Data Science em <T>

Data Science em <T>
Igor Nascimento Alves
Igor Nascimento Alves

Compartilhe

Cientistas de dados que estão atuando no mercado já são um data science em T, ou seja, profissional em T. Hoje vou te explicar o porquê falar em profissional em T na área de Data Science é descrever como a profissão foi construída. Isso porque um(a) profissional em data science possui três principais responsabilidades no seu dia a dia: a primeira é de entender o objetivo do negócio, depois descobrir as soluções através de ferramentas e, por fim, realizar a demonstração. Cada uma dessas etapas leva um tempo diferente, mas são todas igualmente importantes, vou detalhá-las a seguir de acordo com o fluxograma abaixo:

Imagem mostrando o fluxo Objetivo, Descoberta, Demonstração

Objetivo

No primeiro momento o(a) profissional tem que entender a dor do cliente e quais dados o cliente dispõe. Nessa etapa é essencial que o(a) profissional em T seja uma pessoa curiosa sobre o negócio que está trabalhando. Uma vez que cada empresa terá objetivos diferentes. Nos bancos, por exemplo, o mais importante é identificar quais clientes podemos conceder ou fazer a manutenção do crédito ativo, já em hospitais o mais importante será identificar o mais rápido possível a necessidade ou não de um(a) paciente precisar de UTI.

Banner da Escola de Data Science: Matricula-se na escola de Data Science. Junte-se a uma comunidade de mais de 500 mil estudantes. Na Alura você tem acesso a todos os cursos em uma única assinatura; tem novos lançamentos a cada semana; desafios práticos. Clique e saiba mais!

Descoberta

A descoberta é onde estão os conceitos mais conhecidos da ciência de dados, onde através de ferramentas, sejam elas o Excel, o PowerBI ou o Jupyter notebook, a pessoa vai explorar os dados, levantar hipóteses e criar modelos de previsão. Nesta etapa, por um lado é preciso ter habilidades com ferramentas como as linguagens Python, SQL, R e, por outro lado, também é necessário saber sobre a teoria como estatística e metodologia científica.

Demonstração

Finalmente temos a demonstração, nesse momento, cientistas de dados em T, precisam conseguir comunicar seus resultados e sua análise. Então é essencial traduzir a complexidade para pessoas que não têm o domínio da área. Nesse momento, habilidades com experiência do usuário (UX) e com contação de histórias (storytelling), vão contribuir para o cumprimento dessa última etapa do trabalho de cientista de dados.

Então, agora que você viu como cientistas de dados precisam naturalmente ter habilidades em diversas áreas e que por isso são data science em T, você sabe quais pontos precisam ser desenvolvidos para se tornar um(a) profissional mais completo. Recomendo essa conversa que o Paulo Silveira teve com a Mikaeri Ohana que conta um pouco sobre o dia a dia de uma cientista de dados.

Igor Nascimento Alves
Igor Nascimento Alves

Sou graduado em Ciência da Computação. Atuo como instrutor de Data Science e Machine Learning no Grupo Alura, tendo como principais interesses na tecnologia: criação de modelos e análise de dados. Nas horas vagas assisto e analiso dados de basquete e adoro ouvir podcasts de humor como Nerdcast e Jujubacast.

Veja outros artigos sobre Data Science