Analítica: nuevos empleos para ayudar a tomar las mejores decisiones

Business Intelligence Analyst (entre 37.000 y 50.000€)

Un Business Intellience analyst recopila, gestiona y analiza información interna de la organización (ventas de los productos, clientes, balances de gastos e ingresos…) con el objetivo de ayudar a tomar decisiones que beneficien a la organización. Así, gestiona la obtención continua de información tanto de la propia organización como de la competencia; realiza análisis DAFO, mide resultados y crea informes.

Deberá saber de finanzas y economía, de investigación de mercados, de manejo de bases de datos, de analítica prescriptiva, de data visualization y gestión de la información/ del conocimiento.

Deberá pilotar en software de análisis (SAP, Weka, Kmine, Captio, SSRS, SAS, SPSS, Rapid Miner; Tableau; IBM Cognos BI; Google Analytics/Adobe; Webtrekk; Coremetrics; Webtrends); herramientas de gestión de proyecto (Jira, Wrike, Redbooth, Collabtive, GranttProject…), análisis/procesamiento de datos (IBM Cognos,Pentaho, TIBCO Spotfire, Ab Initio, Azure Analysis Services, Oracle, Microstrategy...); visualización de datos (Tableau, Power BI, Azure Analysis Services…) y reporting(Pentaho, Openil, Enterprise Reporting, Query Reporting…). También deberá manejar softwares empresariales orientados a Business Intelligence (SAP Business Objects, Einstein Analytics como Salesforce).

Digital Data analyst y CRO (entre 24.000 y 32.000€)

Un digital analyst tiene como objetivo principal dar sentido y significado a los datos hallados con las distintas herramientas de medición online de la organización y así sacar conclusiones y generarrecomendaciones de estrategias (optimizarlas). Por lo tanto, busca la cohesión entre los objetivos de la compañía con los de medición online. En empresas grandes, este perfil puede estar dividido entre el data analyst y el CRO, que es el especialista en optimización de la conversión (testing, estudios de satisfacción del cliente...). Diseña y gestiona estrategias de analítica digital y de medición online y selecciona las herramientas y los métodos de análisis acordes a los objetivos.

Es un puesto exigente. Ha de saber de marketing online y de contenidos, de medición online (site centric y user centric), de estrategia de negocio digital, de social media, de monitorización, de reporting, o de online advertising y de data visualization.

¿Qué usará? Herramientas de análisis web como Google Analytics/Adobe, Webtrekk, Coremetrics o Webtrends; de mouse tracking (Crazyegg, Hotjar, Inspectlet, Luckyorange, Clicktale, Zarget); de voice of customer (Qualaroo, Qualtrics, Feedbackify, Hotjar); de análisis técnico, IT (Pigdom, Webpagetest, GTmetrix); de testing (AB Tasty, Optimizely, Visual Website Optimizer, Google Optimize) y, como suele ser habitual, de gestión de proyecto (Jira, Wrike, Redbooth, Collabtive, GranttProject…).

Metodólogo/Estadístico (entre 40.000 y 75.000€)

Este profesional es aquel que, una vez el data architect ha organizado y estructurado los datos disponibles, lleva a cabo los análisis de datos pertinentes para dar solución a un problema en cuestión, el cual anteriormente ha operativizadoa través de un diseño de investigación. Su misión es aportar valor a la organización a partir de los datos disponibles. Establece un contexto que dé sentido a los análisis de datos, es decir, se asegura de que los análisis de datos se realizan para resolver un problema/necesidad; diseña una estrategia de investigación que dé respuesta a la cuestión/problema y trata los missing values.

Este perfil debe caracterizarse por un pensamiento muy analítico/crítico y la minuciosidad de cara a poder desarrollar los mejores diseños de investigación posibles que controlen las posibles variables contaminantes, de manera acorde a la pregunta en cuestión.

Tiene que conocer técnicas de machine learning y generación de algoritmos (programación). Sabrá de técnicas de reporting y visualización de datos, de metodologías y diseños de investigación; de análisis de datos (análisis multivariantes, modelos predictivos, contrastes de hipótesis, análisis factoriales…); tipos de missing values (MCAR, MAR, MNAR); métodos de tratamiento de missing values: métodos clásicos (media, regresión múltiple, regresión estocástica, algoritmo EM) y métodos modernos (máxima verosimilitud e imputación múltiple). Sabrá, por último, de analítica descriptiva, inferencial y predictiva.

Manejará software de análisis de datos (SPSS, R, AMOS, MPLUS, Python…), bases de datos de archivos científicos (Google Académico, Scielo, Dialnet …) y herramientas de gestión de proyecto (Jira, Wrike, Redbooth, Collabtive, GranttProject…).

