Esta pregunta es mucho más compleja de lo que parece. Es muy similar a hacer la misma pregunta pero para la programación. Si revisa algunas ofertas de trabajo, algunos dirán claramente Excel mientras que otros dirán R o SAS o SPSS.
Los diferentes equipos y sus gerentes de contratación en diferentes compañías tendrán diferentes herramientas y tecnologías.
No es posible hacer una lista exhaustiva que tenga sentido, es decir, una lista de cosas que se pueden aprender que garanticen el aterrizaje de un trabajo.
- ¿Cuál es la mejor opción para las ciencias de datos: IPython o R?
- ¿Cuáles son algunos campos de proyecto de big data?
- ¿Los científicos de datos estarán a la altura de nuestras expectativas o los grandes datos serán una decepción?
- ¿Cuál es la diferencia entre MongoDB y big data?
- DeZyre o Udacity Nanodegree: ¿Cuál recomendarías para un aspirante a científico de datos?
Si tuviera que adivinar, diría que Excel sigue siendo la regla de las descripciones de trabajo de análisis de datos. Por otro lado, creo que estos trabajos desaparecerán en el futuro cercano para las personas con habilidades de programación, pero tal vez estoy siendo demasiado optimista sobre la mejora técnica.
Con eso en mente, Excel es una apuesta segura. Otra apuesta segura es SQL. SQL es una gran ventaja ya que consultar bases de datos nunca pasa de moda y es una habilidad relevante. Diría que SQL es la única habilidad que tienen los analistas de datos experimentados que entrevisté.
El problema comienza con otras herramientas e idiomas. Algunas industrias son muy fuertes en SAS y SPSS. Las empresas tecnológicas parecen estar más inclinadas a R. Tableau parece aparecer de vez en cuando. Algo que solía ver con bastante frecuencia, pero que ha desaparecido últimamente, es el VIH y el PIG aún más raro. Decidir en qué cosas invertir depende del mercado laboral que tenga disponible.
Espero que esto ayude.
