{"id":13869,"date":"2018-10-31T13:56:31","date_gmt":"2018-10-31T16:56:31","guid":{"rendered":"http:\/\/www.impacta.com.br\/blog\/?p=13869"},"modified":"2018-10-31T13:56:31","modified_gmt":"2018-10-31T16:56:31","slug":"conheca-7-habilidades-de-um-cientista-de-dados-de-sucesso","status":"publish","type":"post","link":"https:\/\/www.impacta.com.br\/blog\/conheca-7-habilidades-de-um-cientista-de-dados-de-sucesso\/","title":{"rendered":"7 habilidades de um cientista de dados de sucesso!"},"content":{"rendered":"

Todo mundo sabe que \u00e9 preciso se atualizar para conquistar sucesso na carreira, n\u00e3o \u00e9 mesmo? Mas quantos conseguem chegar l\u00e1? Pouqu\u00edssimos! Al\u00e9m de se qualificar, \u00e9 essencial investir no aprendizado com crit\u00e9rios, ou seja, escolher profiss\u00f5es em alta. Nesse sentido, conhecer um pouco sobre as habilidades de um\u00a0cientista de dados<\/a>\u00a0faz muita diferen\u00e7a no seu futuro.<\/span>
\nAs chances de crescer nessa carreira avan\u00e7am em velocidade estrondosa. Afinal, o mundo corporativo se torna cada vez mais dependente de dados. As companhias procuram, com certo desespero,\u00a0maneiras para controlar e interpretar as suas informa\u00e7\u00f5es antes que a concorr\u00eancia o fa\u00e7a.\u00a0<\/span>
\n\u00c9 justamente essa lacuna que faz\u00a0da ci\u00eancia de dados uma das \u00e1reas\u00a0mais promissoras do momento. Neste post, voc\u00ea vai entender quais s\u00e3o os atributos fundamentais\u00a0para deslanchar na carreira, al\u00e9m de conhecer os cargos dispon\u00edveis no mercado. Venha com a gente!<\/span><\/p>\n

Quais s\u00e3o as principais habilidades de um cientista de dados?<\/span><\/strong><\/h2>\n

Para alcan\u00e7ar o sucesso, o cientista de\u00a0dados\u00a0tem que ser\u00a0bastante\u00a0vers\u00e1til e levar consigo a constante\u00a0vontade de aprender. Al\u00e9m disso, \u00e9 um dos mais promissores\u00a0caminhos na atual conjuntura de\u00a0transforma\u00e7\u00e3o digital<\/a>. Conhe\u00e7a outras habilidades que esses profissionais t\u00eam em comum!<\/span><\/p>\n

1. Criatividade<\/span><\/strong><\/h3>\n

Entre as habilidades de um cientista de dados\u00a0est\u00e1 a\u00a0criatividade<\/a>. Esse profissional tem que contar com esperteza para descobrir solu\u00e7\u00f5es in\u00e9ditas com base no armazenamento e na avalia\u00e7\u00e3o das informa\u00e7\u00f5es.<\/span>
\nIsso significa estabelecer uma rela\u00e7\u00e3o entre o acervo de uma companhia e poss\u00edveis oportunidades ou riscos. Assim, esse colaborador\u00a0precisa ser curioso, fazer mais questionamentos e procurar por respostas.<\/span>
\nA Nike, por exemplo, usou um software de\u00a0Big Data<\/a>\u00a0para analisar o perfil de seus clientes. Com isso, descobriu que muitos deles t\u00eam uma grande paix\u00e3o em comum: a corrida. A empresa de materiais esportivos\u00a0aproveitou essa informa\u00e7\u00e3o a seu favor<\/a>\u00a0para criar o\u00a0Nike+RUN CLUB<\/a>, um aplicativo conectado a sensores nos t\u00eanis.<\/span>
\nDesse modo, os usu\u00e1rios\u00a0acompanham os batimentos card\u00edacos, o n\u00famero de passos, a dist\u00e2ncia, a velocidade, entre outros indicadores, por meio de dispositivos instalados nos cal\u00e7ados.<\/span>
\nA companhia providenciou a integra\u00e7\u00e3o do app a redes sociais, o que fez muito sucesso. Assim, por mais que haja a necessidade de conhecimento em programa\u00e7\u00e3o, em tecnologia e at\u00e9 mesmo em no\u00e7\u00f5es de neg\u00f3cios, a ci\u00eancia de dados requer instintos\u00a0criativos.<\/span><\/p>\n

