La historia de Camila: De estudiante a profesional en Data Analytics
Inspírate con esta historia y descubre el potencial del análisis de los datos para abrirte paso en la industria tech.
Desde Córdoba, Argentina, hasta las prestigiosas aulas de Stanford en Estados Unidos, Camila Nicollier nos muestra cómo el camino hacia el dominio del análisis de datos puede ser una puerta de entrada a una carrera llena de desafíos y promesas.
En Henry, creemos que la potencia de historias como la de Camila revelan la transformación que la educación en tecnología puede provocar en la vida de las personas. Hoy, queremos compartir con ustedes su trayecto, desde sus inicios en Ingeniería Industrial hasta convertirse en una apasionada del Data Analytics y Data Science.
Realizamos esta charla en el marco del lanzamiento de una nueva carrera en Henry, la Carrera de Data Analytics. En esta oportunidad conversamos con una profesional de la industria con el objetivo de que puedan conocer, de primera mano, cómo es la experiencia no solo de alguien que estudió para convertirse en analista de datos y trabajar en este ámbito, sino que sigue explorando este mundo y profundizando sus conocimientos.
?Cómo es la carrera de Data Analytics en Henry. Aprende todo aquí
Los inicios
Camila empezó su viaje en el año 2020, justo cuando se graduaba en Ingeniería Industrial. A pesar de tener experiencia en análisis de ventas y compras, sentía la necesidad de dar un paso más: “me encontraba en una situación en la que ingeniería industrial te prepara para un gran abanico de salidas profesionales y sentía que aún dentro de ese abanico tenía que encontrar un camino un poco más específico o algo que me apasione”.
La respuesta llegó desde el mundo de los datos, un campo que, según un famoso artículo, prometía ser el empleo más sexy del siglo XXI. Pero, ¿cómo adentrarse en esta especialidad tan demandada? Esto nos cuenta: “dentro de mi búsqueda, exploré varias verticales donde me podía especializar o seguir conociendo y una de ellas era Data.
Dentro de esa búsqueda, empecé hablando con gente que se dedique a eso, quería entender un poco más qué era el mundo de los datos, porque a su vez, cuando uno viene de afuera hay que entender desde lo básico -cuál es la diferencia entre Data Analytics y Data Science-.”
“Recibí una beca Fullbright para venir a estudiar a Estados Unidos y fui admitida en la universidad de Stanford. Actualmente estoy acá hace 5 meses, disfrutándolo muchísimo”, celebra esta ex-miembro del founding team de Data dentro de Henry.
Y agrega: “Me empecé a informar y me di cuenta que para entrar al mundo de los datos necesitaba entender medianamente algo de programación. Particularmente, yo encaré por el lado de Data Science y ahí era un requerimiento, entonces dije, ‘bueno, voy a empezar a probar’”.
?Artículo recomendado: Cambia tu rumbo laboral con Data Analytics
Programación, Análisis y Ciencia de Datos
“Cuando uno no viene de un background técnico o de programación en general parece un mito o un monstruo al que tenerle un poco de respeto, entonces, mi primer paso fue probar un curso de programación gratis y veamos qué nos parece”, explica Camila, haciendo hincapié en cómo superar esa barrera de entrada fue una llave para ganar confianza y ritmo.
El segundo paso fue un Curso Introductorio a Data Science, “Lo que me dio un panorama de lo grande que es el mundo de Data Science, y un par de herramientas”, cuenta y suma: ”ahí fue cuando me contactan para sumarme al equipo de Henry como Data Analyst”, donde se convertiría en una pieza clave.
Si quieres conocer más sobre nuestra nueva carrera, te invitamos a repasar nuestro último Open House, aquí, en nuestro canal de YouTube?
¿Por qué estudiar Data Analytics?
