Inés Huertas: Ciencia de Datos en femenino
onocimos a Inés Huertas hace tan solo unos meses en el mayor evento de España en torno al Data Science con perspectiva de género, Call Of Data 2018. Y nos dejó huella.
Es Ingeniera Técnica de Telecomunicaciones y Máster en Sistemas telemáticos e Informáticos. Cofundadora y CEO & Data Scientist de la startup Datatons, miembro del proyecto NASA Datanauts y coordinadora de RLadies Madrid.
Pero ¿qué es lo que más llama la atención de esta treinteañera?
Su energía positiva, su capacidad comunicativa innata y el potente mensaje de su trayectoria:
En el Data Science, las mujeres están conquistando su lugar por mérito propio y… ¡Han llegado para quedarse!
En muy pocas palabras ¿cómo te definirías?
Soy una persona bastante caótica (¡qué no desordenada!) e inquieta, me suelo aburrir con facilidad de tareas repetitivas. También me considero bastante creativa, siempre intento juntar de alguna forma las cosas que necesito con las que me gustan, no hay mejor motor para conseguir algo que la pasión.
En algunas de tus ponencias hablas de tu origen académico: las Humanidades. ¿Qué es lo que lleva a un perfil de Letras a interesarse por las Ciencias?
En mi caso las ciencias me parecían “divertidas” en el sentido de resolver problemas, realmente existe algo de belleza en resolver un problema utilizando herramientas matemáticas. Para mi las humanidades estaban bien pero no me divertían de la misma forma.
Tampoco tenía muy claro a lo que me quería dedicar, pero finalmente me guié por aquello que me atraía más. Por eso cambié de bachillerato a ciencias y posteriormente hice una ingeniería de telecomunicaciones.
Cuando uno no sabe dónde va a terminar tiene que pensar en cosas que le hagan feliz por el camino. Que te hagan feliz no quiere decir que sea fácil, quiere decir que merecerá la pena.
¿Y a dar el gran salto cuántico para acabar trabajando con tecnologías Big Data?
Me gusta probar cosas nuevas en tecnología, cuando pude participar en un primer proyecto de Big Data desde la parte de Administración de Sistemas me encantó, sabía que estas tecnologías tenían un gran potencial aún por descubrir de la mano de los datos, pero que las herramientas y algoritmos tradicionales no funcionaban de la misma manera… Fue una época de mucho investigar, aprender, leer mucho paper y pruebas.
Tu trayectoria se podría resumir con esta frase ”Si la oportunidad no llama, construye una puerta”. ¿Qué fue lo más difícil para dar ese salto cuántico? ¿Cómo lo lograste?
Lo más difícil es saber lo que quieres, una vez que lo tienes claro es más sencillo, para mí fue muy complicado saber qué quería, qué me gustaba. Una de las cosas mas importantes es rodearse de gente que te apoye y sobre todo de un gran equipo (en casa, los amigos, los compañeros, los socios), que no te asusten con el “pero como vas a hacer esto?” o “con lo bien que estás en X”.
Muchas veces conseguir un hito no depende de un solo paso o una sola decisión, en ocasiones un cambio no te lleva a donde quieres estar pero te acerca. Al final no es solo que te plantes un día y decidas “voy a ser X”, se puede pensar mucho en los éxitos de las personas pero te puedo asegurar que detrás de ellos hay muchos fracasos también. La clave para alcanzar alguno de esos éxitos es la resiliencia, la capacidad de trabajo y seguir intentándolo para que cuando la oportunidad llama a tu puerta no tenga ni que llamar, tu ya tienes que estar esperándola.
A lo largo de la vida tomamos muchos “saltos cuánticos”, como cuando cambié de humanidades a ciencias, cuando entre en ingeniería (una historia para no dormir), cuando dejé un trabajo estable en la universidad o cuando decidí montar mi propia empresa. Al igual que cuando me metí en Big Data una siempre debe creer en sí misma y en sus posibilidades, en la capacidad de mejora.
Lo difícil es saber lo que quieres. Un cambio no te lleva a donde quieres estar pero te acerca.
¿Qué competencias y habilidades crees que son fundamentales para convertirse en un Científico de Datos?
Curiosidad. Lo primero curiosidad. Lo segundo: Capacidad para aprendizaje continuo. Esas dos cualidades te llevarán lejos, mucho más lejos que conocer cualquier algoritmo al dedillo o ser un lince en la programación. Hablamos mucho de las skills técnicas pero eso es algo que se adquiere, que puedes aprender. La actitud y la disposición a aprender cosas nuevas es más difícil.