2. Foco em qualidade de aprendizado<\/span><\/strong><\/h3>\n

H\u00e1 um erro recorrente entre os que querem ser cientistas de dados: fazer\u00a0uma diversidade de\u00a0cursos<\/a>\u00a0e treinamentos sem pensar na qualidade dessas instru\u00e7\u00f5es.<\/span>
\nA ci\u00eancia de dados realmente \u00e9 interdisciplinar, isto \u00e9, engloba distintas vertentes do conhecimento: estat\u00edstica,\u00a0programa\u00e7\u00e3o<\/a>, comunica\u00e7\u00e3o, neg\u00f3cios etc. S\u00f3 que isso n\u00e3o significa que a quantidade possa substituir a qualidade. Por essa raz\u00e3o, estude\u00a0profundamente os assuntos de seu interesse.<\/span>
\nLembre-se de que cada profissional tem um conjunto de aptid\u00f5es peculiar: uns s\u00e3o mais fortes em marketing, outros em neg\u00f3cios, alguns em estat\u00edstica e assim por diante. Na ci\u00eancia de dados, n\u00e3o existe um funcion\u00e1rio com know-how em tudo. Por isso, foque nas \u00e1reas nas quais voc\u00ea tenha talentos mais agu\u00e7ados.<\/span>
\nAssim como n\u00e3o basta estudar apenas programa\u00e7\u00e3o, n\u00e3o adianta querer se tornar especialista em um milh\u00e3o de coisas. O foco deve ser aprender com solidez e consist\u00eancia.<\/span><\/p>\n

3. Aptid\u00e3o\u00a0para resolver problemas<\/span><\/strong><\/h3>\n

Para ser reconhecido como um bom cientista de dados, \u00e9 fundamental ter sagacidade para resolver problemas. Esse profissional precisa entender as car\u00eancias e desafios de uma organiza\u00e7\u00e3o.<\/span>
\nPor isso, entre as habilidades de um cientista de dados est\u00e1 a compet\u00eancia para transformar informes dispersos em verdadeiros insights, como fez a Nike com os apreciadores de corrida.<\/span>
\nO principal prop\u00f3sito de trabalhar com dados \u00e9 ter ideias originais, seja para evitar problemas, seja para crescer com mais vigor e encontrar novos p\u00fablicos. Assim, o cientista de dados consegue dar suporte aos gestores nas tomadas de decis\u00e3o.<\/span>
\nAl\u00e9m do talento\u00a0para apresentar solu\u00e7\u00f5es, essa profiss\u00e3o demanda destreza comunicativa. Afinal, \u00e9 indispens\u00e1vel mostrar o valor das observa\u00e7\u00f5es de maneira did\u00e1tica. Se ningu\u00e9m entender o que voc\u00ea est\u00e1 falando, de nada adiantar\u00e1 ter aquele maravilhoso estalo na mente.<\/span><\/p>\n

4. Pensamento cr\u00edtico<\/span><\/h3>\n

O profissional deve contar com um\u00a0pensamento cr\u00edtico sofisticado. Dessa forma,\u00a0ser\u00e1 vi\u00e1vel enxergar em um mar de dados\u00a0aquelas informa\u00e7\u00f5es mais sens\u00edveis, isto \u00e9, que realmente possam\u00a0fazer a diferen\u00e7a.\u00a0<\/span>
\nUm dos grandes desafios nessa carreira \u00e9 superar as dificuldades trazidas pelo extenso volume de arquivos.\u00a0Com um pensamento cr\u00edtico, o cientista de dados filtra\u00a0o conte\u00fado de interesse corporativo em uma massa gigante de registros. Assim, a empresa economiza tempo e evita desperd\u00edcios financeiros.<\/span><\/p>\n