Mucho más que números y estadística, lo que el mundo de los datos propone es dar vida a la historia que esos datos quieren contar. Así explica su punto de vista: “primero tuve que hacer toda esa etapa de research para hacerme una idea de qué era el mundo de los datos y siento que me atrajeron particularmente dos cosas: la primera es que sentía que había un match entre lo que yo quería para mi salida profesional y lo que el mundo de Data parecía ofrecer en es en su momento. Yo sabía que no quería un día a día monótono, me gusta mucho resolver problemas, trabajar en distintos desafíos y el mundo de datos parecía ofrecer eso”.
“Otra cosa que también está muy buena de la parte de Data Analytics es que los analistas no están solos con su computadora haciendo todos los análisis y después entregan un informe en general. Se trabaja con equipos y con distintas áreas y tiene mucho de colaborativo”, detalla Camila.
“Y por otro lado -explica-, siento que también había una condición de mercado y que la seguimos viendo en los últimos años y es que cada vez más las empresas toman decisiones basados en data porque está comprobado que es el camino correcto para hacia un crecimiento y una toma de decisiones sana. Así que también había un contexto y un incentivo desde ese lado.”
Data Analytics en Henry
“Oferta laboral que llega, oferta laboral que escucho”, este fue el lema que le permitió a Camila abrirse a opciones que excedían su campo de búsqueda o lo que imaginaba para su futuro, y convertirse en el equipo fundado de Data en Henry.
“Yo estaba terminado el curso y desde Henry me contactan desde la parte de People para el puesto de Instructor de Data Science, era un puesto que me quedaba super grande”, cuenta, y agrega: “entré en el proceso de reclutamiento para el puesto de instructor de la carrera de Data Science que estaba por lanzarse y si bien no tenía la experiencia suficiente para superar la entrevista técnica, en el medio fui teniendo distintas entrevistas con distintos founders y miembros del equipo y surgió un match. Henry estaba empezando a fundar el Departamento de Data y estaban buscando la primer persona oficial del equipo, y así fue como en enero del 2022 tuve mi primera experiencia profesional dentro del campo de datos como analista de datos, y nada menos que a fundar el área.”
?¡Sigue leyendo! Por qué estudiar Data Analytics y qué puedo hacer siendo analista de datos
¿Cómo fueron estos primeros días en Henry? Ser analista de datos no solo significa sacar métricas y generar indicadores sino que significa interpretarlos y ponerlos al servicio de la toma de decisiones. “Empecé como Junior y uno se encuentra que el primer desafío es usar los datos para responder necesidades del negocio que eso es algo que en general es difícil de encontrar en la práctica y en los cursos. En general hay una brecha entre la teoría y lo que es el día a día trabajando de Data Analyst”, explica Camila.
“Me gusta resolver problemas y encontrarme con una situación en la que no sé la respuesta o no es tan intuitiva y me gusta empezar a desglosarlo. Pero lo que más me gustó de mi experiencia como Data Analyst era la intersección entre el análisis de datos y las necesidades del negocio”, acota Camila y destaca: “trabajar en esa en esa intersección me permitió estar en mesas muy interesantes.”
Ya soy analista de datos, ¿y ahora qué?
Y entonces de nuevo, un momento de decisión. “Yo quería ir hacia Data Science y hay varias formas”, cuenta Camila respondiendo a una pregunta muy frecuente entre quienes se adentran en este mundo: “puedes formarte por tu cuenta, puedes empezar a aplicar directamente a trabajos, puedes empezar a meterte desde lo profesional, etc. Había distintas opciones y decidí ir por una no tan convencional que era hacer una Maestría en Ciencia de Datos y mi sueño era hacerla en Estados Unidos. Así que hace como dos años empecé un proceso muy largo y complejo de explorar esta posibilidad.”
