Tabla de contenidos
Introducción
Networking. Constantemente nos dicen frases como «He oído que el networking es útil, ¿por qué no lo intentas?». Este tipo de frases son bienintencionadas, pero poco útiles. La mayoría de la gente entiende el valor del networking. Muchos Data Scientist no son contratados a través de listas de trabajo oficiales, sino a través de referencias y conexiones. Puede ser difícil saber cómo establecer contactos de forma eficaz. Algunos consejos están desfasados, otros no son relevantes para los Data Scientists y otros son totalmente erróneos. Es más fácil echar la vista atrás al paso anterior en tu carrera y entender lo que realmente funcionó. Esto se debe a que puedes ver el denominador común entre las personas exitosas que te rodean ✨.
En esta entrada del blog, quiero darte mis consejos sobre cómo establecer contactos como Data Scientist. A continuación lo he dividido en consejos para aspirantes a Data Scientist, Data Scientist junior y Data Scientist senior. Yo mismo soy un Data Scientist senior, así que tengo experiencia con todos estos pasos. También he hablado con muchos reclutadores profesionales y he estado en ambos lados de las entrevistas de contratación. Aún así, por favor, toma todo lo que digo con un grano de sal. No soy una autoridad en este tema más que nadie, y estas son sólo mis propias reflexiones.
Antes de empezar, debes saber que creo que enfocar el networking como un problema de optimización es fundamentalmente erróneo. Tener 1000 conexiones en LinkedIn o 5.000 likes en tu post sobre LLMs no es el objetivo. El objetivo del networking es establecer conexiones genuinas con otras personas afines que aman las mismas cosas que tú. Estas conexiones te proporcionan una red de personas a las que puedes ayudar y a las que puedes recurrir cuando lo necesites.
Paradójicamente, enfocar el trabajo en red como un problema de optimización te hace malo en el trabajo en red. Esto hace que te centres más en las métricas que en las personas. Conocer a alguien que sólo conversa contigo por la «influencia» es desalentador. Este enfoque también es psicológicamente perjudicial. Empiezas a ver a las personas como meros medios para alcanzar una métrica arbitraria. Esto no es especialmente divertido ni eficaz 😔.
Así que, mientras lees estos consejos, no olvides que el networking tiene que ver fundamentalmente con las personas. Seguro que esto suena a tópico. Pero también puede ser sorprendentemente tranquilizador. No hace falta que te pongas en la piel de un vendedor para hacer contactos. No hace falta que lleves traje y dispares con el dedo mientras hablas con gente nueva. Tu pasión por la ciencia de datos es más que suficiente.
Consejos para aspirantes a Data Scientist
Me alegro de que estés interesado en seguir una carrera como Data Scientist. Asumiré que actualmente no trabajas como Data Scientist, pero quieres hacerlo en el futuro. Probablemente estés estudiando en una universidad o institución similar. En esta fase de tu carrera, yo me centraría en los cinco consejos siguientes para establecer contactos:
Consejo 1: Haz cursos relevantes para conocer a gente afín
Seguro que los cursos de arqueología o derecho medioambiental son interesantes. Sin embargo, es probable que no conozcas a muchos futuros colegas en esos cursos si tu objetivo es ser un Data Scientist. Si tomas cursos de data science, estadística o informática, entonces esto será mucho más probable. La principal razón para tomar cursos relevantes es, por supuesto, adquirir conocimientos, pero no subestimes el valor de formar una red sólida.
Cuando tomes cursos relevantes, intenta hablar con diferentes personas y conocerlas un poco. No hace falta que seas increíblemente sociable si no quieres, pero un poco da para mucho. Haber establecido contactos con entre 5 y 10 personas por cada curso relevante que tomes suma rápidamente.
Consejo 2: Si es posible, solicita un trabajo de verano (remunerado) que sea relevante.
Si puedes realizar un trabajo de verano como Data Scientist, te resultará muy útil para establecer contactos. Algunas personas lo utilizan para introducirse en la empresa y, a menudo, consiguen un trabajo en ella después de terminar sus estudios. Incluso si no lo consigues, tener experiencia profesional previa con data science es una gran ventaja en cualquier CV.
