1908: Científico de datos en la tarea

El título laboral es mucho más joven que el oficio que hay detrás. 'Data scientist' data de alrededor de 2008, cuando DJ Patil y Jeff Hammerbacher lo adoptaron de forma independiente al montar equipos de datos en LinkedIn y Facebook, y el estadístico William S. Cleveland propuso 'data science' como campo académico recién en 2001. La disciplina subyacente tiene siglos: pasa por el impulso de John Tukey en los años 1960–70 hacia el análisis exploratorio de datos, vuelve a la estadística de Ronald Fisher en los años 1920 y al estudio de John Graunt de 1662 sobre los registros de mortalidad de Londres.

Un artículo de Harvard Business Review de 2012 que lo llamó 'el trabajo más sexy del siglo XXI' desencadenó una década de contrataciones corporativas y cientos de nuevos programas universitarios. Ese auge ha madurado: el título generalista se ha dividido en ingeniería de analítica, ingeniería de aprendizaje automático y analítica de producto, y las herramientas de IA ya hacen una parte creciente de las consultas, limpiezas y gráficos rutinarios que el puesto original asumía que haría una persona a mano.

¿Qué hace realmente un científico de datos día a día? Contrariamente a la imagen de 'construir modelos de IA', la mayoría de los días se reparte entre escribir consultas SQL y código Python para sacar y limpiar datos, ejecutar pruebas estadísticas o entrenar modelos, y traducir resultados a un gráfico o un memorándum sobre el que un interlocutor no técnico pueda actuar. Las encuestas a profesionales sitúan de forma consistente la limpieza y preparación de datos en aproximadamente la mitad o más del tiempo de trabajo.