“No necesariamente es un camino secuencial empezar como Data Analytics y pasarse a Data Science sino que son dos caminos que también pueden ir en paralelo pero en mi caso yo sentía que la chispa seguía estando desde el lado de Data Science; incluso también como Data Analyst, particularmente en Henry, tuve la posibilidad de irme metiendo en proyectos e ir desarrollando algunas cosas muy iniciales en ciencia de datos, entonces estaba segura que iba por ese lado”, explica sobre su rumbo profesional."
El día a día de un Data Analyst
“En tu día puedes hacer tres tipos de acciones como analista de datos: una es lo que nosotros llamamos en general análisis ad hoc donde, por ejemplo, viene una persona del equipo de Learning de Henry y me dice 'tengo este problema: necesito entender por qué la tasa de graduación está subiendo o está bajando porque quiero hacer más cosas de que hagan subir esa tasa y menos que bajen esas tasa', comienza explicando esta estudiante de Data Science. Dentro del subproceso de hacer un análisis ad hoc, en general, uno empieza entendiendo cuál es el problema, cuáles son las variables que pueden llegar a influir dentro de ese problema, a quiénes afecta ese problema, etc.", explica Camila.
“Como segunda función tenemos la de generar herramientas de visualización, que cada vez que alguien de la compañía necesite acceder a un dato, tenga un tablero a disposición que esté automatizado sin depender del equipo de data”, aclara.
“Y en tercer lugar, la parte más relacionada al desarrollo de Data Warehouse”, resume. “Para poder automatizar un tablero de datos necesito tener toda una estructura en el back que soporte eso y que permita que la información esté en real time o que esté actualizada cada x tiempo. Toda esa parte implica un trabajo de lo que llamamos engineering. En nuestro caso, como analista de datos, dialogamos con el equipo de Data Engineering y pasándole requerimientos no éramos”.
¿Data Analytics o Data Science?
Para aquellos que están comenzando, una búsqueda muy frecuente es entender cuál es la diferencia entre Data Analytics y Data Science. Así lo simplifica Camila: “Data Science requiere un mayor entendimiento de la parte estadística y de la matemática que está por detrás de los modelos predictivos para ponerlo de manera simplista. Data analytics me permite observar lo que pasó y busca sacar conclusiones con los datos que ya sucedieron, pero siempre conclusiones mirando hacia atrás, mientras que Data Science observa lo que que pasó para aprender e intentar predecir el futuro.”
“Teniendo en cuenta esto como la mayor diferencia, lo que más puede costar en una transición de Data Analytics a Data Science es esto que requiere un poco más de conocimiento profundo de matemática y estadística para entender qué es lo que pasa dentro de la caja negra que son los modelos de Inteligencia artificial, Machine learning y todo lo que utiliza Data Science como medio para poder predecir y aprender de datos que que efectivamente sucedieron”, detalla.
Data Analytics te prepara y te da cierta madurez que te permite después apalancarte en dicho conocimiento y poder seguir hacia un camino de Data Science, aunque no son necesariamente ni dos caminos paralelos ni tampoco dos caminos secuenciales. Si quieres aprender más sobre este tema, te sugerimos este artículo de nuestro blog.
Data Analytics, una opción para tod@s
La historia de Camila es un testimonio del poder transformador de la educación en tecnología. En Henry, nos enorgullecemos de ser parte de historias como esta y de ofrecer carreras que no solo preparan a nuestros estudiantes para el mercado laboral sino que también les brindan las herramientas para seguir creciendo y explorando nuevos horizontes.
Si te sientes inspirado por la historia de Camila y quieres saber más sobre cómo iniciar tu propia aventura en el mundo de los datos, te invitamos a explorar nuestra nueva Carrera de Data Analytics. No olvides revisar nuestro último Open House en nuestro canal de YouTube para una inmersión completa en lo que Henry tiene para ofrecerte.
¿Qué estás esperando? Anímate a dar tu primer paso en el mundo de los datos y tener tu primera experiencia laboral en el mundo tech. Aplica ahora en Henry y acelera tu carrera tech ¡Nos vemos del otro lado!?