En cuanto a la creación de redes, trabajar en un empleo de verano te presentará a mentores y colegas con los que podrás conectar. La gente tendrá conocimientos del mundo real de data science, que a menudo es bastante diferente de la versión académica. Formar una red aquí es crucial para tu futura carrera.
Cuando trabajes en el empleo de verano, intenta conocer a gente de fuera del pequeño bollo en el que te van a meter. Almuerza con diseñadores y charla con propietarios de productos. Estar en un trabajo de verano significa que la mayoría de la gente allí estará muy abierta a que hagas preguntas y conectes. Esto hace que el aspecto del networking sea mucho más fácil 😃.
Consejo 3: Acude a jornadas sobre carreras profesionales y habla con representantes
A menudo las universidades organizan jornadas de orientación profesional en las que las empresas vienen a hacer presentaciones. Es una gran oportunidad para hablar con los representantes de las empresas y conocer sus actividades. Incluso es posible que te ofrezcan comida gratis, lo que siempre es una ventaja como estudiante.
Sé por experiencia que asistir a los días de la carrera profesional es un poco incómodo. Es un ambiente semiformal, pero relajado al mismo tiempo. No te preocupes. Los representantes de las empresas suelen pensar lo mismo. Cuando asistas a las jornadas, aprovéchalas al máximo.
Consejo 4: Inscríbete en un programa de mentores
Las universidades suelen tener un programa de mentores/alumnos. En ellos, los estudiantes pueden ponerse en contacto con profesionales del sector para conocer el día a día de la profesión. Es una gran oportunidad, seguramente gratuita, que te permitirá conocer a profesionales en activo.
Los mentores pueden darte consejos sobre cuestiones técnicas, pero también sobre cómo y cuándo solicitar puestos o qué puestos son buenos. Los profesionales que ejercen de mentores suelen hacerlo porque aman su profesión y la conocen al dedillo. Si decides participar en un programa de este tipo, asegúrate de ir preparado. Ten preparadas las preguntas que quieras hacer y respeta el tiempo del mentor 🙏.
No tengas miedo de mantenerte en contacto con tu mentor. A los mentores les suele encantar saber cómo van las cosas y pueden darte más consejos si te preguntas algo. Más adelante en tu carrera, puedes «devolver» y convertirte en mentor de otra persona si así lo deseas.
Consejo 5: Ten al menos una mínima presencia en línea
Deberías registrarte en la red más utilizada por los científicos de datos de tu país. Para la mayoría de nosotros será LinkedIn, así que a partir de ahora me referiré a LinkedIn. Hablando con reclutadores, sé que no tener un perfil en LinkedIn está mal visto. Aunque personalmente no estoy de acuerdo, esto apenas importa.
Añade a LinkedIn a las personas que conozcas a través de las clases, las reuniones y los trabajos de verano. Es una forma cómoda de estar en contacto con ellos. También puedes utilizar LinkedIn para anunciar que estás buscando trabajo cuando llegue ese momento. Muchos de mis amigos han encontrado trabajo de esta manera.
Recuerda que no tienes por qué publicar en Internet nada con lo que no te sientas cómodo. De hecho, no creo que necesites publicar nada en esta fase de tu carrera. Simplemente crea una cuenta, añade la información pertinente y mantente en contacto con la gente que conozcas. Así de sencillo.
Tips para Data Scientists Junior
Veo que estás trabajando como Data Scientists Junior. Enhorabuena. Es un campo apasionante y me alegro de que estés con nosotros. Tienes mucho que aprender desde el punto de vista técnico, pero también es bueno prestar atención a la creación de redes. En esta fase de tu carrera, yo me centraría en los cinco consejos siguientes para establecer contactos:
Consejo 1: Cultiva buenas relaciones con tus colegas
Esto es casi demasiado obvio. Lo más probable es que en tu carrera trabajes con otros r data scientists, data engineers, data analysts, e ingenieros de ML. Asegúrate de tener una buena relación con ellos y conecta con ellos. Habla de data science y disciplinas relacionadas por todos los medios, pero no evites hablar de otras cosas también. Entablar una relación con alguien suele ser más fácil si sabes algunas cosas sencillas sobre él personalmente.