5. No\u00e7\u00f5es de c\u00e1lculo<\/span><\/h3>\n

A ci\u00eancia de dados \u00e9 uma \u00e1rea que exige muito em termos de atualiza\u00e7\u00e3o e de base em ci\u00eancias exatas. Por um lado, os softwares especializados\u00a0constantemente\u00a0ganham mais funcionalidades.<\/span>
\nPor outro, sempre surgem novos\u00a0programas focados\u00a0no tratamento da\u00a0informa\u00e7\u00e3o. Para acompanhar a velocidade dessas mudan\u00e7as, voc\u00ea ter\u00e1 que dominar alguns princ\u00edpios\u00a0da matem\u00e1tica, como estat\u00edstica e probabilidade, e da ci\u00eancia da computa\u00e7\u00e3o.<\/span>
\nAs empresas demandam\u00a0processos econ\u00f4micos e operacionais de alta complexidade. Por exemplo: entender sobre probabilidade e outros vieses da estat\u00edstica vai ajudar a fazer a interpreta\u00e7\u00e3o do conte\u00fado informacional. Esse tipo de instru\u00e7\u00e3o\u00a0ajuda a assimilar como funcionam os algoritmos. Assim, o uso das solu\u00e7\u00f5es de tecnologia se tornar\u00e1 cada vez mais simples para voc\u00ea.<\/span><\/p>\n

6. Dom\u00ednio das ferramentas b\u00e1sicas de dados<\/span><\/h3>\n

O Big Data, a partir dos anos 1990, passou a permitir que um volume descomunal de dados fosse explorado para melhorar o desempenho dos neg\u00f3cios. Dessa forma, informa\u00e7\u00f5es estruturadas e n\u00e3o estruturadas viraram diretrizes para uma gest\u00e3o mais eficiente.<\/span>
\nPor isso, o cientista de dados precisa saber mexer nas informa\u00e7\u00f5es estruturadas, como os\u00a0ERPs\u00a0<\/a>(Enterprise Resource Planning ou Sistema Integrado de Gest\u00e3o Empresarial) e os CRMs (Customer Relationship Management ou Gest\u00e3o de Relacionamento com os clientes). Tamb\u00e9m \u00e9 indispens\u00e1vel ser capaz de analisar os informes n\u00e3o estruturais, coletados em e-mails, sites, redes sociais etc.<\/span>
\nPara utilizar\u00a0as principais ferramentas de dados, tamb\u00e9m ser\u00e1 necess\u00e1rio\u00a0entender um pouco de linguagem de programa\u00e7\u00e3o: Scala,\u00a0Python<\/a>,\u00a0SQL<\/a>,\u00a0Java<\/a>, entre outras.\u00a0<\/span>
\nQuando se entende de linguagem de programa\u00e7\u00e3o, fica mais f\u00e1cil aprender a mexer nas principais ferramentas tecnol\u00f3gicas que trabalham com dados. Existem in\u00fameros softwares e ferramentas dispon\u00edveis no mercado para o tratamento do conte\u00fado empresarial. Falaremos de dois deles, que j\u00e1 s\u00e3o mais do que consagrados: o\u00a0Google Analytics\u00a0<\/a>e o\u00a0Microsoft Office Excel<\/a>. Vamos l\u00e1?<\/span><\/p>\n

