Inteligencia (IA), el futuro de los datos va más allá de las funciones tradicionales de analista de datos o científico de datos. Ahora más que nunca, escucho a muchos de mis pares y expertos de la industria expresar su preocupación por el mercado laboral (es decir, que ya no acepta profesionales de datos al ritmo que solía hacerlo en el pasado reciente) y el futuro del mundo tecnológico. Escucho a más líderes decir que las responsabilidades laborales de un científico o analista de datos pueden ser muy diferentes a las de hoy.
En los últimos meses, mientras leía sobre los avances tecnológicos en todas las líneas de negocios, leí sobre muchas carreras poco convencionales y especializadas que están surgiendo en el panorama. Los datos están en todas partes a nuestro alrededor y, sin embargo, muchas industrias no han visto una afluencia de profesionales de datos que alcancen su máximo potencial. Siempre escuchamos sobre contratación en tecnología, atención médica, finanzas, comercio minorista o gobierno para la mayoría de los roles relacionados con datos.
Entonces, en esta publicación de blog, quiero resaltar cinco campos donde los datos se pueden utilizar en gran medida con una cantidad limitada de profesionales de datos de calidad en la fuerza laboral actual, si ya existen carreras de datos reales en esas líneas de negocios, cómo se ven esos roles en el día a día y si son sostenibles a largo plazo.
Arqueología
La historia y los datos van de la mano.
Puede que a primera vista la arqueología no parezca un campo de datos moderno, pero en la práctica, los arqueólogos siempre han trabajado como analistas: recopilando evidencia fragmentada, buscando patrones en el espacio y el tiempo y construyendo narrativas basadas en datos.
Lo que ha cambiado en las últimas dos décadas es la introducción de datos digitales. La arqueología moderna depende cada vez más de datos espaciales de alta resolución, sensores remotos y modelos computacionales. La excavación en sí ya no es el punto de partida; a menudo es el último paso, basado en un extenso análisis de datos previo.
¿Qué roles de datos existen hoy?
Los títulos dedicados a “arqueólogos de datos” todavía son raros, pero los roles híbridos están creciendo. Estos incluyen:
Analistas SIG integrados en equipos de arqueología o patrimonio. Especialistas en teledetección que trabajan con LiDAR e imágenes satelitales. Investigadores científicos de datos en universidades, museos e institutos de preservación cultural.
La mayoría de estos roles se encuentran en la intersección de la arqueología, la geografía y la ciencia de datos y no dentro de los equipos de análisis corporativos.
¿Qué implica realmente el trabajo?
El trabajo diario con datos en arqueología a menudo se ve así:
Procesar conjuntos de datos LiDAR para identificar estructuras del subsuelo Construir capas SIG que combinen terreno, mapas históricos y registros de excavación Diseñar modelos predictivos para estimar dónde es probable que existan sitios no descubiertos Limpiar y estandarizar bases de datos de artefactos que abarcan décadas o siglos
El objetivo de trabajar en arqueología no es la optimización con fines de lucro, sino la precisión: reduciendo excavaciones innecesarias, preservando sitios frágiles y mejorando la precisión histórica.
¿Es esta trayectoria profesional sostenible?
¡Las funciones de los datos relacionados con la arqueología son estables pero específicas!
En mi humilde opinión, son más sostenibles dentro de la academia, el gobierno y las organizaciones internacionales de preservación que en las nuevas empresas. Es posible que la compensación no esté a la altura de las grandes tecnologías de hoy, pero la financiación para el patrimonio cultural, el impacto climático en los sitios históricos y la preservación digital continúa creciendo a nivel mundial.
Este camino se adapta mejor a los profesionales de datos motivados por la investigación, el impacto a largo plazo y el trabajo interdisciplinario en lugar de un rápido escalamiento profesional.
Manejo de vida silvestre
La gestión de la vida silvestre ya es una disciplina que requiere muchos datos, pero no siempre lo parece desde fuera. El manejo y la conservación de la vida silvestre dependen de la comprensión del comportamiento de las especies, los patrones ambientales, los cambios climáticos y las interacciones ecológicas, todo lo cual genera enormes cantidades de datos. Las decisiones de conservación dependen cada vez más de flujos continuos de datos de sensores, imágenes satelitales, cámaras trampa y modelos climáticos.