Te recomiendo que también conozcas a gente de otros departamentos. Cuando cambies de trabajo, puede que alguien de tu anterior departamento de comunicación trabaje allí ahora. Todavía pueden darte una recomendación basada en tu personalidad, aunque probablemente no puedan decir mucho sobre tus habilidades en la ciencia de datos. Hablar con personas de diferentes disciplinas también es una buena forma de evitar estar completamente aislado. Algunos de los mejores científicos de datos que conozco tienen un conocimiento práctico mínimo de campos cercanos.
Si trabajas a distancia, esto será mucho más difícil. Yo mismo he trabajado a distancia, así que no estoy desaconsejando el trabajo a distancia como práctica en general. Sólo quiero ser sincero sobre la realidad de la situación si eliges ese puesto. Si eliges una posición remota, entonces puedes poner más trabajo en los siguientes consejos 💪.
Consejo 2: Asiste a reuniones, talleres y conferencias
Fuera de tu trabajo, tendrás la oportunidad de conocer a otros Data Scientist. Suelen ser reuniones, talleres y conferencias. Es bueno asistir a todos ellos de vez en cuando para establecer contactos. Si son buenos, también se puede aprender mucho. Mientras que las reuniones y los talleres suelen ser gratuitos, las conferencias suelen ser bastante caras. Puedes pedir a tu empresa que corra con los gastos.
Te aconsejo que sólo asistas a este tipo de eventos si realmente te interesan. No tiene mucho sentido que vayas a un taller de React si no te interesa el desarrollo front-end. Encuentra algo que te interese de verdad; de lo contrario, acabarás agotado.
Por último, si encuentras una reunión que te gusta y a la que has asistido varias veces, no tengas miedo de presentarte voluntario. Los organizadores de encuentros suelen tener dificultades para encontrar presentadores. No hace falta ser un Data Scientist experimentado para dar una buena charla. De hecho, algunas de las mejores charlas que he visto han sido de personas con menos experiencia.
Consejo 3: No tengas miedo de orientar a otros
Puede que pienses que aún no has alcanzado el nivel necesario para ser mentor de otros. Pero no es cierto. Incluso alguien que sólo tiene 6 meses de experiencia laboral puede orientar a un recién licenciado en algunas cosas. Piensa en cuando empezaste a trabajar. ¿Qué le habría sido útil saber? Quizá sea algo tan mundano como dónde se encuentra cierta información. ¿O tal vez cómo funciona el despliegue de Data Science en la organización? Esto puede resultarle fácil ahora, pero complicado al principio.
Al orientar a otros, estableces una conexión con ellos. Pueden acudir a ti con preguntas y tú intentarás ayudarles. No es de extrañar que muchos empleados nuevos consideren a su mentor (dado que el mentor hace realmente su trabajo) como la persona que mejor conocen. Así que pregunta a tu jefe si puedes ser mentor de nuevos empleados lo antes posible 🔥.
Consejo 4: Escribe blogs o imparte un curso sobre temas técnicos
Ahora estás en una posición en la que puedes enseñar a otros. Aunque la tutoría, como se ha mencionado anteriormente, es una forma muy personalizada de hacerlo, no tengas miedo de hacerlo también a través de blogs o cursos. Si escribes una entrada de blog sobre una biblioteca técnica que carece de buena documentación, mucha gente te lo agradecerá. Sólo asegúrate de elegir un tema con el que te sientas cómodo.
Mi consejo es que empieces por algo pequeño. ¿Hay gente en tu empresa que se queja de que los recién licenciados no conocen programas de control de versiones como Git? Ofrécete a dar un curso de una hora sobre este tema. ¿Se quejan los compañeros de que es difícil entender cuándo usar Pandas vs Polars vs Spark para el procesamiento de datos? Cree una entrada de blog para esto donde se tome el tiempo para investigar las diferencias. Esto puede ser valioso y una gran práctica también.
Consejo 5: Mejora tu presencia en Internet
Creo que puede ser beneficioso mejorar un poco tu presencia en Internet en esta etapa de tu carrera. No te preocupes, no hace falta que te conviertas en un Data Scientist influyente. Pero poner un poco más de empeño en tu perfil y tus interacciones probablemente sea positivo.
