A demanda por profissionais de TI é crescente, mas contratar cientistas de dados pode ser um grande desafio para as empresas. Saiba como recrutar
A margem de erro para a tomada de decisão está cada vez mais restrita para as organizações. Por isso, em um processo seletivo eficiente em TI para contratar cientistas de dados, estar bem informado sobre cada uma das etapas de recrutamento e seleção não é mais luxo. É questão de sobrevivência.
Tanto é que estudo da Accenture mostra que 84% da alta gestão acredita que deva aumentar iniciativas em inteligência artificial e data science. Um impacto importante na contratação de cientistas de dados.
O cientista de dados é o profissional que vai prover as lideranças ou máquinas com as respostas que elas precisam para tomar decisões acertadas ou, pelo menos, bem embasadas. Tudo isso, com base na criação de modelos estatísticos sobre os dados. Como se faz isso? Aplicando o método científico aos dados para validar certas hipóteses já levantadas ou para, de modo exploratório, fazer descobertas.
Agora, se o mercado já compreende bem a importância do data science para os negócios, contratar cientistas de dados ainda pode ser desafiador.
De acordo com uma pesquisa da hrtech de recrutamento digital Intera houve um crescimento de 485% na abertura de vagas para cargos na área de inteligência de dados no primeiro semestre de 2021, em comparação com o mesmo período do ano passado.
Segundo Juliano Tebinka, CTO e cofundador da empresa:
Esse aumento não se deve, unicamente, ao boom da área de Data, mas, muito disso, pela geração de dados e inteligência que entregamos e agregamos ao recrutamento. Nunca se produziu tanta informação no mundo. À medida em que a tecnologia avança, mais dados estão sendo gerados para as empresas, e se utilizados de forma correta, podem ser um grande aliado estratégico, e aí a importância de contratar bons profissionais de Data.
A escassez de profissionais qualificados aliada à falta de direcionamento claro para a contratação estão entre as principais dificuldades das organizações. Embora isso seja compreensível, dado o estado atual da inteligência artificial no Brasil, não deixa de ser uma fonte de erros e, logo, de desperdícios para a organização, que pena em sua escalada e maturidade na área.
Aqui na Supero, temos experiência em captação de profissionais de TI para estar à frente de projetos em empresas dos mais variados segmentos e portes.
Neste artigo vamos falar sobre quando é o momento de contratar um cientista de dados, qual o estado da área no mercado brasileiro, qual o perfil deste profissional, que funções ele executa e, por fim, qual a remuneração média por nível de senioridade.
Quando você precisa contratar um cientista de dados?
Nem toda empresa precisa de um cientista de dados, seja porque não está pronta para o data science, seja porque não tem necessidade de soluções construídas por cientistas de dados. Por isso, para não investir em um profissional caro, sem obter grandes benefícios, as lideranças precisam estar atentas a alguns indicativos que mostram que é o momento de trazer esse profissional.
O primeiro indício é quando a organização já não consegue resolver certos problemas com os instrumentos de que dispõe e tem dados em cuja exploração pode encontrar a resposta.
Foi isso que aconteceu, por exemplo, com o e-commerce Posthaus. Eles apresentavam vitrines (banners) aleatórias aos usuários da loja virtual e, por meio do data science aplicado aos dados de navegação, criaram uma vitrine inteligente personalizada.
Veja: [Case] Como o Posthaus aumentou suas vendas com um sistema de recomendação?
Na esteira disso, vem a iniciativa das lideranças e das áreas de negócio. A construção de um entendimento sobre as necessidades que serão supridas pelo data science e sua difusão pela organização é fundamental para gerar a mudança de mindset nos demais níveis organizacionais.
Podemos citar ainda a necessidade de experimentar. O cientista de dados é um profissional explorador e, dentro da organização, não pode ser limitado por processos ou silos.
Desenvolver pesquisa exploratória dentro da organização implica ainda entendimento de que data science não é um plug-and-play, mas requer disposição para errar – inerente ao processo científico – e para aguardar a maturidade dos frutos desse trabalho. Autonomia e transversalidade, assim como certa liberdade para experimentar e tempo de maturação são premissas básicas.
Saiba mais: Sua organização está preparada de fato para o data science?
Data science não é uma panaceia nem um botão que simplesmente se liga contratando cientistas de dados. Há limitações e, principalmente, riscos na ciência de dados que precisam ser compreendidos e difundidos pela organização.
Uma vez criado esse estado de preparo para a ciência de dados, evidentemente, chegará o momento de contratar um cientista de dados. Vejamos então como é a área de data science no mercado.
A área de data science no Brasil
O mercado de data science está em ascensão. Mas, embora haja demanda por profissionais, a formação do cientista de dados se dá mais por meio de cursos e especializações do que por meio de graduações.
As graduações em ciência de dados começaram a surgir apenas a partir de 2018 no Brasil e ainda são poucas.
