E32 - ¿La muerte de los Data Scientist?

Resumen

El episodio 32 de enCoders discute el artículo de un influencer de Twitter que afirma que el rol de Data Scientist está muriendo. Los participantes rebaten la tesis: reconocen que varias premisas del artículo son ciertas (malas prácticas de programación, falta de mentoría, mal management, problemas de infraestructura y calidad de datos), pero sostienen que son fallas de las empresas y no del rol. Defienden que lo central del Data Scientist es plantear hipótesis con método científico, saber qué preguntas hacer y generar valor para el negocio, y que eso no se automatiza. Concluyen que el nombre del rol podría desaparecer por especialización (Data Engineer, ML Engineer, líder de equipo), pero que la función seguirá siendo la más relevante, y que la persona del artículo evadió la responsabilidad de mejorar su entorno. También se tocan buenas prácticas de código, consultoras que "venden humo", el hype de las redes neuronales y la idea de "ser data driven".

Capítulos

• 00:00
  IntroPresentan el tema: la supuesta muerte del Data Scientist, a partir de un artículo publicado hace unos 4 meses por una persona con 30.000 seguidores en Twitter. Los participantes lo critican por un mal análisis de la causa, aunque algunos aceptan que parte es experiencia personal extrapolable.
• 03:21
  Por qué está muriendo?Resumen de los argumentos del artículo: el trabajo es repetitivo y automatizable por Data Engineers/ML Engineers y por servicios de los grandes proveedores de nube; los Data Scientists son malos programadores, faltan mentorías y buenas prácticas; las empresas son "decision driven" y no "data driven"; hay problemas de infraestructura y calidad de datos. Los participantes reconocen verdad en varios puntos, pero afirman que no es culpa del rol. Se discute la falta de mentoría con un ejemplo de un amigo que era el único Data Scientist en una empresa pequeña.
• 08:24
  Qué hace un Data Scientist?Se define como aplicar el método científico con datos: plantear hipótesis, validarlas y generar productos analíticos o recomendaciones. Se debate que el rol actual hace "de todo" (circo pobre) y que tenderá a especializarse; el Data Engineer resuelve el acceso y movimiento de datos, y el ML Engineer el despliegue, escalado y monitoreo. Se argumenta que saber qué preguntas hacer es lo que no se reemplaza, que entrenar un modelo con una librería es fácil, y que programar es una herramienta; se critica el uso de Excel sin macros. Se responde una pregunta de Max sobre código legible: nombres de variables descriptivos, verbos para funciones, evitar "tablón1, tablón2", preferir scripts a notebooks para código de calidad y estructurar el trabajo como flujo de datos lineal. Se menciona un episodio previo sobre programación multilenguaje y el setup de proyectos.
• 46:55
  MemesAntes, resumen de lo discutido y debate sobre la premisa del artículo de que nadie distingue un buen de un mal trabajo de Data Science; se habla de consultoras que a veces venden humo (por ejemplo, "venden Python") y de cuándo conviene externalizar. En los memes se comenta el uso excesivo de librerías y redes neuronales; se explica que las redes neuronales escalan con imágenes, audio o texto porque contienen mucha información del fenómeno, a diferencia de datos de clientes. También se critica una noticia sensacionalista de que ChatGPT ganó la lotería.
• 53:52
  Ser Data DrivenSe critica que muchas empresas usen "data driven" como eslogan y manipulen datos para justificar decisiones ya tomadas; el Data Scientist debe tratar la idea del gerente como hipótesis y puede concluir que no se sostiene. Se habla de datos con errores y de cuándo un dato malo invalida el análisis, de la dificultad de aceptar hipótesis nulas rechazadas, y se cita del artículo que el trabajo es tan bueno como el eslabón más débil de la cadena. Se critica buscar empresas "utópicas" con todo resuelto: el profesional se hace cargo de mejorar el entorno.
• 01:08:45
  Problemas de las empresas que dificultan el trabajo de un Data ScientistResumen de los problemas: falta de infraestructura, de gestión y de cultura de buenas prácticas. Opinan que son problemas organizacionales que irán mejorando a medida que los Data Scientists asuman posiciones de management.
• 01:11:06
  Predicciones del futuroOpinan que el rol de Data Scientist (generalista, "maestro chasquilla") probablemente desaparecerá como nombre por especialización, sin que eso signifique desempleo; salvo en equipos muy pequeños donde se seguirá haciendo un poco de todo.
• 01:12:05
  Qué rol es más importante?Se postula que el rol más importante es el que tiene el enfoque basado en datos: preguntarse qué se puede hacer con los datos, validar hipótesis y generar valor; hoy eso lo hace el Data Scientist, mientras el Data Engineer carga datos y el ML Engineer los pone en producción. Otros matizan que los roles siempre existieron con otros nombres y que se transforman, y que los tres roles son necesarios para justificar el valor del proyecto. Se anecdotiza un "crecimiento del 5%" puesto sin cálculo en un modelo.
• 01:22:14
  Cierre (lol)Cierre con la visión de que el rol seguirá existiendo al menos 5 años, que los líderes entenderán mejor las limitantes y que el hype y los sueldos podrían bajar. Recomiendan a quienes estudian la ruta Data Scientist, Data Engineer, ML Engineer o líder de equipo, y prevén que el hype se desplaza hacia el "AI engineer" y herramientas como GPT.

Palabras clave