A ciencia de datos é un campo en rápido crecemento, pero non medra igual. E se che dixese que nos últimos 30 anos, a proporción de mulleres en Informática diminuíu significativamente? De 1984 a 2016, a porcentaxe de tituladas en informática que eran mulleres baixou de 37% a 18%. En resumo, a medida que a Informática foi cada vez máis demandada, en realidade fíxose menos aberta ás mulleres.
Por suposto, moitas mulleres están interesadas na Ciencia de Datos e nas moitas e interesantes oportunidades de carreira nos datos. Polo tanto, temos que considerar o que nos din as estatísticas de xénero en Data Science. Que podemos facer para animar ás mulleres a seguir carreiras como científicas de datos? E que poden facer os actuais líderes na materia para apoiar ás mulleres nas súas organizacións? Despois de todo, perder mulleres científicas de datos significa perder unha gran parte dos potenciais innovadores e líderes desta industria.
Cal é a relación de xénero de Data Scientist?
As estatísticas de xénero dentro de Data Science contan unha historia desigual. Segundo un informe de Harnham, só en 270% dos roles de Data e Analytics estaban en mans de mulleres. Esa media está lixeiramente sesgada polo maior número de mulleres en Analytics and Insight e en Life Science Analytics. A proporción de xénero é menor na propia Data Science: só o 20% dos científicos de datos eran mulleres. A partir de 2020, había catro veces máis homes que mulleres no campo de Data Science. As mulleres tamén gañan menos que os homes. No eido de datos e analíticas no seu conxunto, os homes gañan un 17% máis que as mulleres. Parte desta discrepancia pode ser explicada por unha onda de novas mulleres científicas de datos que se incorporan ao campo en funcións de nivel de entrada. Pero o patrón é significativo: os homes están a gañar máis que as súas colegas femininas por unha marxe substancial.
Por que se están facendo menos mulleres científicas de datos?
Aínda que proliferan os bootcamps e as titulacións en Data Science, as mulleres constitúen unha baixa porcentaxe de estudantes destes grupos, o que significa menos tituladas para buscar emprego en Data Science. A subrepresentación das mulleres nos campos tecnolóxicos comeza desde unha idade nova. Ata os 11 a 12 anos, as nenas tenden a mostrar interese polos campos STEM igual que os nenos. Cando chegaron aos 16 anos, o seu interese baixou drasticamente. Este patrón xorde a partir dun problema amplo de xénero na nosa cultura e nos sistemas educativos. As adolescentes teñen menos probabilidades que os seus compañeiros masculinos de ver os campos STEM como un lugar para elas. É menos probable que sexan fomentados polos profesores, aínda que teñan un bo rendemento nas clases. Tamén poden desanimarse pola falta de modelos femininos nas carreiras STEM.
Por que as mulleres deixan as carreiras de ciencia de datos?
Segundo Better Buys, as mulleres teñen o dobre de probabilidades que os homes de deixar un posto nun traballo tecnolóxico. Como en moitos campos, as mulleres son máis propensas que os homes a desistir ou tomar un tempo libre para coidar dos fillos ou dos anciáns da familia. Aínda que volven á forza de traballo, poden estar en desvantaxe debido a que se lles considera que perderon tempo. As empresas poden abordar directamente este problema ofrecendo permisos parentais retribuídos por igual a homes e mulleres. Máis empresas en todo o mundo están creando políticas de permisos de igualdade. Isto distribúe o traballo de coidado da infancia de forma máis uniforme e, co paso do tempo, parece que vai cambiando paulatinamente o estigma cultural contra o permiso para o coidado dos nenos.
Pero parte deste problema é específico para Data Science. A falta de mulleres no campo pode perpetuarse; as mulleres non ven a outras mulleres en funcións de liderado e esperan atopar menos oportunidades de ascenso. E a falta de mulleres nos equipos tecnolóxicos pode levar a un ambiente potencialmente tóxico. Nunha entrevista con Máster en Ciencia de Datos, Jana Eggers sinalou que "algúns problemas de sexismo e prexuízo" eran unha das razóns polas que as mulleres non están. t permanecer sempre no sector. Na mesma entrevista, Lillian Pierson comentou que "as mulleres enfróntanse constantemente á discriminación de xénero en función do noso aspecto e do que vestimos". Os líderes das organizacións teñen que desafiar frontalmente os problemas da cultura sexista. Se as mulleres non son respectadas, non teñen motivos para quedarse.
Recursos e redes para mulleres na ciencia de datos
Aínda que a proporción desigual de xéneros de Data Science é un problema difícil de resolver, é un no que os científicos de datos e os educadores levan traballando durante anos. O resultado positivo de todo este traballo é que hai unha serie de redes profesionais e recursos para apoiar ás mulleres nos campos tecnolóxicos: desde ensinar ás nenas a código ata proporcionar mentores profesionais ás mulleres que ingresan en Data Science. Hai moitos recursos útiles. Se es unha muller de Data Science ou buscas apoiar a unha muller nova na túa vida, consulta os seguintes programas.
Programas para nenas e mozas:
Recursos para mulleres en ciencia e tecnoloxía de datos:
O campo da ciencia de datos está maduro con oportunidades tanto para homes como para mulleres. Corresponde ás persoas que xa están no campo garantir que as súas organizacións non só sexan acolledoras, senón que apoien activamente aos empregados de todos os xéneros e razas. Ao apoiar ás mulleres en Data Science, beneficiamos non só ás mulleres no campo, senón ás futuras innovacións da Data Science no seu conxunto.