Data Manager /Big Data Project Manager (entre 40.000 y 90.000€)

El objetivo principal de este profesional es tener una visión de 360 grados de todos los datos que se obtienen en la organización, pudiendo así transformar dichos datos en conocimiento para la organización, ofreciendo así soluciones y mejoras basadas en los datos. Su deber sería planificar, supervisar y controlar la gestión y uso de datos; diseñar y gestionar los procedimientos de recolección de datos; diseñar políticas y reglas de gestión de los datos; asegurar la privacidad y confidencialidad de los datos de la organización y tomar decisiones acerca de los datos.

Ha de conocer campos como el big data, el análisis de datos, business intelligence, business analytics, arquitectura de datos, integración de datos, data visualization y seguridad informática.

Deberá conocer herramientas de gestión de proyecto (Jira, Wrike, Redbooth, Collabtive, GranttProject…), tener conocimientos en herramientas de análisis de datos (SPSS, R, Python…), de análisis Web (Google Analytics/Adobe, Webtrekk, Coremetrics, Webtrends). Conviene que conozca el CRM/ERP que se utilice en la organización (Salesforce, SAP….), herramientas de testing (AB Tasty, Optimizely, Visual Website Optimizer, Google Optimize), de visualización de datos (Tableau, Power BI, Azure Analysis Services…) y de reporting (Pentaho, Openil, Enterprise Reporting, Query Reporting…).

Data Scientist y Data Engineer (entre 46.000 y 72.000€)

Estos perfiles van un paso más allá que el data analyst. Esto se debe a que, una vez realizados los análisis de datos pertinentes y halladas las conclusiones, el data scientist/engineer lleva a cabo algoritmos de machine learning (aprendizaje automático), los cuales serán capaces de automatizar los modelos predictivos demostrados anteriormente, es decir, de predecir y clasificar nueva información de manera automática.La diferencia entre el data scientist y el data engineer es que, aunque los dos han de tener conocimientos de las mismas áreas, el primero está más especializado en matemáticas, mientras que el segundo conoce más de informática. Así, cuando trabajan de la mano, el data engineer suele seguir el plan asignado por el data scientist, operativizándolo.

Deberá saber de informática, matemáticas e ingeniería; de programación y generación de algoritmos, de negocio y de big data. Estos dos perfiles han de manejar conceptos de estadística, análisis de datos y minería de datos, así como técnicas de machine learning (árboles de decisión, redes neuronales, algoritmos de clusterización o modelos predictivos...) y, por último, de visualización de datos.

Manejará programas de análisis de datos (Jupyter Notebook, R, Python, SPSS…), plataformas de IA y machine learning (Microsoft Azure Machine Learning, Google Cloud Machine, DIalog Flow, Premonition…), y (lo has adivinado) herramientas de gestión de proyecto (Jira, Wrike, Redbooth, Collabtive, GranttProject…).

Data Architect/Big Data Architect (entre 50.000 y 80.000€)

Un data architect se encarga del diseño y la gestión de grandes volúmenes de datos, es decir, prepara las bases de datos de manera alineada con los objetivos de la organización para que, a continuación, otros profesionales puedan realizar los análisis de datos pertinentes.En empresas más pequeñas, puede desarrollar funciones propias de otros perfiles de analítica (análisis estadísticos, programación, generación de algoritmos…). Almacenar grandes cantidades de datos, busca patrones repetitivos en los datos, limpia las bases de datos, estructura los datos, diseña arquitecturas escalables y acordes con el proyecto.

Este profesional ha de haber estudiado ingeniería (ciencia computacional, matemáticas, estadística…), análisis/modelado de datos, machine learning, big data y visualización de datos, administración de sistemas operativos y de bases de datos, modelado de datos, streaming processing, arquitectura de datos Lambda y Kappa, cloud computing, nuevas tecnologías relacionadas con su profesión, arquitectura de soluciones y de la información.

Una vez más, deberá manejar herramientas de gestión de proyecto (Jira, Wrike, Redbooth, Collabtive, GranttProject…); además de bases de datos relacionales (MySQL, SQL server, Oracle…) y no relacionales o NO-SQL (MongoDB, Redis); el CRM/ERP que se utilice en la organicación (Salesforce, SAP…) y programas con los que trabajar bases de datos (R, SPSS, Python…).

¿Quieres conocer las nuevas profesiones en Comité Directivo, Tecnología, Marketing y Comunicación, Ventas, Sistemas de gestión y Nuevas Metodologías? ¡Claro que quieres! Haz clic sobre cada uno de los campos.