Un estudio basado en las encuestas de Stack OverFlow entre los años 2011 y 2018.

Hace bastante que muchos nos preguntamos como es posible que la brecha de género esté muy próxima a equipararse en campos como la ingeniería o las matemáticas, pero la representación de la mujer en la industria tecnológica sigue siendo muy pequeña. ¿Es una falta de motivación debida a la masculinización del sector? ¿Es simplemente que no se siente atraídas por la tecnología?

Es una pregunta difícil de contestar, pero hay un hecho claro: La escasa representación de la mujer en el sector tecnológico representa un claro desperdicio de talento.

Con el crecimiento del “Big Data” y la Ciencia de Datos en general, la intuición se está convirtiendo en una de las competencias mas demandadas en la actualidad (una habilidad difícil de medir, por cierto). Es por tanto evidente la enorme contribución que la paridad de sexos puede aportar al sector. Los datos albergan historias, información y patrones que esperan a ser contados, pero son necesarias mentes con la intuición suficiente para hacer las preguntas adecuadas y extraer la información de valor. Sobra decir que hay que saber estadística y programación, pero la clave está en saber peguntar, y puede convertirse en algo muy adictivo, créeme.

Entonces, ¿que sugieren los datos sobre el tema? Para obtener indicios de la situación actual y lo que puede ocurrir en el futuro próximo, el mejor lugar para buscar es aquel al que los profesionales de la tecnología acuden para consultar y compartir ideas. Hay varios referentes de este tipo en el campo de la programación, que podrían ser puntos de partida interesantes para el estudio, aunque si alguna vez has puesto las manos en la masa con algún proyecto de desarrollo de software, es seguro que has oído hablar de StackOverFlow.

Por ese motivo hemos utilizado información de las encuestas que el popular site ha venido desarrollando desde el año 2011. Cada año aumenta tanto el número de preguntas como el número de desarrollador@s encuestados, pero desde el inicio hay datos disponibles sobre país, género, sueldo, hobbies, educación formal e informal, lenguajes de programación utilizados, tipo de desarrollo… Proporciona una imagen muy interesante del sector desde el punto de vista del desarrollador/a.

 

Parte I. ¿En qué punto nos encontramos?

Podemos empezar haciéndonos algunas preguntas:

  • Ok, pero ¿cuál es la proporción real de mujeres en el sector tecnológico?

  • ¿Es diferente el ratio profesionales/estudiantes en los dos géneros principales?

  • ¿Cuales son las tecnologías que están creciendo? ¿Cual de ellas crece a mayor velocidad?

La primera idea que se nos viene a la cabeza es que la representación de la mujer es muy baja, pero debe haber ido creciendo a lo largo del tiempo, al menos en la última década. Los datos dicen otra cosa, sin embargo:

Entiéndase “others” como tod@s los que no se definen a sí mismos como hombre o mujer, o directamente no especifican el campo “género”. Considerando la explosión del Big Data y el sector tecnológico en general durante el período analizado, los datos muestran que de cada 10 personas trabajando en tecnología, menos de 1 es mujer, manteniéndose casi constante desde 2014 con un tímido crecimiento entre los años 2016 y 17.

El siguiente gráfico muestra la proporción de estudiantes y trabajadores para los dos géneros, o lo que es lo mismo, ¿que proporción de mujeres trabaja en el sector y cuantas siguen estudiando o la usan como hobby?

Es evidente que la proporción de estudiantes (sin trabajar) es superior en las mujeres, sin embargo la diferencia no es significativa, lo que indica que las mujeres que estudian campos relacionados con la tecnología terminan accediendo al mercado laboral en un porcentaje similar al de los hombres, aunque quizás con un poco mas de dificultad.

Podemos deducir entonces que la ínfima representación de la mujer está muy relacionada con el poco interés que tradicionalmente este campo ha despertado en ellas. La proporción de estudiantes/trabajador@s muestra que las oportunidades actuales de acceso son prácticamente iguales.

A partir de aquí la siguiente incógnita podría ser ‘como ha evolucionado el uso de las diferentes tecnologías’ independientemente del género. Es una de las primeras dudas que nos planteamos cuando se quiere irrumpir en el sector, ya que aprender a programar lleva tiempo y por lo tanto es interesante conocer qué tecnologías han visto crecer su demanda en los últimos años y cuyo crecimiento se proyecta hacia el futuro.