A diferencia de las funciones analíticas tradicionales, las limitaciones aquí son tanto físicas como éticas. No se pueden realizar pruebas A/B de ecosistemas. Hay que trabajar con datos incompletos, incertidumbre y largos ciclos de retroalimentación.
¿Qué roles de datos existen hoy?
Las carreras de datos en gestión de vida silvestre suelen aparecer con títulos como:
Analista de datos de conservación Modelador ecológico Científico de datos espaciales (centrado en SIG) Analista de bioinformática o biovigilancia
Estos roles se pueden encontrar dentro de ONG, agencias gubernamentales de vida silvestre (incluidos parques nacionales y estatales), instituciones de investigación y consultorías ambientales.
¿Qué implica realmente el trabajo?
El trabajo con datos del mundo real en el manejo de la vida silvestre incluye:
Analizar los datos del collar GPS para comprender la migración y los cambios territoriales Usar imágenes satelitales para rastrear la deforestación, la sequía o la pérdida de hábitat Procesar imágenes de cámaras trampa con modelos de visión por computadora Construir modelos de riesgo para predecir la actividad de caza furtiva o los brotes de enfermedades
Los resultados son a menudo herramientas de apoyo a la toma de decisiones en lugar de paneles de control: mapas, alertas y pronósticos que guían las intervenciones sobre el terreno.
¿Es esta trayectoria profesional sostenible?
¡Este es un campo en crecimiento pero que depende de subvenciones!
La demanda está aumentando debido al cambio climático, la pérdida de biodiversidad y la regulación gubernamental, pero las funciones a menudo dependen de la financiación pública o de presupuestos de organizaciones sin fines de lucro.
Para los profesionales de datos, la sostenibilidad mejora significativamente con la especialización en dominios (ecología, ciencias ambientales) y sólidas habilidades de análisis espacial. Los analistas de propósito general pueden tener dificultades en este punto; los especialistas prosperan.
Análisis deportivo
El análisis deportivo es una de las carreras de datos de más rápido crecimiento en la actualidad, gracias a los sensores en tiempo real, el seguimiento de jugadores, la biomecánica y las métricas de rendimiento. Hace cinco años pensé en hacer análisis para deportes o finanzas, ¡pero el destino tenía otros planes!
En mi opinión, el análisis deportivo ya no es una función experimental: es una infraestructura. Los equipos profesionales de baloncesto, cricket, fútbol y fútbol americano están utilizando análisis para tomar decisiones más inteligentes y ahora tratan los datos como un activo competitivo, integrando análisis en la exploración, el entrenamiento, la prevención de lesiones e incluso la participación de los fanáticos.
Lo que hace que el análisis deportivo sea único es la velocidad de retroalimentación. Los modelos se prueban en cada partido, a veces en cada jugada. Los fracasos son visibles, rápidos e instructivos.
Usar tus habilidades de análisis de datos para ayudar a tu equipo favorito a ganar más partidos suena demasiado bueno para ser verdad, ¿verdad?
¿Qué roles de datos existen hoy?
A diferencia de muchos campos emergentes, el análisis deportivo tiene funciones claramente definidas:
Analista de rendimiento Científico de datos deportivos Analista de biomecánica Ingeniero de análisis de vídeo y visión por computadora
Estos roles existen en equipos profesionales, ligas, empresas de tecnología deportiva y plataformas de medios.
¿Qué implica realmente el trabajo?
Los profesionales de datos deportivos suelen trabajar en:
Seguimiento de jugadores y datos de gestión de carga Modelado de riesgo de lesiones mediante métricas fisiológicas Detección de eventos basada en vídeo y reconocimiento de patrones Valoración de contratos y previsión de rendimiento a largo plazo
El trabajo combina estadística, aprendizaje automático e intuición de dominio: los modelos deben alinearse con la realidad del coaching, no solo con la significación estadística.
¿Es esta trayectoria profesional sostenible?
¡Sí, y altamente competitivo! Hay menos trabajos en relación con los intereses y los equipos a menudo prefieren candidatos con habilidades analíticas y conocimientos específicos del deporte.
La sostenibilidad a largo plazo podría ser mejor incursionando en proveedores de tecnología deportiva, análisis de medios o roles de investigación aplicada en lugar de quedarse únicamente dentro de los equipos.