6.1 Google Analytics<\/span><\/h4>\n

O\u00a0Google Analytics<\/a>\u00a0\u00e9 uma solu\u00e7\u00e3o do grupo Google que possibilita avaliar uma infinidade de dados. O sistema \u00e9 gratuito e oferece recursos anal\u00edticos baseados em t\u00e9cnicas de\u00a0SEO<\/a>\u00a0(Search Engine Optimization ou Otimiza\u00e7\u00e3o para Motores de Busca). Desse modo, ele \u00e9 ideal para mensurar as iniciativas de neg\u00f3cio pela internet. Muitas vezes, o programa serve at\u00e9 como uma b\u00fassola para as t\u00e1ticas de propaganda online.<\/span>
\nIntuitivo, o Analytics\u00a0\u00e9 relativamente f\u00e1cil de usar. Quando aplicado da maneira correta, o programa ajuda o cientista de dados a tra\u00e7ar um perfil do comportamento dos usu\u00e1rios em um site ou\u00a0blog.<\/span>
\nAssim, o sistema indica\u00a0quantas pessoas fizeram os cadastros sugeridos pela empresa, quantas retornam a navegar naquela p\u00e1gina, a quantidade de downloads, entre outras rea\u00e7\u00f5es do p\u00fablico.<\/span><\/p>\n

6.2 Microsoft Office Excel<\/span><\/h4>\n

O\u00a0Microsoft Office Excel<\/a>\u00a0ficou famoso por proporcionar c\u00e1lculos como somas, multiplica\u00e7\u00f5es, subtra\u00e7\u00f5es, entre outras opera\u00e7\u00f5es num\u00e9ricas. No entanto, na atualidade, ele oferece muitos recursos para\u00a0cruzar informa\u00e7\u00f5es<\/a>.\u00a0<\/span>
\nD\u00e1 para fazer planilhas inteligentes com f\u00f3rmulas avan\u00e7adas e produzir gr\u00e1ficos que s\u00e3o perfeitos em termos est\u00e9ticos. Lembra quando falamos sobre como \u00e9 importante mostrar seus insights de forma did\u00e1tica? Com os\u00a0gr\u00e1ficos do Excel<\/a>, por exemplo,\u00a0isso fica\u00a0f\u00e1cil. \u00c9 poss\u00edvel aplicar o programa para avaliar dados administrativos, financeiros, publicit\u00e1rios, log\u00edsticos, comerciais, entre outros.<\/span><\/p>\n

7. Iniciativa\u00a0para perceber as oportunidades<\/span><\/h3>\n

A procura por cientistas de dados \u00e9 enorme no mercado. Basta ficar atento para enxergar\u00a0onde est\u00e3o as chances. Qualquer organiza\u00e7\u00e3o que atenda clientes em m\u00e9dia ou grande escala\u00a0se interessa por esse profissional.<\/span>
\nIsso inclui uma gama muito extensa de empresas: institui\u00e7\u00f5es financeiras, operadoras de planos de sa\u00fade, distribuidoras de \u00e1gua e de energia el\u00e9trica, provedores de internet, redes varejistas, ind\u00fastrias dos mais diversos ramos (qu\u00edmicas, automobil\u00edsticas, metal\u00fargicas, aliment\u00edcias etc.) e at\u00e9 mesmo o poder p\u00fablico.<\/span><\/p>\n

Os cientistas de dados podem se aventurar em outras profiss\u00f5es?<\/span><\/h2>\n

A resposta para essa pergunta \u00e9 sim! A seguir, selecionamos alguns dos caminhos que um cientista de dados pode seguir no mercado. Acompanhe e veja\u00a0quais se encaixam melhor no seu perfil!<\/span><\/p>\n

Marketing Data Scientist<\/span><\/h3>\n

\u00c9 prov\u00e1vel que esse profissional seja um dos mais procurados no\u00a0mercado de tecnologia, embora nem sempre os gestores e as equipes de RH percebam. Eles s\u00e3o especialistas em projetar dashbords, criar modelos de Machine Learning de churn e outros recursos associados \u00e0s otimiza\u00e7\u00f5es de ROI (Retorno sobre Investimento).<\/span>
\nEles fazem a segmenta\u00e7\u00e3o dos clientes, melhorando as campanhas no Facebook Ads, Google Adworks e outros canais. Normalmente, apresentam um perfil comunicativo e transitam espontaneamente entre os diversos ambientes da corpora\u00e7\u00e3o, como os times de marketing, TI e gestores.<\/span><\/p>\n

