técnicas como Informática. Pensar que con un conocimiento teórico ya eres un buen data scientist es simplificar muchísimo".

(Foto: EFE)
(Foto: EFE)

Su pensamiento se parece mucho al de Daniel Villatoro, jefe de Data Science en Openbank, doctor en Inteligencia Artificial y uno de los fundadores de DataBeers unos coloquios sobre 'big data' que nacieron en Madrid y que ya han llegado a varios países. "Yo, por ejemplo, estudié Ingeniería Informática y después me doctoré en Inteligencia Artificial. Creo que mi formación como ingeniero me dio la disciplina de crear procesos robustos para el problema a resolver y la informática me dio las herramientas para hacerlo de manera programática".

Entonces, ¿por qué ha crecido tanto la demanda de la carrera de Matemáticas y menos la de Informática, por ejemplo? "Supongo que la gente asocia el nuevo paradigma del 'big data' y del 'data science' con las matemáticas por la propia terminología que se usa en este mundo: análisis de datos, correlaciones, algoritmos, propensiones, modelos predictivos... Sin embargo toda esta terminología es común en un gran ámbito de disciplinas científico-técnicas: matemáticas, física, informática, o estadística. Incluso llega a entornos 'de letras' como la lingüística".

Son esas áreas científico-técnicas las alternativas que tanto Villatoro como otro experto, esta vez dedicado al mundo de la docencia, como Jordi Vitrià (profesor y miembro del departamento de Matemáticas e Informática de la Universidad de Barcelona y director del Máster 'Foundations of Data Science') ven como las más atractivas como para sustituir a las matemáticas. "Ahora mismo las empresas buscan equipos multidisciplinares, pues para tratar todo lo que es 'big data' necesitas gente que sepa entender y crear modelos y algoritmos como son físicos o matemáticos, pero también gente que sepa poner en marcha estos modelos y programarlos e incluso gente que venga de áreas de negocio y se entiendan con los ingenieros para traer todo esto a la realidad del resto de la compañía", apunta Vitrià.

Es más, Vitrià asegura que, en su máster, los graduados están muy repartidos. "Tenemos un tercio de matemáticos, otro de físicos y otros de informáticos. Aunque también estadísticos y gente que viene de otras áreas. Lo que más se valora es que sean personas que aprendan rápido, que se adapten a un sector muy cambiante y en pleno desarrollo y que no tengan miedo al aprendizaje continuo".

Vale, pero ¿qué grado elijo?

Después de hablar con expertos está claro que la idea de que las matemáticas son el único camino es una generalidad, pero ¿qué carrera elijo para empezar? Pues, según estos mismos especialistas, lo mejor es ver a qué parte del Big Data te quieres dedicar y seguir la trayectoria más lógica.

"Si te gusta el modelado y la construcción de algoritmos lo mejor es que apuestes por Matemáticas o Física, pues son las carreras que más te preparan para esto. Si, prefieres la programación, está claro que debes ir mejor por alguna ingeniería que te dé más conocimientos técnicos, y por último tienes la opción de Estadística más enfocada al análisis y la interpretación de los datos", apunta Vitrià. Según este profesor, prácticamente no hay diferencia en empleabilidad en estas ramas, y la salida laboral de los estudiantes es casi clavada. "No, aunque haya aumentado más la nota de Matemáticas, no hay más demanda de empleo que en Informática o Física. Es más, en nuestra uni ya están empezando a aumentar las notas de corte de estas carreras".

Ramírez, por su parte, recomienda una salida media que también está muy de moda y que aúna la parte técnica y la teórica. "Hay un grado en matemáticas e informática que yo creo que es la mejor solución para todo el que quiera dedicarse a esto de los datos. Hay muchas ramas en este sector, pero para tener más opciones de trabajar yo estudiaría 'mates' con informática y luego haría un máster de especialización en la parte del 'big data' que más me gustase", explica.

Facultad de Matemáticas de la Universidad de Sevilla. (Foto: Wikimedia)
Facultad de Matemáticas de la Universidad de Sevilla. (Foto: Wikimedia)

La combinación también es la clave para Daniel González de la Vega, uno de los fundadores de la plataforma para estudiar matemáticas online Smartick. "La combinación perfecta para 'data science', desde mi punto de vista, es una carrera con una componente matemática muy fuerte y una componente en programación importante. Digo programación, que no informática, porque la informática es más que programación (sistemas, redes, sistemas operativos, etc.), componentes que no suman para un perfil de Data Science".

Las opiniones están muy bien, pero, ¿qué pasa con las notas de corte? Pues podemos verlo echando un ojo al buscador de notas de corte de 'El País'.

Sin duda encontramos que las carreras con nota de corte más alta son el doble grado de Matemáticas e Informática, Matemáticas y Física, que superan, de media, el 10 e incluso el 11 o el 12, pero eso no pasa con Ingeniería Informática o Estadística. En la primera, la nota más alta de toda España es la de Universidad de Santiago de Compostela con un 10,82, y encontramos varios 5. Por la segunda el techo está aún más bajo y lo encontramos en la Universidad de Barcelona con un 7,79.

El sueño (y el peligro) del pleno empleo

Las notas de corte muestran como existe una moda entorno a las Matemáticas y la Física y todos los expertos coinciden en que el sueño del pleno empleo es una de las razones de peso, más incluso que el interés por el Big Data. "Yo por lo que veo en los estudiantes, entran en la carrera porque les han dicho que hay mucha empleabilidad, y en un mundo tan cambiante saben que estos estudios son una apuesta sobre seguro para lo que vendrá en el futuro", apunta Jordi Vitrià. ¿El problema? Que esto también puede generar una gran burbuja que acabe con abandonos y la aparición de falsos expertos.

"Yo creo que la burbuja ya está aquí y se ve en la cantidad de perfiles que se autoproclaman como expertos en Inteligencia Artificial o en 'Data Science' después de un curso online de meses y que tratan de subirse al carro. Eso es un peligro, y en parte nace de que es verdad que actualmente, sí, hay pleno empleo, y la escasez de perfiles está provocando una mejora de las condiciones laborales que ofrecen las empresas. Eso atrae mucho talento, pero también gente que se intenta aprovechar", explica Daniel Villatoro.

Evento de 'big data' en China. (Foto: Reuters)
Evento de 'big data' en China. (Foto: Reuters)

La idea de entrar en la universidad y saber que en 4 o 5 años puedes tener trabajo seguro y con mejores condiciones que el resto de tus compañeros es de lo más apetecible, pero no son estudios sencillos ni muchas universidades están preparadas aún para este 'boom' del big data. Por ello hay que pensarlo dos veces antes de lanzarse a la piscina y dejarse llevar.

"Creo que ahora la gente se mete en matemáticas porque es la carrera con menos paro, pero esto va a llevar también a muchos abandonos. Matemáticas es una carrera muy dura y, o eres un portento y no necesitas estudiar mucho, o eres una persona normal como yo con una motivación alta y no te importa sacrificarte y pasar horas y horas estudiando. Si antiguamente la gente entraba solo porque de verdad querían estudiarla y aun así había muchos que después del primer año abandonaban, imagínate ahora", termina Ramírez.

Tecnología

El redactor recomienda

Escribe un comentario... Respondiendo al comentario #1
3 comentarios
Por FechaMejor Valorados
Mostrar más comentarios