Analista, ingeniero o científico de datos: el mismo pedido visto por tres profesionales

Si hoy te preguntan en qué se diferencian un analista, un ingeniero y un científico de datos, lo normal es contestar con tres definiciones que suenan igual. En las ofertas de empleo los verás como Data Engineer (ingeniero de datos), Data Analyst (analista de datos) y Data Scientist (científico de datos). Mejor míralos trabajando sobre lo mismo: un pedido de zapatillas. Es un caso inventado, con pasos típicos de cada oficio.

## El pedido: una fila que alguien tiene que cuidar

Imagina una tienda online ficticia que vende zapatillas. Marta compra unas a las 22:14 de un viernes. Para la tienda, eso es una simple fila: quién compra, qué compra, cuánto paga y cuándo. Esas filas se guardan en una base de datos, donde los datos se ordenan en tablas (como hojas de cálculo con columnas fijas). Ahora multiplica esa fila por miles cada día. De ahí parten los tres oficios.

## El ingeniero de datos (Data Engineer): que el pedido llegue entero y a tiempo

El pedido de Marta nace en la web, pero la web no es el sitio donde se estudian los datos: está ocupada vendiendo. El ingeniero de datos construye un pipeline (tubería de datos: un proceso automático que copia y limpia datos de un sitio a otro; limpiar es quitar duplicados y rellenar o descartar huecos) que cada noche lleva los pedidos hasta un data warehouse (almacén de datos: una base de datos pensada para consultar, no para vender).

Su trabajo se nota cuando falla: si el pedido de Marta llega dos veces, la tienda cree que ha vendido el doble. Nadie aplaude un pipeline que funciona. Todos llaman cuando se rompe.

## El analista de datos (Data Analyst): qué pasó y por qué importa

Con los pedidos ya ordenados en el almacén, la dueña de la tienda pregunta: «¿qué día de la semana vendemos más?». El analista de datos responde preguntas de negocio con SQL (el lenguaje para pedirle cosas a una base de datos). Cada pregunta escrita en SQL es una consulta. Aquí el pedido de Marta se suma a los de todos los viernes, y el resultado se presenta en un gráfico que se entienda en diez segundos.

1SELECT
2  EXTRACT(dow FROM fecha) AS dia_semana,
3  COUNT(*) AS pedidos
4FROM pedidos
5GROUP BY dia_semana
6ORDER BY pedidos DESC;

Y no se queda en el dato. Si el viernes es el día fuerte, la tienda puede lanzar sus ofertas ese día. Esa es la diferencia entre sacar una tabla y ayudar a decidir.

## El científico de datos (Data Scientist): qué va a pasar

La tienda tiene otro problema: muchos clientes compran una vez y no vuelven. El científico de datos entrena un modelo (un programa que aprende patrones de datos pasados para adivinar casos nuevos; en las ofertas lo verás como machine learning, aprendizaje automático). Parte del pedido de Marta y del historial de compras de la tienda, y estima la probabilidad de que Marta vuelva. Le sale un número por cliente, por ejemplo un 70 % para Marta. Es una apuesta, no una certeza.

Para eso necesita estadística (la parte de las matemáticas que mide cuánto te puedes fiar de un patrón), Python (un lenguaje de programación) y, sobre todo, datos limpios. Los de Marta ya los dejó listos el ingeniero.

## Los tres lado a lado

## Cuál elegir (mi opinión)

Si te gusta construir cosas y que funcionen solas, ingeniería. Si te gusta responder preguntas y contar lo que descubres, análisis. Si te gustan las matemáticas y probar ideas, ciencia. Pero si estás en cero y dudas, empieza por ingeniería o por análisis, no por ciencia: sin datos limpios no hay predicción que valga, y SQL y Python te sirven en los tres oficios.

Los tres oficios trabajan sobre el mismo pedido y cada uno responde a una pregunta distinta: ¿llegó bien?, ¿qué pasó?, ¿qué pasará? Escoge la pregunta que te apetezca contestar cada mañana. SQL sirve en los tres oficios y es el mejor primer paso; la ciencia de datos añade además Python y estadística.