Para tu perfil, añade descripciones de trabajo más detalladas, habilidades, certificaciones, etc. Si quieres trabajar para convertirte en un Data Scientist senior, emula este tipo de perfiles. Ten una imagen clara y una sección «sobre mí» atractiva y profesional. Esto no debería llevarte muchas horas escribirlo, pero a muchos reclutadores les importa. Puedes hacerlo mejor que tener una foto de tu gato como foto de perfil y una descripción que diga «hago esas cosas de datos».
Si quieres publicar contenido, entonces publica sobre tecnología interesante, charlas o blogs interesantes, o cualquier cosa que te interese de verdad. No necesitas hacer posts que traten sobre las tendencias actuales de la ciencia de datos o hacer posts clickbait con títulos como «¡SQL está muerto!». No lo está, y espero que ya lo sepas 😅.
Tips para Data Scientists Senior
¡Enhorabuena por convertirte en Data Scientist sénior! Seguro que has trabajado mucho para conseguirlo. Este cambio en la jerarquía también cambia bastante la forma de relacionarse. En resumen, el principal cambio es que se espera que «pongas las cosas ahí fuera» de varias maneras. En esta etapa de tu carrera, yo me centraría en los cinco consejos siguientes para establecer contactos:
Consejo 1: Presente en conferencias, reuniones, seminarios web, etc.
En las etapas anteriores de tu carrera, la mayoría de las veces asistías a eventos. Aunque ésta sigue siendo una forma valiosa de establecer contactos, palidece en comparación con las presentaciones.
Cuando expones en diversos foros, estás mostrando indirectamente tus conocimientos. Si haces un buen trabajo, la gente acudirá a ti. Esto invierte la polaridad de tu red de contactos: ahora tienes un efecto llamada. Ten en cuenta que presentar bien requiere mucho tiempo:
En primer lugar, la mayoría de la gente tarda años en ser buena presentando. Empieza pronto. Cuanto antes empieces tu carrera, más aceptará la gente las presentaciones mediocres. Como Data Scientist Junior, la gente quedará impresionada con tu dedicación, incluso si tus habilidades de presentación necesitan refinarse. En un determinado momento de tu carrera, ser malo en las presentaciones está mucho peor visto.
En segundo lugar, aunque se te den bastante bien, preparar una presentación requiere mucho trabajo. Por eso hay que elegir con cuidado cuándo presentar en un acto. Es mejor presentar 5 veces al año de forma excelente que 50 veces de forma mediocre. Prioriza la calidad sobre la cantidad.
Consejo 2: Mejora tu redacción
En tu trabajo tendrá que escribir mucho. No importa si se trata de documentación, memorandos, instrucciones, presentaciones, resúmenes, puntos de vista, entradas de blog, correos electrónicos o algo completamente distinto. La cuestión es que escribir se ha convertido en algo cotidiano. Y de repente se espera que seas bueno en ello.
El hecho es que serás juzgado por lo que escribas. Como tal, puede ser un serio impedimento para establecer contactos a un nivel superior. A algunos les parece muy superficial juzgar a alguien por cómo escribe. Pero la escritura es a menudo el único resultado que el receptor puede juzgar o incluso entender. La mayoría de las partes interesadas no entienden tu ingeniosa búsqueda de hiperparámetros ni tu intrincada canalización de datos. Si no puedes explicar en términos sencillos por qué un proyecto debe continuar, no te sorprendas cuando lo cancelen 😲.
Tener una comunicación escrita clara es cada vez más importante, sobre todo para el trabajo en red. Hablarás con mucha gente a través del chat, el correo electrónico e interfaces similares. Si escribes mal, la impresión que des puede ser negativa.
Para muchos de nosotros, el inglés no es nuestra lengua materna. Por eso, a menudo tenemos que comunicarnos con claridad en dos (¡o más!) idiomas. Esto parece desalentador. Por suerte, escribir con claridad es, en gran medida, independiente del idioma. Empiece a trabajar en la lengua que más utiliza en su red de contactos. Rápidamente descubrirá que la claridad de sus otras lenguas mejora en paralelo.
