Respuesta corta:
En términos más generales, diría que BA / BI y DS son ligeramente diferentes entre sí, por lo que debe pensar en qué área desea entrar después de su Maestría, si decide buscar una.
También importa cuál sea su experiencia, conjunto de habilidades y experiencia actuales, junto con el papel que desea desempeñar en la industria una vez que se gradúe.
Respuesta larga:
Diferentes tonos de cielo:
Business Intelligence, Business Analytics y Data Science tienen diferentes metodologías y objetivos. A menudo, no siempre es fácil distinguir algunos de los proyectos, ya que estas áreas son bastante nuevas y siguen adquiriendo significado con cada año que pasa.
Sin embargo, sin entrar en definiciones formales de los términos, entiendo que Business Intelligence hasta ahora ha significado el análisis y la presentación de fuentes de datos tradicionales , que están bastante estructuradas en una empresa con un objetivo específico en mente. Un ejemplo típico de un proyecto de BI es: crear informes financieros de fin de trimestre con una sección de punto de vista dinámico para varias líneas de negocio y categorías de productos. El enfoque del proyecto generalmente se inclina hacia la presentación de datos en lugar de un análisis extenso.
Business Analytics implica un análisis sofisticado de datos tradicionales con un objetivo específico en mente . Un proyecto de Business Analytics generalmente implica más rigor matemático en el análisis de datos. Un proyecto típico podría ser la detección de fraudes con tarjetas de crédito utilizando características en el perfil del cliente y datos transnacionales.
Mientras que un proyecto de Data Science implica el análisis y la presentación de datos que anteriormente no se estaban aprovechando, es bastante desestructurado, con un objetivo vago. Un ejemplo típico para un sitio de comercio electrónico podría ser: Analizar los registros de sesiones web del cliente para encontrar áreas que conduzcan a la baja del cliente antes del pago.
Antecedentes:
Según su descripción, deduzco que no es un graduado de CS (probablemente con algo de experiencia en programación y familiaridad con las matemáticas y estadísticas de nivel universitario).
Puede ser útil pensar cuál es tu fuerte y pasión. ¿Te gusta codificar un proyecto de mascotas durante un fin de semana? ¿O jugar con un nuevo conjunto de datos de una competencia de Kaggle? ¿O está más interesado en estar en el lado comercial de estos proyectos de datos, analizar los requisitos y asegurarse de que el proyecto cumpla su promesa?
Comprender cuál es su interés real es importante para las escuelas y cursos a los que se postula.
Mercado y Roles:
La buena noticia es que el mercado de BI / BA / DS está en auge. Hay puestos en cada rol para proyectos y empresas de big data. Ahora es importante ver en qué rol estás tratando de entrar. Enumeraré algunos roles comunes y la posible influencia que podría obtener con un Masters para ese rol.
Analista de BI / Arquitecto / Gerente:
Creo que lo harás bien haciendo tu trabajo y llegando a un papel de tu elección si sigues aprendiendo en el trabajo. Conozca todos los aspectos de la canalización de datos en su proyecto. Manténgase al día con las tecnologías actuales en la industria.
Analista Estadístico / Programador:
Podrías entrar en esta área con algún esfuerzo de tu parte sin un Masters. He visto amigos hacerlo. Aprenda un lenguaje de programación estadística (digamos SAS / R / SPSS) y tome clases en línea sobre estadísticas avanzadas para mejorar su comprensión conceptual. Participar en competiciones de Kaggle es otra excelente manera de perfeccionar y practicar tus habilidades.
Dicho esto, un Master con una comprensión de un dominio particular (finanzas, atención médica, venta minorista, etc.) le dará una gran ventaja sobre la competencia.
Analista de Big Data:
Probablemente no necesitará un Masters para este papel. La transición más fácil en este rol es posiblemente para los desarrolladores de bases de datos / PL_SQL. Con un poco de esfuerzo, si se siente cómodo con las bases de datos relacionales y la línea de comandos de Unix, podría aprender algunos lenguajes de consulta de big data como PIG o HIVE. Esto debería darte un comienzo. Actualmente parece haber una fiebre del oro para estos roles para los recién graduados universitarios, al menos en Silicon Valley.
Desarrollador / Arquitecto de Big Data:
Estos roles son más intensivos en programación y tecnología que el rol de analista. Si tiene un fondo de programación razonable, ensúciese las manos con Hadoop, comprenda los matices de la reducción de mapas y los aspectos internos de un sistema de archivos distribuido, elija una base de datos no SQL y encuentre un trabajo con este nuevo conjunto de habilidades. Suena como una posibilidad remota, pero es factible.
Aunque agregaría que estos paradigmas de computación distribuida están aquí para quedarse, pero no son la última palabra. Mucho cambiaría en los próximos años, y volver a la escuela es una forma de mantenerse a la vanguardia en ese sentido. La computación distribuida parece pieza central del rompecabezas de big data, al menos por ahora. Conseguir una educación en esta área podría terminar siendo una ventaja enorme a largo plazo.
Científico de datos:
Creo que Data Scientist se acercará más al ‘Hombre del Renacimiento’ que tendremos en la industria tecnológica. Un científico de datos necesita comprender y manejar cada aspecto de un proyecto de Big Data a partir de: qué datos deben usarse, cómo adquirirlos y procesarlos, qué tipo de pruebas estadísticas realizar, cómo distribuir la carga computacional a través de varios nodos, qué algoritmos utilizar. ejecutar y cómo interpretar los resultados.
El máster con un fuerte énfasis en estadísticas, optimización, aprendizaje automático, algoritmos, recuperación de información, bases de datos, computación distribuida sería solo un punto de partida para este rol. Muchos puestos de Data Science solicitan explícitamente un doctorado en Estadística, OR, Aprendizaje automático o Ciencias de la computación.
Alternativas a los Maestros:
Otra forma de averiguar lo que necesita podría ser probar una de las alternativas a una maestría completa. Algo que le abre el apetito lo suficiente como para comenzar su autoaprendizaje. Hay un par de cursos cortos de posgrado ofrecidos por universidades e instituciones privadas que no hacen un agujero profundo en su bolsillo.
Estoy tratando de crear una lista de cursos en línea gratuitos que se puedan agrupar para crear un Máster en Ciencia de datos a su propio ritmo que muchas personas puedan seguir. Lo publicaré más tarde.
PD: no estoy afiliado a ninguna de las instituciones aquí mencionadas. Pero ofrecen algunas opciones alternativas para una Maestría en Ciencia de Datos:
1. Academia Zipfian (también ayuda con la colocación): Enseñando la cola larga
2. Asamblea general (también ayuda con la colocación): ciencia de datos
3. Certificado de Posgrado de Stanford Mining of Massive Data Sets: http://scpd.stanford.edu/public/ …
4. Certificado de ciencia de datos de UW: http://www.pce.uw.edu/certificat …
5. Certificado profesional de posgrado de Columbia en ciencia de datos: http://idse.columbia.edu/certifi…
Programas de maestría disponibles actualmente:
También puede ver mi respuesta a (¿Cuáles son los mejores programas de maestría en ciencia de datos / programas de análisis en los EE. UU.) Para obtener una lista de universidades que podrían valer la pena buscar para programas de maestría en las áreas anteriores.