O mercado ainda confunde cargos e funções da carreira em data science. Veja as principais para não errar na contratação
A carreira em data science está em alta, e vagas na área é o que não falta em todo o mundo, em vários setores além do tecnológico. Segundo a Revelo, a demanda por profissionais da área cresceu 236% em 2019.
Há um franco reconhecimento de que os profissionais de dados e seus resultados serão fundamentais para a recuperação, proporcionando à organização orientações, bem como insights para resolver problemas de negócio e embasar uma estratégia que responda à nova realidade.
Mas também se sabe que os profissionais de data science serão ainda mais fundamentais para resolver desafios inerentes à própria ciência de dados. Afinal, a pandemia trouxe à tona diversas limitações.
Todo esse trabalho é impulsionado da mesma maneira. A ciência de dados usa o método científico aliado à computação e aos negócios para extrair evidências e conhecimentos de dados estruturados e não estruturados. E com a aceleração da transformação digital durante a pandemia, uma coisa é certa: dados para explorar é o que mais temos.
Embora isso seja claro na teoria, na prática há várias interpretações sobre os possíveis cargos e funções ligados ao data science. Por isso, não é incomum que o mercado confunda atividades e skills relacionadas a eles, o que facilmente conduz as organizações a contratações e, logo, a resultados aquém dos esperados.
Então, neste post, perguntamos: o que significa trabalhar com dados para o mercado? Todas as opções de carreira se enquadram dentro profissional que se chama de cientista de dados? Se não, quem faz o que e quais as características de cada especialidade?
Visão geral da carreira em dados
O data science atravessa, ao mesmo tempo, ciência da computação e TI, matemática e estatística, administração e negócios. Veja no vídeo como funciona um projeto em data science:
Em virtude dessas características, profissionais de dados reúnem um conjunto de habilidades amplas, no sentido de ser essencialmente multidisciplinar, e específicas, por aproveitar de cada uma dessas áreas certos conhecimentos.
Por isso, não é incomum que a formação principal ou acadêmica de um profissional de dados não seja em computação ou em dados. Muitos profissionais vêm de áreas distintas, como matemática, física, administração ou até filosofia.
Mas algumas características, técnicas e não técnicas, são comuns a quem trilha a carreira de dados. Entre elas, citamos:
Skills técnicas
- Matemática e estatística
- Ciêncida da computação e TI
- Linguagens de programação
- SQL e noSQL databases
- Ferramentas analíticas
Soft skills
- Domínio de abordagens de negócios
- Comunicação e senso crítico
- Curiosidade acima da média.
Carreiras em data science
1. Arquitetura de dados
Quem vai para essa área conhece bem de arquitetura de TI e de modelagem de dados, e cria esquemas que integram, centralizam e protegem dados – sejam eles da própria empresa, sejam eles externos.
Além disso, na arquitetura de dados, haverá a responsabilidade de encontrar novos dados, identificar tecnologias para gerenciamento de dados, estabelecer o fluxo dos dados na organização e monitorá-los a fim de garantir a segurança.
2. Engenharia de dados e de big data
No geral, a engenheiria de dados envolve o desenvolvimento, construção, testes e manutenção da arquitetura da dados. Esse trabalho vai garantir que o dados estejam disponíveis para consumo em análises.
Aqui, podemos citar ainda a carreira em infraestrutura de dados, isto é, focada em como os dados são guardados e acessados, o que envolve desenvolver e manter um ambiente cloud – ideal para lidar com coisas como big data.
É bem comum que a engenharia de dados seja confundida, em seleções, com a ciência de dados.
3. Análise de dados
A análise de dados também é confundida bastante com a ciência de dados. Mas há uma diferença entre ambas: na análise serão compreendidos estatisticamente os dados por meio de sistemas, a fim de encontrar tendências e padrões de comportamento que respondem às perguntas e problemas do negócio. Relacionado a este trabalho está ainda o design a configuração e implementação de soluções, por exemplo.
Assim, embora seu objetivo seja o mesmo que o da ciência de dados, a diferença é que a análise não vai treinar algoritmos – ou, pelo menos, ainda não. Esse é normalmente um passo posterior na carreira do analista de dados e que o tornará um cientista de dados.
4. Cientistas de dados
A ciência de dados se serve, por assim dizer, do trabalho da engenharia de dados. Suas principais atividades são relacionadas a organização e exploração de dados por meio de análises matemáticas e estatísticas, mas também por meio do conhecimento de negócio. Então, envolverá:
- desempenhar análises de dados exploratória
- processar, limpar e verificar a integridade de dados
- identificar tendências em dados e fazer predições
- gerar insights usando técnicas de machine learning.
Leia mais: Como contratar cientistas de dados
5. Especialista em visualização de dados
Este profissional é especialista em data storytelling, isto é, em transformar big data em dashboards inteligíveis para áreas não técnicas – como negócios – por meio de ferramentas e técnicas.
Características dos profissionais que seguem carreiras em data science
A Harvard Business Review já disse: “data science é a carreira mais sexy do século XIX”. No entanto, não é para todo mundo. A primeira recomendação para quem quer formar um time de data science ou deseja migrar para uma carreira em data science é: faça as perguntas certas.
Trocando em miúdos, isso significa avaliar se o candidato, por exemplo, tem a proatividade para aprender e se requalificar constantemente, se deseja resolver problemas, se tem inclinação ao trabalho com estatística, se deseja dialogar com as áreas de negócio ou marketing e vendas e se ele seguiria a mesma profissão se ela não fosse tão lucrativa ou, como disse a HBR, sexy.
Carreira em data science: especialistas ou generalistas?
A ideia de alto nível de especialização do trabalho, no universo da TI, é difícil de se manter em virtude da própria característica iterativa do desenvolvimento de produtos e serviços, e da percepção de que o custo de coordenar um trabalho altamente especializado pode superar o benefício dele, dado o tempo de espera gerado dentro do fluxo de valor.
Por isso, em vez de organizar os cargos por atividade dentro de um ciclo de data science, algumas organizações dão projetos de ponta a ponta a, por exemplo, cientistas de dados generalistas que reúnem habilidades naquele segmento. Por exemplo, um cientista de dados pode construir um sistema de recomendação.
Leia mais: [Case] Como o Posthaus passou a vender 3 vezes mais com nosso sistema de recomendação
No entanto, há sim alguma especialidade. Por exemplo, um cientista de dados tem poucas habilidades comuns a um engenheiro de dados, assim como certas skill técnicas altamente especializadas serão mais difíceis de encontrar na maioria dos profissionais e de desenvolver no curto prazo.
Por isso, contar com um parceiro que leve os profissionais de data science certos para suas necessidades e para a cultura da sua empresa é fundamental para coordenar quanto para gerenciar custos ligados a profissionais.
Carreira em data science: um terreno vasto a ser explorado
Como vimos, o data science como disciplina de pesquisa e suas aplicações nos negócios e na sociedade têm ganhado relevância dentro do ambiente organizacional.
Leia também: Sua organização está pronta para a ciência de dados?
Desse movimento, estão emergindo várias carreiras, muitas vezes difíceis de serem acompanhadas pelo mercado.
Se você está iniciando a construção de um time de data science ou quer ampliar seu time atual, mas tem dúvidas sobre que profissional você precisa, converse com quem tem 17 anos de experiência em TI e em outsourcing de profissionais para empresas dos mais variados segmentos e portes.
