Es ampliamente aceptado que los estudiantes de análisis y ciencia de datos recién graduados requieren una inversión sustancial de su primer empleador para volverse productivos. Si bien los recién graduados siempre requieren más mano de obra que los empleados experimentados, siempre he pensado que debe haber una manera de preparar mejor a los estudiantes para la fuerza laboral que la que hacemos hoy.

Ahora que he visto mucho más de cerca cómo funcionan las universidades y sus alianzas con el sector privado, he llegado a creer que se pueden hacer cambios en los programas de grado, así como en la forma en que las empresas invierten en talento, para hacer que los estudiantes de análisis y ciencia de datos estén más preparados para la fuerza laboral. Tenga en cuenta que los conceptos en este blog también deben ser directamente relevantes para otros campos aplicados con programas académicos técnicos como informática, ingeniería, etc.

como se hicieron las cosas

Cuando estaba en la universidad y en la escuela de posgrado, se consideraba bueno participar en una pasantía durante el verano. Sin embargo, no hubo muchos programas formales para apoyar este esfuerzo. Además, las universidades a las que he asistido, aunque son muy grandes y establecidas, no han puesto mucho énfasis en adquirir experiencia en el mundo real. Los estudiantes de mi generación se graduaron regularmente sin siquiera poner un pie fuera de los salones académicos..Este enfoque conduce a situaciones en las que los estudiantes tienen mucho conocimiento teórico y libros inteligentes, pero no pueden aplicar ese conocimiento de manera efectiva en un entorno empresarial práctico de la vida real. Discutí esta preocupación en un blog anterior y es mala tanto para los estudiantes como para sus futuros empleadores. 

donde estamos hoy

Hoy en día, muchos programas universitarios requieren pasantías u otra experiencia laboral como parte de un programa de posgrado, y la mayoría de los demás lo fomentan y tratan de facilitarlo. Del mismo modo, muchas empresas tienen programas formales de pasantías, cooperación y asociación universitaria para tratar de reclutar nuevos talentos y, al mismo tiempo, ayudar a desarrollarlos. Las universidades también suelen ofrecer, si no requieren, cursos de diseño de aplicaciones que enfocan a los estudiantes en la aplicación de sus conocimientos a problemas del mundo real.

Todos estos programas tienen como objetivo que los estudiantes estén mejor preparados, y las universidades y empresas con visión de futuro han adoptado este modelo junto con estudiantes motivados. Sin embargo, se puede hacer más para preparar a los graduados para lo que enfrentarán en sus trabajos y permitir que los empleadores sean más productivos, más rápido, al contratar nuevos graduados.

Lo que los herreros hicieron bien

En el pasado, si uno quería ser herrero, no era cuestión de tomar cursos y luego encontrar un trabajo. Una parte clave para convertirse en herrero fue un aprendizaje formal con un herrero con mucha experiencia. Este mentor ayudaría al aprendiz a entender cómo funcionaba todo y poco a poco pasaría de palear carbón mientras observa al herrero hacer todo el trabajo, a ayudar al herrero a hacer el trabajo. Muchas otras carreras prácticas han seguido el mismo patrón. ¡Recuerdo haber escuchado que tomó siete años como aprendiz para convertirse en un chef japonés oficial de parrilla hibachi!

El punto es, especialmente para trabajos comerciales, la idea de que alguien simplemente tome lecciones de clase y luego se ponga a trabajar es insondable, y con razón. Martillar una herradura es mucho más que solo leer cómo hacerlo. Hay más en ser un maestro carpintero que solo leer las técnicas que usa un maestro carpintero. La mejor manera de aprender un oficio es mirar y luego imitar y practicar lo que se ha visto para desarrollar las propias habilidades.

Cómo la ciencia de datos puede tomar prestado de la herrería

Si realmente queremos que nuestro sistema educativo prepare a los estudiantes para el mundo laboral, debemos considerar algunos cambios radicales. Las pasantías están bien. Las cooperativas también son un paso más en la dirección correcta. Sin embargo, sería aún mejor si obtener un título en ciencia y análisis de datos requiriera una experiencia laboral sustancial como parte del título. En otras palabras… un aprendizaje.

Esto podría significar ajustar los requisitos del curso para dejar espacio para un año o más de aprendizaje enfocado. También podría significar extender la línea de tiempo de un título. La suposición es que a los estudiantes se les pagará durante un aprendizaje para que no tengan que preocuparse por la financiación y el aumento de la deuda estudiantil. Un modelo de aprendizaje también requerirá un cambio en la forma en que las empresas utilizan a los estudiantes. Asignar a un empleado para que sea el mentor formal de un aprendiz durante seis meses a un año requiere cambiar los enfoques actuales para trabajar con los estudiantes.

¿Por qué debería adoptarse un modelo de aprendizaje?

La ciencia de datos es un campo dinámico y en rápida evolución. Los cursos que se imparten en las universidades pueden estar años atrás de las últimas herramientas y enfoques utilizados en el lugar de trabajo. La única forma de mejorar las habilidades es trabajar en el mundo real y combinar las realidades del lugar de trabajo con la teoría subyacente necesaria que se aprende en la escuela. Al mismo tiempo, si los estudiantes comienzan a trabajar mientras todavía están en la escuela, podrán enfocar mejor su trabajo de curso en lo que más les gusta y podrán poner la teoría académica que están aprendiendo en un contexto real, incluso cuando la aprendieron inicialmente. . .

Incluso si se adopta un enfoque de aprendizaje, no será un negocio terminado. Los científicos de datos necesitarán aprender continuamente las últimas herramientas y técnicas para mantenerse relevantes. He discutido en el pasado que hay una diferencia entre tener habilidades obsoletas y tener una mentalidad obsoleta. Los mejores científicos de datos se esfuerzan por aprender continuamente de sí mismos y de sus compañeros. También estarán dispuestos a retribuir asesorando a un joven aprendiz para que siga sus pasos.

Sin embargo, sin un esfuerzo concertado de las comunidades universitaria y empresarial, permaneceremos atrapados en el ciclo de estudiantes graduados motivados y en gran parte inteligentes que están bien versados ​​​​en la teoría de la ciencia de datos, pero han aprendido poco sobre cómo aplicarlo. una manera que los mantendrá ocupados. ¿Aceptar? ¿Desacuerdo? ¡Siéntete libre de comentar!

La publicación Lo que la ciencia de datos puede aprender de los herreros apareció por primera vez en Datafloq.