La ciencia de datos tiene una imagen en internet que mezcla reuniones de Google en loft minimalistas, dashboards perfectos y análisis reveladores a cada hora. La realidad es más granular, más humana y —si lo organizas bien— bastante buena para un nómada.
Aquí está el día a día real, sin filtros.
Una semana típica de un data scientist remoto
Lunes: planning y contexto
El inicio de semana no empieza con código. Empieza con contexto.
- 8:00-9:00: Revisión de mensajes acumulados del fin de semana (Slack, email, Notion). Para nómadas con clientes en otra zona horaria, puede haber 15-30 mensajes esperando.
- 9:00-10:00: Reunión semanal de sync con el equipo o cliente (si aplica). En empleo remoto suele ser daily standup de 15-20 minutos. En freelance puede ser una llamada de 30-45 minutos de revisión semanal.
- 10:00-13:00: Trabajo técnico profundo. La mañana es el bloque de mayor concentración: exploración de datos, construcción de modelos, debugging de pipelines. Sin reuniones, notificaciones silenciadas.
- 13:00-14:00: Pausa. Como nómada esto puede ser explorar el barrio nuevo o simplemente comer sin pantalla.
- 14:00-16:00: Trabajo técnico continuo o revisión de resultados del lunes.
- 16:00-17:00: Comunicación: responder mensajes, actualizar el estado del proyecto en Notion, documentar decisiones del día.
Martes y miércoles: ejecución profunda
Son los días de mayor productividad técnica. El patrón se repite:
- Bloque de 3-4 horas de trabajo técnico en la mañana.
- Reunión o revisión de avance a media tarde (30-45 min).
- Documentación y comunicación al final.
El trabajo técnico real en un proyecto de análisis de datos incluye:
- Exploración inicial: entender la estructura de los datos, identificar valores nulos, outliers, duplicados.
- Limpieza: 40-60% del tiempo total del proyecto. Los datos reales siempre están desordenados.
- Análisis: responder preguntas específicas con SQL y Python.
- Modelado (si aplica): construir, evaluar y ajustar modelos.
- Visualización: construir dashboards o presentaciones de resultados.
Jueves: revisión y presentación
- Preparación de entregables: asegurarse de que el notebook está documentado, el dashboard funciona en todos los dispositivos, el reporte cuenta la historia correctamente.
- Presentación o entrega al cliente/equipo.
- Reunión de feedback: qué necesita ajustarse, qué preguntas surgieron.
Viernes: cierre y mejora
- Correcciones basadas en feedback del jueves.
- Planning de la semana siguiente.
- Aprendizaje: 1-2 horas para leer artículos técnicos, explorar nuevas herramientas o avanzar en un curso.
- Trabajo administrativo: facturas, seguimiento de pagos, actualización de portafolio.
Las herramientas que abres cada día
| Herramienta | Para qué | Frecuencia |
|---|---|---|
| Jupyter Notebook / VS Code | Desarrollo de análisis y modelos | Diario |
| DBeaver / cliente SQL | Consultas a bases de datos | Diario |
| Slack / email | Comunicación con cliente o equipo | Diario |
| Notion | Documentación y tracking de tareas | Diario |
| GitHub | Versionar código | Diario o casi |
| Looker Studio / Power BI | Dashboards para clientes | 3-4 días/semana |
| Google Meet / Zoom | Llamadas con clientes | 2-3 veces/semana |
| Loom | Grabación de walkthroughs | 1-2 veces/semana |
Los retos reales de trabajar en datos siendo nómada
Conectividad y herramientas en la nube
El 80% del trabajo de datos corre en la nube (BigQuery, Colab, AWS, Snowflake). Esto es ventaja y desafío: necesitas internet decente. Un día sin conexión estable puede bloquear entregas.
Solución práctica: siempre tener backup de datos locales para las fases críticas del proyecto. Google Colab permite trabajar offline con limitaciones. Identificar los cafés y coworkings con mejor conexión en cada ciudad antes de necesitarlos.
Diferencias de zona horaria
Trabajar para cliente norteamericano desde Europa o Asia significa reuniones en horarios incómodos (10pm reuniones de equipo no son raras).
Estrategia que funciona: negociar desde el inicio las horas de overlap. La mayoría de equipos de datos aceptan 2-3 horas diarias de overlap en lugar de horario completo, especialmente para roles de contribuidor individual.
Concentración en entornos variables
Los cafés ruidosos y las habitaciones de Airbnb no siempre son ideales para trabajo técnico que requiere concentración profunda. La limpieza de datos o el debugging de un pipeline con error críptico requieren 2-3 horas sin interrupciones.
Lo que aprenden los nómadas con experiencia: coworking para trabajo técnico profundo, café para comunicación y tareas livianas. El coworking diario ronda los $5-20 USD dependiendo de la ciudad.
Cómo cambia el día según el tipo de trabajo
Semana de exploración (inicio de proyecto): Más reuniones para entender el problema, más tiempo en SQL explorando la estructura de datos. Menos certeza y más preguntas.
Semana de construcción (mitad de proyecto): Máxima concentración técnica. Bloques largos sin interrupciones. El Jupyter Notebook abierto la mayor parte del día.
Semana de entrega: Más comunicación, menos código nuevo. Preparar presentaciones, ajustar dashboards según feedback, documentar decisiones.
Semana de mantenimiento/retainer: Más liviana técnicamente. Monitoreo de modelos, actualización de reportes, responder preguntas del cliente sobre los datos.
Lo que más sorprende a quien empieza en datos remotos
Que la limpieza de datos toma tanto tiempo. En cursos y tutoriales, el dataset llega limpio. En proyectos reales, los primeros 3-5 días de un proyecto de 3 semanas son solo entender y limpiar datos. Es normal, no un error.
Que la comunicación es tan importante como el técnico. Una semana sin actualizar al cliente sobre el progreso genera ansiedad del lado de ellos, aunque estés produciendo resultados. Comunicar con frecuencia, incluso cuando no hay resultados finales, mantiene la confianza.
Que puedes trabajar desde casi cualquier lugar. Una laptop con buen teclado, auriculares con cancelación de ruido y acceso a internet son suficientes para el 95% del trabajo de datos. La libertad geográfica es real.
¿Trabajas en datos desde el extranjero o estás planeando hacerlo? En el foro de Nomadaz hay data scientists compartiendo su experiencia real de combinar el trabajo técnico con el nomadismo. Únete a la conversación.