Energía Renovable
A medida que la energía renovable crece, la variabilidad se convierte en el desafío principal. El viento no siempre sopla. El sol no siempre brilla. Los datos son los que hacen que los sistemas renovables sean lo suficientemente predecibles como para confiar en ellos.
En este ámbito, el análisis no es un complemento: es fundamental para la estabilidad de la red, los precios y las políticas.
¿Qué roles de datos existen hoy?
La energía renovable emplea a profesionales de datos en roles tales como:
Analista de sistemas energéticos Científico de datos de previsión y optimización Ingeniero de análisis de redes Analista de datos de políticas energéticas
Estos roles existen en empresas de servicios públicos, nuevas empresas de energía, agencias gubernamentales y laboratorios de investigación.
¿Qué implica realmente el trabajo?
El trabajo diario a menudo incluye:
Previsión de la producción solar y eólica utilizando datos meteorológicos Optimización del almacenamiento de energía y equilibrio de carga Identificación de pérdidas e ineficiencias en la transmisión Respaldo de decisiones regulatorias y de inversión con modelos respaldados por datos
A diferencia del análisis de consumidores, este trabajo enfatiza la confiabilidad, la explicabilidad y la previsión a largo plazo.
¿Es esta trayectoria profesional sostenible?
¡Muy!
A medida que la inversión global en energía limpia continúa aumentando, la complejidad de la regulación y la infraestructura exige cada vez más la experiencia en datos. La energía renovable es una de las áreas más preparadas para el futuro para los profesionales de datos dispuestos a aprender sobre los sistemas energéticos y las limitaciones de las políticas.
Estrategia de investigación
La estrategia de investigación aplica el análisis de datos a entornos de alto riesgo donde las decisiones tienen consecuencias inmediatas: ciberseguridad, investigaciones criminales, análisis de inteligencia y delitos financieros.
Aquí, el desafío no es sólo el volumen, sino la extracción de señales bajo incertidumbre y presión de tiempo.
¿Qué roles de datos existen hoy?
Estos roles suelen aparecer como:
Analista de inteligencia Científico de datos en detección de fraudes y anomalías Analista de ciberamenazas Especialista en análisis de comportamiento
Se encuentran comúnmente en agencias gubernamentales, contratistas de defensa, instituciones financieras y empresas de ciberseguridad.
¿Qué implica realmente el trabajo?
El trabajo de investigación de datos incluye:
Reconstruir cronogramas a partir de evidencia digital fragmentada Detectar patrones anómalos en datos financieros o de comunicación Construir sistemas de calificación de riesgos para la priorización Traducir hallazgos complejos en inteligencia procesable para partes interesadas no técnicas
La precisión y la responsabilidad importan más aquí que la novedad del modelo.
¿Es esta trayectoria profesional sostenible?
Sí, con salvedades. La demanda sigue siendo fuerte, pero los roles a menudo requieren autorizaciones de seguridad, rigor ético y tolerancia hacia temas emocionalmente pesados.
Para los profesionales de datos que valoran el trabajo impulsado por una misión y los entornos estructurados, este camino ofrece estabilidad a largo plazo.
Pensamientos finales..
Las carreras de datos son cada vez más contextuales
El futuro del trabajo de datos no se trata de perseguir el próximo puesto de trabajo genérico, sino de integrar profundamente la analítica en problemas específicos de un dominio.
Al observar estos campos, vemos una tendencia más amplia de que las carreras de datos se están volviendo menos centralizadas y más contextualizadas. Los profesionales de datos más resilientes no serán aquellos que conozcan la mayor cantidad de herramientas, sino aquellos que puedan combinar habilidades analíticas con perspicacia para los negocios, juicio ético y pensamiento crítico a largo plazo. La pregunta ya no es “¿se pueden utilizar datos aquí?” pero “¿quién comprende este ámbito lo suficientemente bien como para utilizar los datos de manera responsable y eficaz?
Eso es todo por mi parte en esta publicación de blog. ¡Gracias por leer! Espero que te haya resultado una lectura interesante. sobre tu experiencia con la narración de historias, tu viaje en datos y lo que estás buscando en el nuevo año.
Rashi es un experto en datos de Chicago al que le encanta analizar datos y crear historias de datos para comunicar ideas. Es consultora sénior de análisis de atención sanitaria a tiempo completo y le gusta escribir blogs sobre datos los fines de semana con una taza de café.