Escreva para pesquisar

Cientista de dados: a profissão do futuro

O gerenciamento de dados vem sofrendo uma grande transformação nos últimos anos, relacionado à quantidade, variedade e formato de informações.

As empresas querem combinar dados que não estão em seus grandes bancos de forma estruturadas, como, por exemplo, os hábitos de consumo ou acontecimentos recentes na vida do cliente. “Essas informações estão em posts de redes sociais, blogs e outras fontes externas e são gerados pela facilidade de utilização da internet, proporcionada principalmente pelo uso crescente de dispositivos móveis, como tablets e smartphones”, comenta o coordenador do curso de pós-graduação em Big Data no Instituto de Gestão e Tecnologia da Informação (IGTI), João Paulo Nascimento,

Nesse sentido, profissionais capazes de analisar qualitativamente essas informações – como o cientista de dados – estão em plena ascensão. A Comissão Europeia estima que, até 2020, serão criadas 100 mil novas vagas nesta área no continente.

Já nos Estados Unidos, um estudo realizado pela IBM também indica um crescimento bastante acelerado da carreira, com 364 mil novas vagas esperadas até 2020. E uma pesquisa global do LinkedIn também verificou este crescimento. No setor de finanças, por exemplo, essa já foi a função mais procurada em 2018.

No Brasil, esse fortalecimento também já é observado. Uma pesquisa realizada pela consultoria de recrutamento especializado Talenses, feita em parceria com a Digital House, constatou que o cientista de dados está entre os três profissionais digitais mais procurados no País.

A demanda por profissionais da área já começa a ser atendida no Brasil. A Escola de Matemática Aplicada da Fundação Getulio Vargas (FGV EMAp), no Rio de Janeiro, por exemplo, lançou, para o primeiro semestre de 2020, o curso de graduação em Ciência de Dados.

Ao longo do curso, os alunos terão contato com questões que envolvem o Aprendizado de Máquinas, Modelagem Estatística, Processamento de Linguagem Natural e Visualização; assim como aplicações em Epidemiologia, Economia e Finanças.

Atributos da profissão

O que torna a carreira de cientista de dados tão promissora? “A ciência de dados se configura como a união das áreas de estatística, matemática e computação científica, que, juntas, são capazes de analisar setores como  saúde, economia, meio ambiente. Esse profissional está apto a resolver problemas que envolvem um grande volume de dados”, sintetiza o diretor da FGV EMAp, César Camacho.

Os cientistas de dados formam, assim, uma nova geração de especialistas analíticos que possuem as habilidades técnicas para resolver problemas complexos.

Segundo definição do SAS, empresa que atua no mercado de analytics, eles são parte matemáticos, parte cientistas da computação e parte observadores de tendências. E, como transitam entre os mundos dos negócios e da TI, são muito procurados e bem-remunerados: a média salarial para o cargo no Brasil, de acordo com o Love Mondays, é de R$ 9 mil, podendo chegar a R$ 20 mil.

“Com o grande volume de dados gerados a todo momento, companhias de todos os portes e setores buscam insights através da análise de dados para ajudar na tomada de decisão para seus negócios. Nesse aspecto, entra o cientista de dados, uma nova geração de especialistas analíticos que coletam e interpretam esses dados”, analisa a coordenadora de treinamentos do SAS Brasil, Andreia Santos.

Benefícios para as empresas

Pesquisa da MIT Sloan Management Review revela que 60% das companhias entrevistadas promovem treinamento em ciência de dados e 50% consideram que transformar insights analíticos em negócios é um de seus maiores desafios.

Esses desafios já começam a ser enfrentados pelas empresas no Brasil. O CTO do Promobit (social commerce que reúne ofertas da internet), Leandro Menezes, conta que, recentemente, o time da empresa foi reforçado por um cientista de dados.

A área de dados consegue realizar estudos mais aprofundados e assertivos utilizando informações que os usuários geram no dia a dia. “Na prática, somos capazes de visualizar possibilidades que não percebíamos antes, medir melhor o resultado das nossas ações de marketing e melhorias de produto”, explica Leandro. “Com essa expertise, também conseguimos entender melhor nosso usuário, seus padrões de consumo, sazonalidade do mercado, entre outras informações”, acrescenta.

César Camacho, da FGV EMAp, reforça que o cientista de dados está apto a atuar nas mais diversas áreas. “Grandes supermercados, por exemplo, passam a analisar os dados para tirar conclusões que seus clientes que nunca manifestaram como suas preferências. Já na área da saúde, se existem dados de estatísticas médicas ou seguros de saúde, é possível desenhar mecanismos automatizados para atender melhor os pacientes e aprimorar os diagnósticos”.

De fato, as vantagens aos negócios podem ser múltiplas. “Com toda a avalanche de dados gerados diariamente, as empresas devem estar atentas em como trabalhá-los. Não é a quantidade de dados que importa e, sim, o que as organizações fazem com eles. A qualidade de dados gera insights que levam a melhores decisões e movimentos estratégicos de negócios”, aponta Andreia, da SAS.

Estrutura da área de ciência de dados 

Antes de montar a estrutura e o time de ciência de dados, é importante ficar atento a dois pontos, na visão de Andreia, da SAS.

 

  • Capacitação: as organizações que valorizam e querem gerenciar o grande volume de informações para tomar as melhores decisões de negócio podem estruturar a área com a utilização de ferramentas específicas para análise de dados. Também devem investir na capacitação dos colaboradores para extrair todo o potencial dessas soluções.
  • Conhecimentos necessários: os profissionais devem ser capazes de trabalhar com uma variedade de linguagens de programação, incluindo SAS, R e Python. Além disso, o profissional precisará de um sólido conhecimento em estatística, machine learning, banco de dados, tecnologias de visualização de dados e criação de relatórios.

O que o cientista de dados pode desenvolver?*

Visualização de dados: apresentação de dados (em um formato gráfico, por exemplo), que possa ser facilmente analisada;

Machine learning: ramo da inteligência artificial baseado em algoritmos matemáticos e automação;

Deep learning: área de pesquisa em machine learning que usa dados para modelar abstrações complexas;

Reconhecimento de padrões: tecnologia que reconhece padrões em dados (geralmente de maneira intercambiável com machine learning);

Data preparation: processo de converter dados brutos em outro formato, para que eles possam ser consumidos mais facilmente;

Análise de texto: examinar dados não-estruturados para obter insights importantes sobre o negócio.

*Fonte: Portal SAS Brasil

Fotos: iStock

Tags

Send this to a friend