Descubra as diferenças entre as principais carreiras em dados que estão contribuindo para o crescimento das empresas. Entenda qual área tem seu perfil e como aprender as habilidades necessárias.
Hoje, parece natural, eles estão nas conversas e nas notícias. Porém, há pouquíssimo tempo, era difícil imaginar que o seriado a que você assiste, o sapato que você compra e até o sabor de Coca-Cola que você bebe seriam desenvolvidos e recomendados com base em na coleta, processamento e interpretação de dados digitais.
Os dados são, hoje, o norte das principais empresas de alto crescimento na hora de tomar decisões em seus produtos e campanhas. Mas a tecnologia, sozinha, não é capaz de dar sentido aos 2,5 quintilhões de bytes processados - quem dá sentido a eles são pessoas especializadas em preparar e interpretar essa matéria digital.
É aqui que entram as pessoas engenheiras de dados, analistas de dados e cientistas de dados.
Há ainda muita confusão entre os termos e funções, mesmo dentro das empresas. Para ajudar a esclarecer os limites desses campos, vamos dar uma olhada no mercado e no que fazem esses e essas profissionais.
O mercado
As profissões são jovens, mas já mostraram o impacto que podem causar. Nos EUA, aproximadamente 40% das empresas possuem pelo menos um(a) especialista em dados. Em 2012, a Harvard Business Review elegeu a Ciência de Dados como a área mais sexy do século 21 para se trabalhar.
Em terras brasileiras, o crescimento começou mesmo em 2017 e há uma alta procura por experts nesse mercado. Isso se reflete também nos salários: segundo a Love Mondays, cientistas de dados, por exemplo, ganham em média R$ 9.328 por mês. Esse valor chega a mais que dobrar para um cargo sênior.
Os papéis de engenheiro(a)s, analistas e cientistas de dados e têm diferentes propósitos. Eles trabalham de maneira técnica e também estratégica e são fundamentais para que boas decisões de negócios sejam tomadas.
Engenheiro(a) de Dados
Quando se tem dados em alta escala, é a pessoa da engenharia que reúne e prepara o que precisa ser analisado e trabalhado — inclusive corrigindo erros, sejam humanos ou de máquinas. Seu papel é preparar dados para que tudo possa ser utilizado sem estresse: está conectado ao desenvolvimento e manutenção de arquiteturas que facilitam as tarefas desempenhadas por outro(a)s profissionais de dados.
Como agrega valor: constrói e otimiza sistemas que permitem que cientistas, analistas e lideranças de dados realizem seu trabalho.
Responsabilidades: garantir que dados sejam devidamente recebidos, apurados, transformados, armazenados e que estejam acessíveis às outras pessoas do time.
Atividades comuns: construção e gerenciamento de pipeline de dados, manutenção de bases de dados, construção de APIs para consumo de dados, constante monitoramento e teste de sistemas.
Analista de Dados
Um(a) Analista de Dados carrega o potencial de aumentar a segurança de decisões em um negócio a partir dos dados que tem disponível. Como o time de marketing pode usá-los para lançar sua próxima campanha? Como um representante de vendas pode identificar melhor em que grupo demográfico mirar? Como o CEO pode apontar os motivos pelos quais houve crescimento? Por isso, analistas são também comunicadores, além de técnicos. Muitas vezes, aliás, eles fazem a ponte entre times de dados e diversas outras equipes, eliminando a possibilidade de embasar passos estratégicos em “eu acho que…” e substituindo-os por “evidências mostram…”.
Como agrega valor: analisa dados, responde questões de negócio e comunica os resultados para ajudar na tomada de decisões.
Responsabilidades: elaborar perguntas de negócio mais precisas para guiar as análises e gerar insights, acompanhar progresso e otimizar o foco dos demais times.
Atividades comuns: limpeza de dados, análise, estatística, visualização de dados, data storytelling.
Cientista de Dados
Cientistas de dados têm uma abordagem mais técnica ao trabalhar as informações do negócio, conhecendo estatística e algoritmos. Enquanto a análise de dados foca principalmente em entender os dados em uma perspectiva de passado e presente, cientistas de dados olham adiante— para predizer tendências futuras e gerar novas perguntas. Além de criar algoritmos e lidar com um volume grande de dados, precisam ter a capacidade de interpretar seus achados e inferir conclusões. Ou seja, suas habilidades precisam ir além do conhecimento técnico: é importante entender a estratégia de negócios para que os dados contem uma história coerente, que sirva às necessidades da empresa.
Como agrega valor: produz predições para guiar o futuro do negócio com visão crítica e analítica.
Responsabilidades: encontrar padrões precisos, aplicar estatística avançada e modelos de machine learning para responder (e levantar outras) questões-chave de negócios.
Atividades comuns: Python, cálculo de modelos estatísticos e matemáticos para realização e validação de análises complexas, criação de algoritmos preditivos, teste e melhoria constante de modelos de machine learning.
Melhores juntos
Especialmente em empresas que processam grandes quantidades de dados, colaboradores dos três papéis trabalham em conjunto.
Por causa da engenharia e sua atuação no back-end, os dados que chegam bagunçados tornam-se facilmente utilizáveis quando precisarem ser acessados. Sem ele, analistas e cientistas teriam que ocupar um tempo desproporcional em coleta e organização, muito provavelmente atingindo resultados inferiores e sem poder se preocupar com o médio-longo prazo.
A partir daí, analistas podem extrair um agrupamento de dados, utilizando ferramentas desenvolvidas por engenheiros, para começar a identificar tendências e analisar comportamentos, para que outros times não-técnicos possam ter uma compreensão mais aprofundada do que estão fazendo e dosar onde podem ser mais cautelosos ou agressivos.
Com isso, cientistas de dados poderão usar essas análises para incrementar a pesquisa e adicionar ainda mais possibilidades aos achados. Utilizando sua expertise técnica, trará perspectivas de futuro e, eventualmente, proporá novos estudos a serem realizados pelo time de dados, iniciando um novo ciclo.
Independentemente do caminho a ser seguido, a carreira de um(a) especialista de dados está em constante evolução. Novas surgem, outras se reinventam, a procura aumenta e o aprendizado não pode parar.
Lideranças Baseadas em Dados
Outra profissão emergente no mercado é o perfil de uma liderança de produto ou negócios que não quer se aprofundar nas habilidades técnicas de engenheiros, analistas e cientistas de dados, mas precisa entender todo esse ecossistema para promover uma transformação ou evolução cultural na organização, colocando a inteligência de dados no centro do modelo e estratégia de negócios. Essas lideranças precisam conhecer todas as etapas de um ciclo de decisão orientado por dados, analisar e articular metodologias de Analytics e Inteligência Artificial em diferentes desafios de negócio.
Esse perfil profissional é a “chave” para que empresas aumentem suas chances de sucesso nos processos de adoção e implementação das novas tecnologias de Dados - atuam como líderes e “evangelistas” dos processos de mudança cultural e organizacional, ambos cruciais para que as empresas extraiam o máximo do potencial transformador que técnicas de Analytics e Inteligência Artificial oferecem.
Como agrega valor: atua transversalmente entre áreas do negócio para desenvolver uma cultura de decisões analíticas e orientadas por dados, conhecendo as principais técnicas utilizadas (o que são cada uma delas, em que contextos devemos utilizá-las, como cada técnica está relacionada à natureza do problema de negócio).
Responsabilidades: adotar e implementar novas tecnologias de Dados, promover "Data Literacy" na companhia, contratar e gerenciar times para trabalhar com dados.
Atividades comuns: Liderança de Produto, gestão de times ágeis, planejamento estratégico, transformação cultural.
