De acordo com um estudo da IBM, até 2020, a demanda anual por cientistas de dados, desenvolvedores de dados e engenheiros de dados chegará a quase 700 mil vagas. Em 2020, o estudo aponta que o número de postos de trabalho para todos os profissionais de dados nos EUA deverá saltar de 364 mil para quase 3 milhões.
Os salários desses profissionais também são atrativos. No relatório 50 Best Jobs in America, da Glassdoor, a carreira foi classificada como a melhor em todas as indústrias, com base em apostas de vagas, salários e classificações globais de satisfação no trabalho. Segundo o portal Love Mondays, que engloba opiniões e salários de profissionais em empresas brasileiras, a média salarial de um cientista de dados é R$ 10 mil mensais.
O crescimento da demanda por esse especialista tem sido provocado em grande parte pelo avanço da aprendizagem de máquina (machine learning), uma das áreas da inteligência artificial. Associado a isso, o aprendizado de máquina vem se tornando estrategicamente essencial em várias indústrias por possibilitar previsões com base em grandes volumes de dados, os big datas.
Mas, quem são os cientistas de dados?
Na verdade, cientista de dados é apenas um título de trabalho no campo da ciência dos dados, e nem todas as empresas que utilizam a ciência dos dados estão contratando cientistas de dados por si só. Alguns dos títulos de trabalho mais populares relacionados à ciência dos dados são: gerente de analytics, analista de inteligência de negócios, analista de dados, arquiteto de dados, engenheiro de dados, analista de pesquisa, cientista de pesquisa e estatístico.
O que eles fazem?
Os cientistas de dados são responsáveis por descobrir informações a partir de grandes quantidades de dados para ajudar a atender necessidades e metas comerciais específicas. Os relatórios de resultados das análises precisam ser fáceis de entender por profissionais de diferentes áreas da empresa, especialmente os de fora de TI, como os investidores.
Responsabilidades
Ele precisa ter conhecimento suficiente do negócio para conseguir atender demandas departamentais com informações baseadas em dados como motores de predição, análise de detecção de padrões, algoritmos de otimização e outros.
As informações que os cientistas de dados analisam, muitas vezes chamados de big data, se originam de várias fontes. Eles se classificam em dados estruturados e dados não estruturados. Geralmente, os dados estruturados são organizados por categorias que facilitam sua classificação, leitura e organização automática por um computador. Isso inclui dados colhidos por serviços, produtos e dispositivos eletrônicos, raramente os dados originados a partir de ações humanas. Os dados não estruturados, a forma mais rápida de big data, geralmente são originários de ações humanas como e-mails, vídeos, postagens de redes sociais etc.
Normalmente, as empresas empregam cientistas de dados para lidar com os dados não estruturados, enquanto outros profissionais de TI são responsáveis pelo gerenciamento e manutenção de dados estruturados. Os cientistas de dados provavelmente lidarão com muitos dados estruturados em suas carreiras, mas as empresas estão cada vez mais querendo alavancar dados não estruturados.
Atualmente, os setores que mais têm buscado esse profissional são: negócios, e-commerce, finanças, governo, ciência, redes sociais, saúde e telecomunicações.
De quais habilidades este profissional precisa para ter sucesso?
De acordo com William Chen, gerente de ciência de dados da Quora, as cinco principais habilidades para cientistas de dados são:
– Programação: Chen cita programação como a mais fundamental do conjunto de habilidades de um cientista de dados. A programação melhora suas habilidades estatísticas, ajuda a analisar grandes conjuntos de dados e oferece a capacidade de criar suas próprias ferramentas.
– Análise quantitativa: uma habilidade importante para analisar grandes conjuntos de dados, Chen diz que a análise quantitativa melhora sua capacidade de executar análises experimentais, dimensionar sua estratégia de dados e ainda ajuda implementação da aprendizagem de máquinas.
– Insights de produto: “Compreender os produtos irá ajudá-lo a realizar análises quantitativas”, diz Chen. Também ajuda a prever o comportamento do sistema, estabelecer métricas e melhorar as habilidades de depuração.
– Comunicação: possivelmente as mais importantes em todos os setores, uma forte capacidade de comunicação contribui para aproveitar todas as habilidades anteriores listadas, diz Chen.
– Trabalho em equipe: muito parecido com a comunicação, o trabalho em equipe é vital para uma carreira bem sucedida em ciência dos dados. “Precisa ser abnegado, acolher feedbacks e compartilhar seu conhecimento com sua equipe”, finaliza o gerente.
*Com informações da revista CIO (EUA)
