O artigo de hoje é baseado numa publicação do professor Marcelo Fernandes sobre como dar os primeiros passos no mundo da ciência de dados. Marcelo tem uma sólida carreira de 23 anos trabalhando com análise de dados em empresas como HSBC, Orbitall, Santander, Rede, Itaú-Unibanco, SPSS, SAS, EY, Opentext, Paschoalotto e FICO.
Além disso, são 14 anos como docente em cursos de graduação e pós-graduação em BI, Analytics, Ciência de Dados e Inteligência Artificial em instituições como Centro Paula Souza, Faculdades Integradas de Bauru, Fundação Getúlio Vargas, FIA Business School e outras.
Essa experiência no mercado de trabalho campo de batalha faz do professor Marcelo a pessoa ideal para responder uma pergunta frequente: Quais os passos iniciais para começar a trabalhar com Ciência de Dados?
Ele menciona três passos em sua resposta:.
-
Entender que não há uma receita de bolo que valha para todos os problemas de negócio e para qualquer situação em que o profissional tiver que fazer um desafio que envolva dados.
O passo a passo só funciona para processos de RPA (automação robótica de processos) e para profissionais que efetivamente desejam tornar-se robôs. Já que o mesmo problema, em contextos diferentes, pode exigir soluções completamente distintas; você vai precisar ter a capacidade de ler o ambiente, coletar as evidências disponíveis e agir de acordo. Essa é uma Soft Skill muito importante para qualquer profissional que deseja trabalhar com dados.
-
Soft Skills (habilidades comportamentais) & Hard Skills (habilidades técnicas).
Muito se fala da importância de dominar Python, R, Scala, PowerBI, Tableau, Kubernetes, Data Pipelines e outras inúmeras tecnologias e ferramentas. No entanto, mais do que acumular pilhas de certificados, algumas habilidades são especialmente importantes na maioria das situações:
-
Aprendizado contínuo: Você precisa desenvolver a capacidade de aprender continuamente (lifelong learning). Torne-se capaz de, rapidamente, sair do zero para um estágio que permita extrair valor dos dados, usando a ferramenta mais adequada naquele contexto.
-
Visão sistêmica: Não basta ter domínio das linguagens de programação e dos algoritmos de reconhecimento de padrões, você precisa entender o contexto em que isso será aplicado na empresa. Se você não entender os processos da empresa, terá dificuldades para entender como a análise de dados pode resolver um determinado problema de negócio.
-
Paixão por pessoas: O profissional de dados precisa amar estar entre pessoas e dialogar com elas o tempo inteiro, seja para mapear um processo, desenhar uma estratégia baseada em dados ou para apresentar os resultados diante de um comitê formado por pessoas não alfabetizadas em dados. Você precisa ter empatia e boa relação interpessoal se quiser ter sucesso em projetos corporativos envolvendo estatística e ciência de dados.
-
Entender diferentes algoritmos e processos de análise: É importante entender como funcionam diferentes níveis de algoritmos e processos de análise de dados. Como dizia um executivo que foi meu chefe: "Mais vale um modelo razoável impactando positivamente os processos de decisão do que um modelo da NASA que não saiu do papel". Você aprende isso fazendo um bom curso de pós-graduação, cursos livres de curta duração e conversando com diferentes profissionais. Tudo isso prepara você para os cenários que irá encontrar.
-
Exercitar e aperfeiçoar a resiliência em suas ações diárias, começando por entender que as pessoas são passíveis de falha, da mesma forma que as empresas e os dados.
Se você acha que o trabalho de um cientista de dados é tão glamouroso quanto se ouve por aí, você está a um passo da frustração, decepção e desmotivação. Essa profissão é linda e cheia de realizações, mas você precisa compreender os seguintes elementos para manter-se motivado diante das adversidades:
-
Os dados da vida real não são perfeitos: Para começar, eles não estão todos na mesma tabela. Você terá que fazer um trabalho brutal de ingestão, estruturação, integração e limpeza que, às vezes, ocupará mais de 80% do tempo de um projeto de análise de dados.
-
Os processos corporativos não são perfeitos: Diferentes empresas possuem diferentes níveis de maturidade. Algumas documentam e estruturam melhor seus processos, outras nem tanto; algumas nem estruturam. Saber lidar com isso é fundamental para você poder se adaptar com diferentes metodologias de análise, e com diferentes níveis de caos.
-
As pessoas não são perfeitas: Muitas pessoas são entusiastas da análise de dados e estimulam toda e qualquer estratégia baseada em dados. Outras são mais resistentes e não gostam da ideia de uma ferramenta orientando a tomada de decisão. Algumas buscam combinar a experiência do gestor com a análise de dados. Você deverá entender esses diferentes perfis e atuar como um camaleão se quiser ter uma adaptação bem-sucedida no ambiente corporativo.
Existem muitas outras coisas aque poderiam ser mencionadas, emas se você quiser trilhar uma jornada em Ciência de Dados, leve a sério os três passos mencionados por Marcelo Fernandes; que é um dos professores do Programa de Capacitação em Data Science e Data Intelligence. Aliás, este é o quarto passo: faça já a sua inscrição e prepare-se com os melhores profissionais do mercado.
