Analista de datos

Traducir «cuántos usuarios hicieron X el mes pasado» a SQL, y enchufar el resultado a un gráfico que alguien pueda actualizar.

Convertir la preocupación vaga de un jefe en una pregunta medible, y saber a qué definición de «usuario activo» se refiere.

Detectar la canalización rota, los eventos duplicados, el fallo de zona horaria, la definición que cambió en marzo.

Presentar un hallazgo de forma que quien tiene que actuar lo entienda, se lo crea y actúe.

Mantener las definiciones de métricas, la documentación y la capa semántica que hacen que consultar en lenguaje natural dé respuestas correctas.

Escrito por los autores del banco de pruebas, que además tienen un sistema competidor (Rubicon) que promocionar — así que la parte interesada aquí sostiene que los bancos de pruebas fáciles están mal. La afirmación de fondo es comprobable: Beaver está construido con registros reales de consultas del almacén Oracle de 1.400 tablas del MIT y de otros tres, y su clasificación es pública. Las cuatro razones que dan son estructurales y no van sobre la calidad del modelo — los datos de los bancos públicos están en el corpus de entrenamiento, los esquemas reales se pudren hasta tener seis columnas distintas llamadas «salary», los almacenes arrastran jerga local, y las consultas reales unen dos o tres tablas en vez de una.

Un fallo, una marcha atrás, una regulación o un coste están frenando la adopción. Puede bajar una evaluación o ensanchar su incertidumbre.

Una sola empresa, con despliegue limitado; la plataforma de Uber corre alrededor de 1,2 millones de consultas interactivas al mes, así que esto es una parte pequeña. La propia publicación señala como problemas abiertos las tablas y columnas alucinadas y la calidad de las instrucciones.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

Entrar solo con destreza en SQL es más débil que antes, porque esa es la parte que hacen las herramientas. La entrada más fuerte es dominio más datos: aprende un área de negocio lo bastante a fondo como para saber qué significan sus números y cómo se rompen, y usa las herramientas para consultar. Ofrécete para el trabajo poco lucido de documentar definiciones — es donde se está formando el nuevo puesto de analista, y casi nadie lo quiere todavía.

Si la mayor parte de tu semana es atender peticiones de informes, cuenta con que esa cola se encoja según los solicitantes se autoabastezcan, y con que te midan por qué decisiones cambió tu trabajo y no por cuántos cuadros de mando entregaste. Tu conocimiento acumulado de dónde se rompen los datos es el activo. Conviértelo en la capa semántica y en las definiciones, y pasas a ser la razón por la que las herramientas de autoservicio dan respuestas correctas.

Rehacer el puesto

De responder preguntas a ser dueño de las definiciones

La analítica de autoservicio mueve el cuello de botella de escribir consultas a si las métricas de debajo están bien. Ser dueño de esa capa es más duradero y más sénior que serlo de un cuadro de mando.

Movimiento lateral

Ingeniería de analítica

Construir los modelos y las canalizaciones que limpian los datos aguas arriba es a donde se está moviendo buena parte del esfuerzo de los analistas, y paga mejor que hacer informes.

Movimiento lateral

Analista incrustado en un área del negocio

Los equipos de finanzas, operaciones y producto quieren cada vez más su propio analista que conozca el dominio, en vez de un servicio central que atiende tiques. El conocimiento del dominio es el foso.

Sí, pero por una razón distinta de antes. Vas a escribir menos y a leer y comprobar mucho más. Entender qué hace una consulta es lo que te permite cazar la respuesta equivocada y segura de sí misma que la herramienta produjo sobre un esquema ambiguo — y esa caza es ahora el trabajo. Aprende SQL como un editor sabe gramática: no para producir cada frase, sino para saber al instante cuándo una está mal.

La señal es quién ejecuta la consulta. Cuando los jefes empiecen a responderse sus propias preguntas en una herramienta de autoservicio en vez de mandártelas, el cambio ya ha llegado — y lo primero que pierdes no es el puesto, es el contacto diario con los datos que te hacía capaz de notar cuándo están mal.

Escribir consultas y montar cuadros de mando — la tarea marcada aquí como en automatización. Enmarcar la pregunta y saber cuándo mienten los datos no lo están, pero las dos dependen de estar lo bastante cerca del trabajo para tener el contexto, y el autoservicio te aleja de él.

Es trabajo real y este sitio lo marca como una tarea emergente. También es un puesto por organización y más pequeño de lo que era responder preguntas. Decir que la plantilla se «redirige» hacia ahí es una forma educada de describir a un equipo más pequeño haciendo otra cosa.