Es mucho mas eficiente invertir tiempo en aprender un lenguaje que va a estar masivamente en uso dentro de uno o dos años.

Nuestros datos muestan claramente como JavaScript y Python se encuentran en pleno crecimiento, junto a Ruby y Go. Es evidente que los lenguajes de alto nivel se están popularizando, debido a sus rápidas curvas de aprendizaje y la enorme comunidad de usuarios online que proporciona un contenido de gran valor en documentación y repositorios.

  • JavaScript se convirtió en una referencia actual debido a su versatilidad. Se popularizó como lenguaje frontend, pero está creciendo también en el campo del backend gracias a frameworks como Node.js.
  • Python es probablemente la mejor opción para empezar a programar hoy en día. Es simple, intuitivo, rápido de aprender y muy versátil, con amplia aplicación en Data Science y desarrollo backend. La revolución del Machine Learning, Deep Learning y otros campos de la Ciencia de Datos tiene una estrecha relación con su crecimiento.
  • Ruby. Aunque los datos de StackOverFlow no muestran un claro crecimiento, al menos no muestra lo contrario (como ocurre con otros lenguajes como Java o C#). Otro lenguaje orientado a objetos que se está popularizando en desarrollo backend.
  • Go. Desarrollado por Google en 2009, es el mas joven de todos pero con un futuro prometedor. Fue diseñado para sustituir a C++ en el gigante de internet, y aunque puede usarse para casi cualquier aplicación, su uso mas popular es el desarrollo backend.

HTML y CSS han sido excluidos intencionadamente del análisis porque como desarrollador/a tendrás que manejar contenido web de una manera u otra, por lo que los usaremos independientemente del lenguaje interpretado que aprendamos.

 

Parte II. ¿Donde es mejor focalizar para aumentar las posibilidades de obtener un puesto de trabajo?

Después de crearnos una imagen general de la situación, es momento de investigar qué nos pueden decir los datos sobre las personas que trabajan en el sector. Hemos analizado datos de la encuesta 2017, seleccionando solo los encuestados que declararon un sueldo real (es decir, estaban trabajando) y calculando la proporción de géneros según diferentes variables. En otras palabras, ¿qué países, tipos de educación, años de experiencia o areas de la tecnología son los mejores/peores a la hora de comenzar una carrera en en el sector de la tecnología?

Los gráficos a continuación muestran el porcentaje de mujeres trabajadoras sobre el total de trabajadores. Por ejemplo, en países, las mujeres representan en torno al 9% de la fuerza de trabajo en Estados Unidos.

En términos de educación, los datos dicen que tener un grado superior incrementa las posibilidades de encontrar un trabajo siendo mujer, con una menor proporción para otros perfiles educativos.

En contraste, las mujeres representan alrededor del 15% de las personas que han programado menos de dos años y ya están trabajando. Este detalle es significativo e indica un claro crecimiento del papel de la mujer en este segmento de trabajadores (entry-level). Esto cobra sentido cuando analizamos los campos del sector donde la mujer tiene mas representación: Quality Assurance, Machine Learning, Data Analysis, Marketing, BI…, todos ellos dentro de las áreas que han experimentado un mayor crecimiento en los últimos años.

Geográficamente, Europa, Norte América y Australia son los mejores lugares para trabajar en “tech” siendo mujer, aunque sorprenden algunas economías emergentes como India y Brasil.

 

Parte III. ¿Que variables tienen mayor influencia en el salario? ¿Es diferente según el género?

Probablemente uno de los primeras cuestiones que alguien se haría al comparar géneros es la brecha salarial, donde tristemente, en igualdad de formación y experiencia, los hombres están mejor pagados que las mujeres. Abordamos este tema un poco mas abajo, pero echemos un vistazo antes a la influencia que diferentes variables tienen en los salarios de ambos géneros. ¿Qué tiene mas relevancia a la hora de predecir el sueldo: el país, la educación, la experiencia, …?

