Estoy muy de acuerdo con la premisa principal de este artículo –> Por qué no debes ser un científico de datos generalista 

Ahora bien, me chirría que el autor se haya centrado únicamente en las funciones para crear esas descripciones de puestos, como si la especialización viniera (sólo) de las funciones desarrolladas.

Para mí, hay un factor igual (o más) importante que determina si hay encaje con el equipo/proyecto/empresa: la especialización de dominio.

Probablemente, en perfiles de corte más junior no sea tan relevante, ni en aquellos más pegados al dato, como el Data Engineer. Sin embargo, en cuanto subes el nivel de abstracción, el conocimiento del dominio resulta esencial para ponerle sentido al dato.

Así que, usando sus cinco categorías, las de “Data Analyst” y “Data Scientist” son las que tienen mayor dependencia del bagaje que tengas en esa área de conocimiento.

En Leads Origins, recibimos muchas candidaturas de personas de perfiles alejados de nuestro dominio (marketing y ventas) para trabajos que son, puramente, los de “Data Analyst” y “Data Scientist”.

A menudo, son CV que llaman la atención por cosas, pero esas cosas suelen ser más relevantes para puestos de “Researcher”, papel que tenemos ya bien cubierto.

Cuidado con el exceso de especialización en la ciencia de datos

Sin embargo (y aquí es donde quería llegar con todo esto), igual que defiendo la especialización por dominio, también hay que ponerle un sano límite a dicha especialización: dentro de un mismo dominio, hay también mucho valor en la polinización cruzada entre (sub)sectores distintos.

Dicho en términos prácticos: desde mi perspectiva, una especialización del tipo “análisis de datos de marketing y ventas” es ideal, pero si llegas al nivel de “análisis de datos de marketing y ventas de seguros de auto“, quizá te estás pasando un poco.

Muchas empresas preferirían un perfil así. Yo, no. Prefiero personas que puedan traer al sector retail experiencias del sector seguros, llevar ideas de apps B2C al mundo de la venta B2B o que se hayan enfrentado a correosos problemas en modelos de suscripción que puedan inspirar soluciones a problemas de datos en, qué se yo, comercio electrónico.

Creo que hay mucho más valor ahí, en combatir el monocultivo y la “endogamia de las ideas” que en la mayor eficiencia y productividad que parece prometer la ultraespecialización.