Alavanque sua carreira com Ciência de Dados.

Há quem a chame pelo nome oficial de “Ciência de Dados” (Data Science, do inglês) ou quem prefira reforçar as palavras em alta relacionadas a essa disciplina: big data, aprendizado de máquina (machine learning), inteligência artificial etc.

Eu gosto de me referir a ela como “A ciência e a arte de se fazer boas perguntas e encontrar respostas para subsidiar a tomada de decisão”.

Essa definição mais humana me ajudou a desmistificar que Ciência de Dados é um campo apenas para profissionais de tecnologia e Exatas. Serviu para eu, de Humanas, perceber que poderia sim ter um espaço nessa carreira tão interessante.

Neste artigo, não pretendo convencê-lo(a) a se tornar um(a) cientista profissional, mas quero incentivá-lo(a) a buscar a “alfabetização em dados ou fluência em dados”, independentemente de sua área de formação e atuação.

Para isso, compartilharei um pouco do que aprendi nos últimos dois anos, desde quando fiz uma movimentação e deixei a área de comunicação para assumir novos desafios.

Abordarei neste artigo os seguintes pontos:

  • A Ciência de Dados: O mundo de hoje produz tanto dado que uma nova ciência surgiu só para extrair valor deles;
  • Por que ser fluente em dados será um diferencial na sua carreira;
  • Dominar a arte de se fazer boas perguntas é uma habilidade essencial para profissionais do presente e do futuro; 
  • Aplique em sua vida o “lifelong learning e planeje a sua a trilha de aprendizado em fluência de dados.

A Ciência de Dados: O mundo de hoje produz tanto dado que uma nova ciência surgiu só para extrair valor deles

O avanço exponencial pelo qual as tecnologias de informação passaram nas últimas décadas possibilitou a geração e o processamento computacional de uma quantidade gigantesca de dados.

Diariamente, milhões de pessoas acessam redes sociais, deslocam-se por meio de aplicativos que facilitam a mobilidade no trânsito, assistem a vídeos em plataformas de streaming, fazem pagamentos que geram nota fiscal e desenvolvem pesquisas acadêmicas.

Todas essas transações geram um emaranhado de dados, e justamente para extrair informação desse caos é que surgiu em 2012 uma “nova” área de conhecimento, a chamada Ciência de Dados.

O diferencial da Ciência de Dados é aliar ciências já consolidadas como a matemática/estatística e a computação às peculiaridades de negócio vale ressaltar que abordo o termo “negócio” aqui de uma forma ampla, que pode estar relacionada a demandas de pessoas ou organizações privadas, públicas e com fins sociais.

Por exemplo, empresas podem querer saber quais clientes compram mais, ou quais produtos têm maior probabilidade de serem mais vendidos nos próximos meses; prefeituras podem acompanhar as reclamações de suas centrais de atendimento para saber quais áreas da cidade necessitam de determinados de serviços público; e ONGs que atuam contra a corrupção podem levantar e denunciar os políticos que estão desviando dinheiro público, a exemplo da Operação Serenata da Amor.

Dadas as perguntas ou problemas de negócio, o desafio seguinte é coletar e analisar dados internos e/ou externos por meio de um processo estruturado. Na sequência, vem a disseminação da informação para que embase a tomada de decisão e gere conhecimento.

Os negócios que aprenderam a gerar valor a partir de dados brutos se destacam no mercado, como Amazon, Spotify e Netflix. 

Aqueles que ainda não incorporaram a tomada de decisão baseada em dados precisam se adaptar rapidamente a essa realidade. Quem não fizer isso agora terá que correr atrás do prejuízo, porque o mundo está exigindo essa habilidade das empresas e dos seus funcionários.

Por que ser fluente em dados será um diferencial na sua carreira?

A tríade das disciplinas da Ciência de Dados exige uma ampla gama de competências. Em grandes empresas, esse conjunto de habilidades pode ser conquistado a partir de um time de programadores, estatísticos e analistas de negócio, que se comunicam e se complementam. 

É claro que cada profissional tem seus pontos fortes e será especialista em alguns pontos, mas para o trabalho fluir é importante que todos tenham referências comuns.

Programadores e estatísticos precisam conhecer do negócio. Já o analista de negócio poderá ter, ao menos, noções básicas de programação e estatística, para melhor interagir com sua equipe. Esse é o mundo ideal.

Se este mesmo analista de negócio com foco analítico atuar em pequena ou média organização, é provável que ele terá que elaborar e responder perguntas estratégicas ao negócio com uma pequena equipe ou sozinho. Se ele tiver noções de programação e estatística, certamente alcançará melhores resultados e terá mais oportunidades profissionais.