Para ello hemos dividido el set de datos de 2017 en dos: uno incluye a mujeres trabajadoras encuestadas y el otro a los hombres. Luego hemos aplicado un modelo predictivo (el Salario es la variable a predecir) a cada uno de los datasets, y optimizado los parámetros de ambos. Los gráficos a continuación muestran las 15 variables que tienen mayor influencia a la hora de predecir el salario de un trabajador/a del sector tecnológico.

No es sorprendente que la moneda o el país parecen ser muy relevantes al predecir el salario para ambos géneros, junto a los años de experiencia en programación. Tiene sentido que cuanta mas experiencia se tiene en una tecnología, mayor es el salario.

“Lamentablemente, la falta de información especialmente para el set de datos de las mujeres (menos de 1000 individuos) produce un modelo muy poco robusto, donde una variable como “¿Como pronuncias la palabra GIF?” aparece como la segunda en relevancia, algo que no tiene mucho sentido en el mundo real.”

Sin embargo, a pesar de la poca precisión del modelo, podemos asumir que no hay grandes diferencias en las variables que influyen en el salario de un hombre o una mujer. Influye mucho el país y la experiencia para ambos sexos, pero no la edad, el género o la tecnología que se domina.

 

Comparación de salarios absolutos

Para tener una imagen mas realista de la situación, es importante tener en cuenta los diferentes rangos salariales, ya que podría haber diferencias entre diferentes sectores, que no se vean al comparar simplemente la media de salarios general de todas las trabajadoras con la de todos los trabajadores.

Dividimos cada dataset en dos partes, con la separación definida en el valor salarial medio (Mediana), resultando dos subsets para cada género (los de salarios altos y los de salarios bajos), a los que calculamos sus respectivas medias del valor a comparar: el salario. Los resultados fueron:

  • Salarios altos Mujer: 90 140 $
  • Salarios altos Hombre: 88 217 $
  • Salarios bajos Mujer: 27 676 $
  • Salarios bajos Hombre: 25 832 $

Los datos muestran que de media, los salarios de las mujeres son superiores a los de los hombres en el sector de la tecnología. Debemos tener en cuenta el desigual número de salarios disponibles para el análisis (casi 10 veces mas hombres que mujeres), por lo que esta conclusión no es del todo confiable, aunque podemos asumir del estudio que la brecha salarial en el sector es inexistente o muy pequeña.

 

Conclusión

A lo largo del post hemos contestado algunas preguntas sobre la situación y evolución de la mujer en el sector tecnológico:

  • Reunimos información de varios años consecutivos para representar gráficamente la evolución de la presencia de la mujer en el sector, comparamos el ratio trabajador@s/estudiantes en ambos sexos y analizamos el cambio en el uso de diferentes lenguajes de programación a lo largo de los últimos años.
  • Analizamos la proporción de géneros en cuanto a diferentes factores (país, educación, areas de desarrollo, años programando,..) solo para personas que declararon un sueldo estable y por lo tanto estaban trabajando en el momento de ser encuestadas.
  • Finalmente analizamos la influencia de distintas variables en la predicción del salario para cada uno de los géneros, e hicimos una comparación entre los valores absolutos de esos sueldos.

El mundo está cambiando muy rápidamente en todos los campos, y el tecnológico va a jugar un papel fundamental en ese cambio. Talento, pasión e intuición serán cruciales en el futuro próximo, cuando cientos de nuevos roles aparezcan especialmente en lo relacionado a los datos.

Las mujeres representan menos del 15% de la fuerza de trabajo tecnológica a nivel mundial, lo que implica que hay un enorme vacío esperando a ser cubierto. Basados en nuestro análisis, podríamos decir que la paridad de géneros en el sector es una cuestión de tiempo, ya que ellas entraron en la tecnología mucho después que ellos. De hecho parece evidente que la representación de la mujer está ganando terreno especialmente en posiciones “entry level” o “junior”, que la brecha salarial en el área es o muy pequeña o inexistente y que las oportunidades para acceder a la industria son similares.

Los hallazgos y afirmaciones expuestos son meramente observacionales, no forman parte de un estudio formal.

¿Dicen tus datos algo diferente?¿Qué puedes contarnos sobre tu experiencia? Compártelo con nosotros y hagamos crecer este análisis.

 

Recommended Posts

Leave a Comment

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.