Resumen del debate: Cursos para iniciarse en análisis de datos

Los cursos de data analyst ya no abren las puertas junior​

La escena se repite: un licenciado en Geografía, con un trabajo que odia, decide que el análisis de datos es su salida. Planea dos o tres años de cursos en Coursera y similares: SQL, Python, quizá R, y aspira a un puesto junior. Quienes ya viven del sector responden con una mezcla de sorna y realismo: el tren del data analyst junior ya no está en la estación. O nunca lo estuvo.

La IA se ha comido al junior​

La advertencia más repetida es que el análisis de datos es precisamente una de las tareas que mejor ejecuta la inteligencia artificial. Si la IA hace el trabajo de un junior, las empresas solo necesitan unos pocos seniors que la supervisen. El argumento no es nuevo: desde la estandarización del big data en 2012, el mercado ha ido evolucionando hacia perfiles con experiencia. La idea de que un curso de seis meses convierte a un geógrafo en analista de datos es, según este análisis, propia de otra década. «Llegas 14 años tarde», viene a resumir el escepticismo dominante.

Con todo, hay quien matiza: toda IA necesita datos limpios y ordenados, y alguien tiene que hacer ese trabajo. Pero incluso esos perfiles de entrada se están automatizando. El plazo de caducidad del junior es un tema abierto.

El perfil híbrido y el nicho GIS​

El consenso entre los profesionales es que los cursos solos no bastan. Sin una base matemática sólida (nivel universitario) o un conocimiento de negocio, el CV de un licenciado en humanidades cae directamente al filtro de los sistemas de gestión de candidaturas (ATS). No es pesimismo: es la mecánica de los procesos de selección, que descartan currículos antes de que los vea un humano.

La salida que se dibuja para el caso concreto del geógrafo es el SIG (Sistemas de Información Geográfica). Combinar análisis de datos con cartografía y territorio es un nicho menos saturado que el data analyst genérico, con salarios relativamente dignos y una barrera de entrada más baja. Python, SQL, PowerBI y una pizca de geopandas abren esa puerta. Es la estrategia del analista mínimo viable: especializarse donde la carrera de origen suma, no donde resta.

Pagar por cursos, ¿para qué?​

Otra corriente es más contundente: no hace falta soltar dinero en plataformas privadas. El MIT ofrece cursos de ciencia de datos gratuitos y de calidad superior a muchos de pago, según defiende un análisis. La retahíla de certificaciones de Google o Coursera, se argumenta, pesa poco frente a un portfolio que demuestre lo que sabes hacer. El mercado laboral no pregunta qué curso hiciste, sino qué proyecto has resuelto.

El debate sobre si pagar o no por formación se salda aquí con un dato: la mejor inversión es un máster en una universidad con prestigio, como los que ofrecen Georgia Tech, y siempre después de una base sólida, no antes. Para quien parte de cero, la primera parada debería ser gratuita.

El cierre que descoloca​

La ironía final es que, mientras los cursos de data analyst se venden como la panacea de la reconversión, el propio mercado está enviando el mensaje contrario: la puerta de entrada se ha estrechado hasta casi desaparecer. Los que están dentro dicen que el futuro es de quienes combinan datos con un dominio concreto: finanzas, logística, geografía, cualquier sector. El junior que solo sabe manejar pandas y un dashboard tiene los días contados. Pero esa es justamente la advertencia que la industria del curso online necesita ignorar para seguir vendiendo.