Diante desse cenário, você pode escolher ser um cientista de dados e seguir uma carreira promissora que ocupa a 5ª posição entre as 15 profissões emergentes, segundo estudo do LinkedIn

Você também pode não querer ser um cientista de dados, e não há nenhum problema nisso. Porém, saiba que, pelo menos, você precisará estar familiarizado com o tema.  O Fórum Econômico Mundial elencou as 10 habilidades profissionais mais importantes que toda empresa vai buscar em 2020. A primeira delas é a “alfabetização em dados”.

“A alfabetização em dados – ou data literacy – é a habilidade de ler, entender, analisar e comunicar dados como informação útil. Ou seja, é a competência desenvolvida para adquirir melhor leitura e entendimento do universo dos dados”, conforme o relatório Tendências 2020 do Social Good Brasil.

Dominar a arte de se fazer boas perguntas é uma habilidade essencial para profissionais do presente e do futuro.

Para as empresas, ter profissionais com fluência em dados é essencial para construir uma cultura organizacional analítica, na qual as decisões são baseadas em dados e potencializam resultados.

Todos os profissionais fluentes em dados – e não necessariamente somente os cientistas de dados – serão ainda mais valorizados se tiverem habilidade de formular boas perguntas.

Uma boa pergunta é aquela cuja resposta (ou impossibilidade de resposta) tem aplicabilidade à realidade no negócio em que está inserida e gera algum valor.

O problema é que fazer boas perguntas não é uma tarefa trivial.

Em texto no Blog da IBM, Carlos Demetrio traz uma discussão interessante sobre o tema, a partir de um caso real da Segunda Guerra Mundial. Estatísticos avaliaram as marcas de balas em aviões que voltaram de batalhas. O objetivo era definir em que regiões a estrutura dos aviões teria que ser reforçada, para melhorar sua segurança e desempenho.

Crédito da imagem: Carlos Demetrio (copiado do Blog da IBM)

Como as asas foram as partes mais atingidas, uma avaliação precipitada poderia concluir que seria preciso reforçá-las.

Contudo, uma análise mais profunda fez com que a recomendação oficial fosse blindar as áreas não atingidas pelas balas nas imagens, pois ali estão as áreas mais sensíveis, como os motores.

A explicação é que somente os aviões que não foram atingidos nessas áreas sensíveis retornaram para as suas bases e puderam ser analisados. Os demais foram perdidos em combate.

Assim, perguntar por que alguns aviões voltaram e outros não seria uma dúvida inicial mais estratégica que focar apenas no padrão dos danos daquelas que retornaram.

Aplique em sua vida o”lifelong learning” e planeje a sua a trilha de aprendizado em fluência de dados

Como jornalista de formação, eu caí de paraquedas no mundo da Ciência de Dados em meados de 2018, logo após uma movimentação lateral na empresa em busca de novos desafios. Naquela oportunidade, fui para a área de planejamento e estratégia e passei a me envolver com inteligência de dados.

Meu primeiro desafio foi liderar um projeto-piloto de análise de dados, por meio do Laboratório Social Good para institutos e fundações empresariais.

A partir disso, por quase dois anos, fiz cursos presenciais e on-line e busquei participar de fóruns sobre o tema. Aprendi um pouco de estatística básica, de programação em softwares como Python e R, de modelos e de teorias de Ciência de Dados.

Ainda não posso dizer que sou uma cientista de dados, nem sei se um dia serei. Porém, com certeza, hoje sou mais alfabetizada/fluente em dados e continuarei a me desenvolver na área.

Em um dos cursos que fiz, ouvi pela primeira vez a expressão lifelong learning” ou educação ao longo da vida.

Esse conceito prega que, com as constantes mudanças tecnológicas e sociais do mundo atual, não faz mais sentido um profissional estudar apenas durante um período da sua vida, como até a faculdade.

Aprender e renovar-se constantemente é uma exigência do mercado de trabalho. Mas, para mim, o “lifelong learning” tem sido um estilo de vida recompensador.

Assim, convido você a incluir a “alfabetização em dados” na sua trilha de desenvolvimento profissional e alavancar sua carreira.  

Alguns materiais interessantes para iniciar no tema estão indicados abaixo. Todos eles me ajudaram de alguma forma.

Para começar:

  • Site do Radar Social Good, que disponibiliza conteúdos sobre novas tendências em transformação social por meio do uso de dados e tecnologias;
  • Plataforma de cursos introdutórios e gratuitos sobre ciência de dados na Data Science Academy.

Se quiser ir um pouco além:


Vamos juntos? Bons estudos e sucesso!

Clique aqui para acessar o artigo publicado originalmente no perfil da autora no LinkedIn, em 10/03/2020.

Escrito por

Iris Ferrarini

Iris Ferrarini

Formada em Jornalismo, já atuou com comunicação corporativa e atualmente trabalha com planejamento estratégico e inteligência de dados na Fundação Grupo Boticário. Também é curiosa por Ciência de Dados e escreve sobre os temas de suas áreas de atuação. Para saber mais, acesse o seu LinkedIn e o perfil @com.dados no Instagram.

Conteúdos relacionados

Fechar Menu