Quando pensamos em uma pessoa cientista, de cara o que imaginamos é alguém de jaleco branco, em um laboratório, manejando microscópios e tubos de ensaio.
Contudo, quando o assunto são dados, a história é completamente diferente. Saem os béquers, os condensadores e outras parafernalhas e entram os softwares, os códigos e outras novíssimas ferramentas digitais.
Mas, se essas pessoas não trabalham do jeito que imaginamos, como tudo isso funciona e qual é a serventia prática da alquimia dos dados?
Para responder a essa questão, o Na Prática conversou com João Vitor Ganzotti, responsável por Data na Tractian, e ele tirou todas as dúvidas das pessoas que têm interesse em atuar no setor.
Confira o resultado do papo a seguir.
Se não tem jaleco, o que tem então?
A grande verdade é que, embora o termo “cientista” tenha caído no gosto popular, os profissionais de dados não estão muito ligados aos cientistas convencionais.
Ao contrário, segundo João Vitor, o local de trabalho natural dos cientistas de dados fica bem em frente ao computador, onde é necessário manipular e extrair informações de gigantescas bases de dados.
“O cientista de dados está mais próximo de um desenvolvedor ou programador do que de um cientista de laboratório”, explica João. “Ele é o profissional responsável por utilizar técnicas de estatística, machine learning, matemática e computação para resolver problemas e chegar a conclusões utilizando dados”.
Dentro dessa lógica de atuação, o setor se divide em 4 subáreas (relacionadas aos cargos que as representam). São elas:
Analista de Dados
Responsável por acumular, interpretar e criar visualizações para os dados
Cientista de Dados
Responsável por criar modelos de inferência e automação usando os dados
Engenheiro de Dados
Responsável por manipular, transformar e manter os dados, garantindo a escalabilidade dos sistemas
Engenheiro de Machine Learning
Responsável por transformar os dados e modelos em produtos e criar automações otimizando seu funcionamento computacional e custo
E em que contextos podemos aplicar a ciência de dados?
Em linhas gerais, o trabalho das pessoas cientistas de dados está atrelado à relação entre conhecimento e inferência.
Complicado?
Bom, basicamente essa relação quer dizer que:
- Os profissionais de dados analisam um conjunto de informações obtidas ao longo do tempo sobre algo (o conhecimento) e chegam a conclusões (inferências) a partir do manuseio desse conjunto – às vezes gigante – de informações.
“A função da ciência de dados no mundo atual é permitir que as decisões e ações sejam ótimas, levando as pessoas e projetos pelos melhores caminhos possíveis, minimizando custo e tempo”, analisa João. “Para isso, são usados os dados e os conhecimentos acumulados e adquiridos através de sensores e bases dados para encontrar respostas a problemas que são difíceis considerando a limitação das capacidades humanas, gerando inferências de maneira automática.”
As aplicações práticas desses projetos, portanto, podem ser:
- Redução de custos;
- Automatização;
- Melhoria da qualidade e da assertividade nos processos; e
- Antecipação e controle de evento
Como faz para atuar como cientista de dados?
Segundo João Vitor, existem muitas habilidades necessárias para trabalhar com ciência de dados, já que os profissionais devem “saber lidar com diferentes situações e problemas mesmo que não tenham conhecimento prévio do setor” do projeto de atuação.
Por essa razão, o especialista acredita que a principal característica de um cientista de dados deve ser a capacidade de aprender rápido. Para ele, é necessário saber absorver diferentes temas rapidamente e utilizar de lógica para solucionar problemas.
E quando o assunto são hard skills, ele lista algumas habilidades chaves para os interessados:
- Linguagens de programação
- Banco de dados
- Teorizações de machine learning e estatística
“Os profissionais de ciência de dados tem uma tendência a ter suas origens nos cursos superiores de Ciência da Computação e Engenharia da Computação”, explica o especialista. “Entretanto, existem cursos práticos mais curtos dedicados a machine learning, ciência de dados e estatística que podem auxiliar no processo. Entender de matemática e de programação é primordial no processo e são quesitos chaves a serem aprendidos pelos aspirantes a cientistas de dados.”