Por isso, não se surpreenda ao encontrar profissionais cuja principal formação não é em data science. Os profissionais disponíveis no mercado, normalmente, têm graduação em outras áreas como sua formação principal – como ciências da computação, matemática, estatística, economia, administração etc. – e, em data science, cursos ou especializações.
Quanto às graduações existentes, elas priorizam um currículo variado, que vai da estatística, passando por programação até IA. No entanto, mesmo tendo o data science como sua formação principal, um dos grandes desafios dos cursos de graduação está na especificidade das áreas, que requerem um domínio particular dos dados, modelos e tratamento.
Sabendo disso, a contratação de cientistas de dados se torna ainda mais desafiadora. Qual será o perfil standard do cientista de dados?
Perfil dos cientistas de dados
Cada segmento de mercado vai valorizar algum elemento, mas, por via de regra, o perfil técnico dos cientistas de dados vai conciliar matemática, TI e negócios. De acordo com o cientista de dados Normélio Schneider:
[O cientista de dados] É um profissional que na maioria das vezes terá que extrair o máximo em cada passo do seu trabalho, para entregar um resultado eficaz, coerente e seguro, com boa performance de tempo e processamento, sobretudo porque seu público-alvo é composto por decisores, sejam eles pessoas (usuários, gestores...) ou máquinas (machine learning, deep learning ou um algoritmo matemático estatístico), sem margem para erros ou má interpretação.
Leia também: [Entrevista] O que você precisa saber para começar a trabalhar com dados
Assim, entre hard e soft skills, o cientista de dados reúne:
Hard skills
- Estatística e algoritmos
- Linguagens de programação
- Big data
- Inteligência artificial e subáreas
- Estrutura e bancos de dados.
Soft skills
- Comunicação
- Curiosidade
- Conhecimentos de negócio.
Funções dos cientistas de dados
O cientista de dados tem atribuições bem específicas, embora o ciclo de vida de um projeto em data science seja complexo. Por isso, suas atividades podem dialogar com diversas áreas da organização e até com máquinas. Por isso, as descrições do perfil de um cientista de dados podem ser bem diferentes.
No geral, o dia a dia do cientista de dados envolve:
- organizar grandes massas de dados
- minerar dados em busca de padrões
- tratar dados por meio de estatística
- representar padrões para avaliar a coerência e o preparo dos dados para consumo
- adequar padrões aos objetivos e parâmetros do negócio
- aplicar dados prontos para consumo a inteligência artificial, machine learning etc.
- dialogar com as áreas de negócio.
3 erros comuns na seleção de cientistas de dados
1. Contratar um bom matemático ou estatístico
A ideia por trás desse erro na contratação de cientistas de dados é que, tendo o background matemático, o profissional vai aprender rapidamente a parte de computação e linguagem de programação.
Não que o profissional não seja capaz de aprender, mas linguagens como R, Python ou Java têm uma curva longa de aprendizagem.
Então o ideal é contratar um programador puro? Não. E esse é segundo erro mais comum ao contratar cientista de dados.
2. Contratar um programador puro
Não se pode partir da premissa de que data science é apenas programação e, portanto, de que qualquer bom programador poderá fazer isso.
A experiência e o conhecimento prévio em programação aliados à constante reciclagem e às skills matemáticas e das áreas de negócio são fundamentais ao contratar um cientista de dados.
Entenda: Por que está tão difícil contratar desenvolvedores?
3. A equipe atual de dados, analistas ou desenvolvedores de BI vai dar conta
Há muita confusão entre o trabalho do analista de dados e do cientista de dados. Não são o mesmo. Numa escala hierárquica, o analista responde ao cientista de dados.
Não que analistas de dados não possam se tornar cientistas de dados. Muito pelo contrário, essa é a trajetória mais comum na carreira de data science.
Mas esses profissionais dificilmente poderão, da noite para o dia, de um projeto para outro, se tornar uma equipe de data science. Há uma escalada de aprendizado.
Salário de cientista de dados
Segundo dados do Glassdoor, o salário médio de um cientista de dados no Brasil é de R$ 7.519. Esse valor variará, por nível de senioridade, de um piso de R$ 4.000, para juniores, até um teto de R$ 13 mil, para seniores.
Com o crescimento da área, os salários podem ficar acima dessa média em algumas regiões. De acordo com o Guia Salarial 2021 da Robert Half, a remuneração média inicial do cientista de dados é de R$ 13.100, chegando a R$ 26.700.
Contratar cientista de dados
Como vimos, contratar um cientista de dados não significa ligar o botão de data science na organização. Esta iniciativa precisa surgir de demandas reais, ser capitalizada pela lideranças e, ainda, ser bem compreendida pela organização, que vai transformar suas perguntas em objeto de pesquisa dos profissionais a fim de colher os frutos das respostas.
Dando realidade a seus objetivos com o data science, a organização terá mais facilidade em saber qual é a formação, o background técnico e o perfil do profissional que busca, antes ir ao mercado, ainda que isso não seja simples e nem sempre possível de prever na totalidade.