Ahora mismo el mundo de las herramientas de datos está explotando, cada día salen nuevas librerías y técnicas, y todavía les queda un largo trecho por evolucionar, necesitamos profesionales flexibles capaces de enfrentarse a nuevos retos.
Curiosidad y capacidad de aprendizaje continuo. Dos cualidades que te llevarán lejos.
En tu actividad como Data Scientist ¿Qué ventajas ofrece el lenguaje R?
Cuando necesité trabajar con datos en el mercado no había muchas opciones, tenia Matlab que conocía de la universidad, SAS que era un software privado y R que es Open Source y pude encontrar algo de información sobre cómo utilizarlo para temas de machine learning. Encontrar una comunidad detrás dando soporte para consultas me gustó bastante. Así que me puse a tope a aprender R para usarlo en mis análisis. A medida que el volumen de datos iba creciendo empecé a aprender otras herramientas como Spark.
Dependiendo del tipo de análisis que realizo utilizo R o Python, depende del problema o del propio cliente que quiere hacer integración con el código.
Con R encontrar una comunidad detrás dando soporte para consultas me gustó bastante.
En tu opinión ¿La toma de decisiones basadas en el análisis de datos será crucial para que sobrevivan las actuales empresas e innoven las del futuro?
Probablemente, actualmente podemos encontrar modelos de negocios puramente basados en datos, empresas que ofrecen servicios basados en información.
Es una nueva herramienta dentro de las empresas, al igual que pueden tener la publicidad o la parte de desarrollo de negocio deberán hacer caso al comportamiento de sus usuarios, o cuál es la producción prevista para contratar gente o si un cliente abandonará su web en los próximos minutos.
Tu actividad profesional va más allá del ámbito empresarial como CEO & Data Scientist de Datatons, miembro de NASA Datanauts, coordinadora de RLadies Madrid, promotora del evento Call of Data… ¿Qué aportas y que te aportan estas actividades paralelas?
Formar parte de una comunidad como Rladies es fantástico, no solo para conocer a gente que está desarrollando cosas geniales muy diferentes a lo que tu haces, sino para encontrar compañeras, Role Models y gente muy interesante con ganas de hacer cosas y construir.
A raíz de entrar en Rladies han surgido cosas muy buenas, entre ellas la posibilidad de conocer el programa de Open Data de la Nasa Datanauts, pero supongo que las mejores cosas en este caso no se ven tanto, como saber que estás ayudando a otras chicas a conseguir sus metas y a mejorar.
El desarrollo del Data Science es tan vertiginoso que se está produciendo una gran brecha de conocimiento. A gran parte de la sociedad esto del Data Science aún suena a chino. ¿Qué crees que hace falta para superarla? ¿Más pedagogía? ¿Divulgación científica al alcance de todos? ¿Educación tecnológica?
¡¡Qué buena pregunta!! Pues parece que poco a poco va calando pero es cierto que todavía queda mucho por recorrer, es importante explicarla y ser conscientes de que esto ocurre como potenciales clientes o usuarios de un servicio.
Es importante también que sea público y abierto, que los algoritmos que se desarrollen se programen sin sesgos para ser una sociedad equilibrada.
En Call Of Data 2018, donde fuimos patrocinadores, nos sentimos identificadas con tu mensaje sobre la igualdad de género en las profesiones STEM. Cómo crees que contribuye este evento para superar las barreras sociales y alcanzar esta meta.
Call Of Data nace de las necesidades que nos trasladaban las chicas en los meetups de Rladies donde comentaban que las charlas estaban genial pero que les encantaría trabajar en grupo sobre algún problema para aprender, probar y compartir. Decidimos lanzar un hackaton de datos, donde cada equipo debía estar constituido por 50% mujeres, de esta forma resultó que los hombres animaban a las mujeres de su entorno a participar en este tipo de iniciativas donde la presencia femenina no suele ser muy alta.
Crear espacios de trabajo equilibrados, poner en contacto a mujeres y crear Role Models es una buena manera de construir un ecosistema de trabajo mas diverso.
Con la vista puesta en el horizonte… ¿Dónde te ves en 10 años? ¿Algún sueño que cumplir?
¿Todos? ? ¡Solo espero que iniciativas como Rladies no tengan sentido porque socialmente no exista un problema de diversidad de género!
Sigue a Inés Huertas en:
Twitter: @quierodata
LinkedIn: Inés Huertas
0 comentarios
Nadie ha publicado ningún comentario aún. ¡Se tu la primera persona!