Engenheiro de dados<\/span><\/h3>\n

Podemos dizer que os cientistas de dados n\u00e3o conseguem trabalhar plenamente sem a ajuda das fontes de dados elaboradas pelos Engenheiros de Dados. Eles s\u00e3o respons\u00e1veis pela cria\u00e7\u00e3o de pipelines de fluxo de dados, dominam a instala\u00e7\u00e3o de ferramentas como a Spark e a Hadoop, al\u00e9m da criarem\u00a0web services<\/a>.<\/span>
\nGeralmente, tamb\u00e9m \u00e9 o engenheiro quem faz o \u201cdeploy\u201d do modelo elaborado pelo cientista de dados. Lado a lado com os arquitetos de dados, \u00e9 esse\u00a0profissional que estuda\u00a0Kinesis, Glue, SQQ\/SNS, Kafka e as melhores pr\u00e1ticas p\u00f3s-implementa\u00e7\u00e3o de Webservices e ETLs sobre armazenamento de informa\u00e7\u00f5es.<\/span>
\nA prop\u00f3sito, sem eles, n\u00e3o haveria data lake escal\u00e1vel. H\u00e1 quem diga que o mercado mundial precisa de uma propor\u00e7\u00e3o de 4 engenheiros de dados para cada cientista de dados, tamanha a import\u00e2ncia da atua\u00e7\u00e3o desses experts.<\/span><\/p>\n

Engenheiro de Machine Learning<\/span><\/h3>\n

Eles conhecem cada detalhe da modelagem, sabem dar uma linguagem para a query e alter\u00e1-la em um formato de dataframe para tratamento. Entendem das melhores pr\u00e1ticas de Machine Learning\u00a0e est\u00e3o cientes de que, para produ\u00e7\u00e3o, Python e Octave\/Matlab s\u00e3o escolhas mais acertadas que linguagem R.<\/span>
\nEst\u00e3o sempre atualizados em \u201clibs\u201d , SparkML, Keras, Dask, Pandas\u00a0etc. Quando esses profissionais s\u00e3o realmente atualizados, sabem tudo sobre Auto-Sklearn, H2O Diverless, Auto-Keras, Mlbox, Datarobot. Por isso, seu trabalho \u00e9 automatizado para que o suporte aos colegas\u00a0seja garantido.<\/span>
\nSe esse engenheiro de Machine Learning estiver ainda mais engajado, trabalhando com uma equipe competente e com gestores que permitam a ele autonomia, ganha condi\u00e7\u00f5es de estar em outro patamar. Ele \u00e9 um Citizen Data Scientist e n\u00e3o perde mais o seu tempo com tratamento de dados, tunagem de hiperpar\u00e2metros e escolha de modelos, podendo\u00a0extrair o que existe de melhor da sua capacidade anal\u00edtica.<\/span><\/p>\n

Analista de Business Intelligence<\/span><\/h3>\n

Business Intelligence significa literalmente intelig\u00eancia de neg\u00f3cios ou intelig\u00eancia empresarial. Portanto, \u00e9 uma abordagem que que tem o escopo de melhorar as decis\u00f5es de uma empresa, por meio de dados\u00a0coletados por variados sistemas e fontes informativas.<\/span>
\n\u00c9 uma fun\u00e7\u00e3o semelhante \u00e0 do Marketing Data Scientist, mas\u00a0com foco em neg\u00f3cios. As atribui\u00e7\u00f5es desse profissional s\u00e3o: cuidar das m\u00e9tricas de ROI\u00a0diretamente com os diretores e\u00a0fornecer suporte direto \u00e0 equipe de Marketing. Para tanto, precisa dominar as seguintes m\u00e9tricas:\u00a0<\/span><\/p>\n