Consejo 3: Construye algo de valor
Una de las formas de demostrar tus habilidades a los ojos de los demás es crear algo de valor. Ya sea una biblioteca Python que implemente un nuevo algoritmo ML o un repositorio de GitHub que demuestre un caso de uso interesante, todo depende de ti. También puede ser una herramienta interna de tu organización.
Quiero hacer hincapié en que no siempre es necesario construir algo con gran originalidad. Puede que tu organización utilice rutinas de orquestación de canalización de datos deficientes. Tomar posesión y arreglar esto aporta valor, aunque se haya hecho 1000 veces antes en otras organizaciones. Intenta crear algo que realmente ayude a los demás.
Si creas herramientas internas, te ganarás el respeto de otras personas de tu organización. Si creas herramientas de código abierto, ayudarás a un público más amplio. Ambas opciones son excelentes para establecer contactos. Si la gente ya tiene una buena impresión de ti, el trabajo en red será mucho más sencillo.
Consejo 4: Conviértete en un experto en algo
Cuando empieces como Data Scientist, querrás aprender un poco de todo. Esto abarca desde la NLP hasta las plataformas en la nube. Como Data Scientist Sénior, debes conocer una amplia gama de temas. Pero también debes convertirte en un experto en algo. Puede ser algo técnico, como la detección de anomalías. También puedes basarte más en habilidades blandas, como la forma de aplicar con éxito metodologías ágiles en la ciencia de datos.
Al convertirte en un experto, se te busca por tus conocimientos especializados. Esto te abre muchas puertas para establecer contactos, ya que te pedirán que hables y escribas sobre tus conocimientos especializados. Elegir un tema especializado puede ser difícil. Mi mejor sugerencia es que profundices en algo que realmente te interese. Si el tema es aplicable en una amplia gama de entornos, también es una ventaja.
A la hora de establecer contactos, puedes aprovechar tus conocimientos especializados para destacar. Casi todos los Data Scientist saben algo sobre Deep Learning. Pero, ¿cuántos Data Scientist conoces que sean expertos en métodos de conjunto? O un experto en traer estrategias organizacionales a largo plazo con iniciativas de datos? Esto destaca 😍
Consejo 5: Ten una sólida presencia en Internet
Como Data Scientist sénior, debes procurar tener una fuerte presencia en Internet. Esto incluye relacionarse más con los demás y dedicar más tiempo a exponer sus ideas y opiniones. Hay muchas formas de hacerlo, y tú decides cómo. El formato puede ser cualquier cosa, desde publicaciones en LinkedIn hasta tutoriales en vídeo. Céntrate en hacer contenidos de calidad que realmente enganchen e iluminen temas. De nuevo, recuerda que la calidad triunfa sobre la cantidad.
A menudo se habla de desarrollar una marca propia. Este término está un poco cargado y yo prefiero hablar de desarrollar tu propia voz. Cuando escribas y hables, tendrás que tomar algunas decisiones. ¿Pondrás una voz amable y servicial, o una más autoritaria? La elección de la voz debe ir emparejada con lo que quiere conseguir:
Digamos que quieres contratar a más Data Scientists junior para el equipo que has empezado a dirigir. Entonces, poner en línea una voz reaccionaria del tipo «sal de mi césped» probablemente no sea una buena idea.
Digamos que quieres convencer al mundo de que Rust es el futuro de la ciencia de datos. Entonces poner una voz amistosa y agradable es quizás también un desajuste. Nunca deberías elegir una voz abusiva, pero a veces un tinte de agresividad pasiva reprimida es entretenido 😤.
Para finalizar
En esta entrada del blog, te he dado mis consejos para la creación de redes para las distintas etapas de un Data Scientist. No quiero que tomes esto como un evangelio, sino más bien como puntos de referencia para lo que podrías estar trabajando.
Si te interesa la data science, no dudes en seguirme en LinkedIn. Pero para que la conexión tenga sentido, cuéntame tu opinión personal sobre el trabajo en red. Me encantaría escuchar lo que tienes que decir 😃.