Quase dez anos atrás, a Harvard Business Review considerava a profissão de cientista de dados, ou data science, a mais sexy deste século. O cenário no Brasil era de uma demanda em franca expansão ao mesmo tempo em que era difícil encontrar profissionais que correspondessem à exigência que, em geral, é por um perfil que concentre conhecimentos em programação, estatística e que ainda tenha visão de negócios. De lá para cá, a procura aumentou – e muito, como já era esperado –, mas ainda há defasagem.
Sem tempo para ler? Clique no play abaixo para ouvir esse conteúdo.
Inscreva-se no curso gratuito Decisão de Carreira na Prática, que te ajuda a entender a melhor carreira para você
Uma pesquisa recente da consultoria de recrutamento de executivos ZRG Brasil e divulgada pelo Valor Econômico, com 63 empresas, mostrou que as companhias têm dificuldade de preencher vagas disponíveis na área. Uma das principais razões é fato de muitas companhias não terem um departamento de estratégia de dados estruturado, enquanto relativamente poucos profissionais experientes construíram carreira no setor. O mesmo levantamento revelou, no entanto, que houve um boom principalmente no setor financeiro. No Itaú Unibanco, em 2017, havia um cientista de dados no time – em 2021, o número saltou para 250.
No contexto do big data (campo que estuda os grandes conjuntos de dados disponíveis), a ciência de dados vem se integrando cada vez mais aos negócios e impactando até mesmo o processo de seleção de pessoas – por meio da aplicação conhecida como people analytics, por exemplo –, isso tudo sem falar nas contribuições para o campo da saúde, por meio da “medicina de dados”. Mas o que um profissional que quer enveredar por essa área precisa saber? Qual é o perfil esperado de um cientista de dados? E quais as habilidades requeridas? São essas perguntas que vamos responder a seguir.
O cientista de dados precisa construir o próprio repertório
A data science reúne informações de diversas áreas do conhecimento, e um dos pontos mais básicos para entender sobre a área é que não existe uma formação específica. Isso significa que cabe ao próprio profissional construir seu repertório por meio de cursos complementares, como afirma Michelle Hanne Soares, pesquisadora em Ciência de Dados e professora no Centro Universitário Newton Paiva. Segundo ela, normalmente os cursos mais recomendados são Ciência da Computação, Sistemas de Informação, Engenharia da Computação, Matemática e Estatística, mas é importante ter domínio de linguagens de programação como Phyton e R, além de tecnologias mais específicas como Matlab, SQL, Power BI, Google Analytics.
Do ponto de vista mais prático, no dia a dia, também será exigida uma visão multidisciplinar, que amplie o horizonte de acordo com o contexto em que se envolveu. “Um dos pontos relevantes em ser um analista de dados é conhecer sobre o negócio que está trabalhando. Por exemplo, se está atuando em um projeto sobre agronegócio, é fundamental aprender, estudar e pesquisar sobre o assunto”, diz Michelle.
Da coleta à análise de dados: é importante conhecer todo o percurso no data science
Por mais que as ferramentas tecnológicas estejam aptas a automatizar processos, especialmente quando se trata de lidar com um volume enorme e complexo de informações, um cientista de dados completo, de acordo com a pesquisadora, é aquele que domina tanto a coleta quanto a análise.
Fazem parte do cotidiano de data science as chamadas análises preditivas que, por meio de algoritmos estatísticos e ferramentas de machine learning são capazes de prever movimentos futuros a partir de acontecimentos (e até comportamentos).
Leia também: 21 (possíveis) profissões do futuro para conhecer hoje
Há um percurso requerido do profissional da área, segundo a professora do Centro Universitário Newton Paiva, que passa por entender o problema, obter os dados referentes a ele, aplicar técnicas de tratamento desses dados, fazer uma análise exploratória por meio da definição de hipóteses e, então, empregar técnicas de machine learning para finalmente auxiliar na tomada de decisão.
Decisões baseadas em data science serão cada vez mais comuns
Por falar em tomada de decisão, Michelle Hanne Soares destaca que a pandemia de Covid-19 acelerou o processo de investimento das empresas em análise de dados para tornarem seus processos mais assertivos. “Seja de pequeno ou grande porte, cada vez mais as empresas buscam tomar decisões baseadas em data science para fugir do ‘achismo’, tanto para criar novos produtos e serviços, quanto para entender o que consumir.”
Com um mercado aquecido e ávido por pessoas competentes no ramo, os salários na data science podem ser um atrativo a mais: para um Analista de Business Intelligence (BI), a remuneração, segundo a plataforma Glassdoor, costuma variar entre R$ 2 mil (para posições mais juniores) e R$ 9 mil, enquanto um Gerente de Data Science pode ganhar entre R$ 15 mil e R$ 30 mil por mês.
Leia ainda: Data Science e Machine Learning: especialistas compartilham tendências e técnicas
Data science: cursos online e gratuitos do zero
Na internet, existem opções de cursos para quem aprender data science do zero – e que não te obrigam a começar uma graduação inteira para aprender. Eles vêm de empresas especializadas e de universidades que começaram a compreender que a profissão demanda pessoas de forma urgente. Confira os cursos nos links abaixos:
# Introdução à Ciência de Dados, da FGV
# Big Data: Fundamentos 3.0, da Data Science Academy
# A crash course in data science, da Johns Hopkins University
# Intro to Data Science, da Udacity
# Visualização de Dados, de Harvard
