Cientista de dados

Horário de trabalho
 

• Os cientistas de dados podem contar com empregos em tempo integral, com horários regulares. Por se tratar de uma área exigente, é fundamental manter as competências atualizadas, o que pode exigir cursos de reciclagem fora do horário de trabalho, certificações adicionais e outras experiências de aprendizagem não remuneradas. 

Funções típicas

• Aplicar conhecimentos e habilidades para projetar novas tecnologias ou para otimizar o uso das já existentes
• Trabalhar em conjunto com a liderança, os engenheiros e os clientes externos para identificar problemas 
• Apoiar organizações no desenvolvimento de políticas e em estratégias para o alcance de metas
• Colaborar com equipes e gerenciar tarefas e pendências
• Dependendo das funções específicas, os cientistas de dados podem trabalhar com Python, R, SQL, bancos de dados, ferramentas analíticas, aprendizado de máquina e Big Data
• Desenvolver soluções viáveis para problemas complexos de software ou de negócios
• Desenvolver novas teorias e modelos 
• Identificar as necessidades de hardware e software por meio de conversas com usuários finais, clientes, funcionários e partes interessadas 
• Analisar os conceitos do projeto e apresentar sugestões de melhorias

Responsabilidades adicionais

• Participar de projetos multidisciplinares
• Realizar testes em novos sistemas
• Participe de organizações profissionais para compartilhar pesquisas e descobertas

Competências interpessoais

• Capaz de prever problemas 
• Aprendizagem ativa 
• Analítico
• Atenção aos detalhes
• Capacidade de contextualizar ideias para outras pessoas
• Criativo e curioso
• Pensamento crítico (mas flexível)
• Decisivo
• Foco
• Organizado
• Persistência e resiliência
• Resolução de problemas 
• Bom senso
• Excelentes habilidades de comunicação

Competências técnicas

• Software de desenvolvimento de plataformas web: SQL (Structured Query Language), Python, Tableau, R
• Habilidades de comunicação: é necessário ser capaz de analisar as estatísticas derivadas da coleta de dados e explicá-las em linguagem simples a outros departamentos da empresa, como TI e finanças
• Trabalho em equipe: você atuará como elo de ligação entre os diversos departamentos que precisam das informações extraídas dos dados para tomar decisões
• Análise de dados/estatísticas: Necessidade de analisar e aplicar o feedback dos usuários e os resultados das pesquisas
• Boa visão 
• Capaz de analisar e avaliar sistemas 
• Conhecimentos básicos de vendas e marketing, atendimento ao cliente, telecomunicações, design, princípios de gestão e ciências da engenharia
• Programas de inteligência empresarial/análise de dados, como IBM Cognos Impromptu, Oracle Business Intelligence Enterprise Edition, QlikView e Tableau
• Softwares de compilação, como os compiladores de paralelização Polaris, os compiladores Ada da Greenhills e os compiladores LLVM
• Gerenciamento de bancos de dados e programas de interface de usuário/consulta
• Softwares de ambiente de desenvolvimento, como LabVIEW, Apache Kafka ou Eclipse IDE
• Imagens gráficas
• Conhecimento de softwares analíticos e científicos, como Minitab, StataCorp Stata e MATLAB
• Software de desenvolvimento orientado a objetos ou componentes (C++, ActiveX, Java, Python)
• Sólidos conhecimentos de matemática, incluindo álgebra, geometria, cálculo e estatística

• Instituições acadêmicas
• Setores bancário e financeiro
• Serviços em nuvem e hospedagem
• Consultoria
• Software como Serviço (SaaS), web, dispositivos móveis
• Empresas de software
• Empresas de entrega
• Governo federal/órgãos militares
• Grandes empresas
• Empresas de varejo
• Agências de seguros
• Telecomunicações
• Outras organizações de pesquisa e desenvolvimento
• Empresas privadas especializadas
• Pesquisa/redes sociais

• Uma introdução ao aprendizado de máquina: um método de análise de dados que automatiza a construção de modelos analíticos. O aprendizado de máquina permite que os computadores identifiquem insights ocultos por meio de algoritmos que aprendem com os dados sem a necessidade de programação explícita
• A convergência entre a ciência de dados e a IoT: a crescente rede de objetos físicos dotados de um endereço IP para conectividade à Internet, bem como a comunicação que ocorre entre esses objetos e outros dispositivos e sistemas conectados à Internet.
• Capacidade de trabalhar com a RIL (camada de interface de rádio), que está intimamente ligada à IoT
• O uso da ciência de dados na área da saúde: os dados coletados por esses cientistas podem ser utilizados para prever tendências de doenças, como, por exemplo, o ressurgimento do Ébola

A maioria das organizações que contrata cientistas de dados o faz porque depende fortemente das competências e das informações que esses profissionais trazem para a mesa. Em alguns casos, os cientistas de dados estão literalmente desenvolvendo os produtos ou serviços que são vendidos, enquanto em outras situações ajudam as empresas a determinar o que vender, para quem vender e como vender mais. Como resultado, as expectativas são altas, mas a remuneração financeira também é alta! 
 
De acordo com a Universidade de Wisconsin, profissionais em nível inicial ganham até US$ 95.000, profissionais de nível intermediário ganham uma mediana de US$ 128.750, gerentes de nível intermediário podem ganhar até US$ 185.000, e os salários medianos de gerentes experientes podem chegar a US$ 250.000. É claro que as organizações que pagam esses valores exigirão expertise de ponta e trabalho de valor agregado. Portanto, um grande sacrifício, se é que se pode chamar assim, é que os cientistas de dados alcancem e mantenham proficiência em todas as áreas e acompanhem (ou estejam à frente) das tecnologias novas e em desenvolvimento. Isso pode exigir um compromisso enorme e de longo prazo, com muito trabalho realizado “após o expediente”, no tempo livre de cada um. 

É quase certo que os cientistas de dados já se interessavam por computadores desde cedo, assim como por quebra-cabeças e problemas que precisavam resolver ou desvendar. Eles adoram desafios intelectuais em que descobrir informações e saber como utilizá-las são a chave para o sucesso. Alguns talvez gostassem de ler ou assistir a histórias de mistério e de detetive. Eles se interessam por psicologia, por como as pessoas pensam, o que as motiva e como os computadores podem encontrar maneiras de compreender melhor as pessoas em diferentes níveis, desde indivíduos até grupos e até mesmo sociedades inteiras. 
 
Muito provavelmente, um bom cientista de dados era alguém que, ao crescer, conseguia enxergar o “quadro geral” e perceber como pequenos elementos, fatores ou decisões poderiam ter grandes consequências. Eles podem parecer altamente organizados, mas em suas mentes a informação não é estática, é maleável e flexível. Em outras palavras, geralmente conseguem “pensar fora da caixa” para usar dados de forma criativa, de maneiras que outros talvez não tenham pensado. Provavelmente também eram bons em explicar assuntos técnicos em termos simples.