Uma carreira em dados pode expor você a uma ampla variedade de tecnologias, habilidades e stakeholders. Você terá a oportunidade de trabalhar em projetos com grande impacto em áreas centrais do negócio, muitas vezes em times altamente multifuncionais ou em colaboração com outros colegas técnicos.
A passagem de cargos júnior para sênior em ciência de dados varia bastante conforme o setor e a especialidade, mas para a maioria dos cientistas de dados isso leva de 2 a 5 anos. Os salários podem facilmente chegar a seis dígitos com o conhecimento e as habilidades certos. Daqui a 10 anos, a demanda por cientistas de dados deve crescer significativamente, embora a função possa mudar bastante, já que novas ferramentas, melhores práticas e metodologias continuam surgindo.
O crescimento em uma carreira de dados pode seguir muitos caminhos, mas, independentemente dos seus objetivos, há dicas e práticas essenciais para ter em mente. Continue lendo para conhecer nossas melhores práticas e garantir que você avance de forma consistente ao longo da sua carreira.
1. defina o que é sucesso
Trabalhar por trabalhar não é um problema em si; prática contínua é positiva e muita gente sente os benefícios. Porém, você pode não se sentir satisfeito se não tiver uma meta clara para a qual crescer. É essencial sentar e definir como é o sucesso para você. Isso não só garante que você está indo na direção certa, como também oferece uma forma de avaliar seu progresso ao longo do tempo. Sua ideia de sucesso não precisa estar ligada a promoções, renda ou cargos. Você pode almejar objetivos de longo prazo, como publicar um artigo ou concluir um doutorado. Talvez você queira liderar um time ou desenvolver um produto usado por milhões. Ao definir sua visão de sucesso, você consegue identificar os passos necessários para crescer na direção certa.
2. não pare de aprender
Você já ouviu alguém falar sobre mentalidade de crescimento? Pesquisas mostram que quem adota essa mentalidade tende a alcançar mais do que aqueles que acreditam que talentos são dons inatos. Carreiras em dados podem ser desafiadoras; muitos profissionais enfrentam tropeços e fracassos. Aprender com erros é frequentemente citado como um dos principais fatores de sucesso; até empreendedores bem-sucedidos falam dos muitos fracassos e do que aprenderam com eles.
Outro motivo essencial para desenvolver continuamente suas habilidades é acompanhar o ritmo acelerado de mudança do setor. Elad Cohen comenta no DataFramed (por volta dos 49 minutos) que, independentemente de você achar que a automação vai simplificar partes do fluxo de trabalho de ciência de dados, muita gente subestima como a tecnologia estará em 10 anos. Se você não continuar aprendendo e evoluindo, o setor pode avançar mais rápido do que você.
3. mantenha um portfólio sempre atualizado
A importância de um portfólio não pode ser subestimada. Embora muitas vezes esteja associado a cientistas de dados júnior tentando conquistar o primeiro emprego, um portfólio é um ótimo lugar para reunir alguns dos seus melhores trabalhos ao longo da carreira. Ele também pode ser um espaço para explorar temas pelos quais você é apaixonado, especialmente se não tem essa oportunidade no dia a dia. Por fim, expandir seu portfólio estimula você a aplicar a prática de sempre desenvolver novas habilidades.
Manter um portfólio durante toda a carreira garante que você possa:
- Compartilhar seu trabalho ao mudar de função, empresa ou até ao iniciar como freelancer
- Registrar trabalhos mais interessantes para desenvolver depois
- Ter um espaço para mostrar projetos de paixão, que outros cientistas de dados adoram ver
- Fortalecer sua marca pessoal, abrindo portas em outras áreas da carreira
4. invista em capacidades de deploy de modelos
Hoje, um dos maiores desencontros entre como ciência de dados é ensinada na universidade e como é aplicada na indústria é MLOps. Em poucas palavras, MLOps é um conjunto de ferramentas, práticas, técnicas, cultura e mentalidade que garantem o deploy confiável e escalável de sistemas de machine learning. Um dos grandes desafios dos times de dados atualmente é o deploy escalável e eficiente de modelos, por isso as estimativas indicam que apenas cerca de 8% das empresas têm modelos em produção. Não é surpresa que MLOps seja uma das áreas de ciência de dados que mais cresceram no último ano.
Investir em capacidades de deploy de modelos é essencial para muitos cientistas de dados hoje, mesmo para quem já tem anos de experiência. Reconhecer que pode haver uma lacuna no seu conhecimento e identificar passos para resolvê-la é uma ótima forma de crescer. Você não precisa dominar profundamente todas as novas ferramentas, mas entender os conceitos centrais de MLOps ou outras novidades e aprender a aplicar suas técnicas já leva você muito longe e prepara a base para se especializar depois. Se quiser começar com MLOps, você encontra recursos gratuitos neste post do blog.
5. escolha uma especialidade
Ciência de dados é um campo excepcionalmente amplo. Neste e-book, a DataCamp define ciência de dados como “um campo multidisciplinar que busca extrair insights relevantes a partir de dados”. As diferentes disciplinas vão de matemática, estatística, machine learning e programação a visualização de dados e muito mais. Não há como uma única pessoa se tornar especialista em todas essas áreas, especialmente quando é preciso conhecimento profundo para implementar técnicas dentro de um único domínio. Por exemplo, pense em quanta teoria é necessária para colocar em produção um modelo de linguagem natural com boa acurácia e sem vieses.
Depois de adquirir um pouco de experiência em várias frentes, vale a pena considerar onde você quer se especializar. Tornar-se referência em uma área é um ótimo jeito de abrir portas e aproximar você da sua visão de sucesso.
6. expanda sua rede de contatos
Networking é uma das formas mais importantes de crescer na carreira, e pode acontecer de várias maneiras: participando de eventos, marcando “coffee chats” com pessoas do mercado ou colegas, ou até dando palestras. Uma rede ativa é ótima para descobrir o que está acontecendo em outras organizações e quais novas habilidades você pode precisar aprender ou que podem ser demandadas na sua empresa no futuro. Também é a forma mais simples de ter uma porta de entrada em outra empresa se você estiver buscando uma mudança.
Muita gente acha a ideia de networking assustadora, mas há vários jeitos de se conectar e encontrar eventos na comunidade de dados. Reunimos aqui uma lista das principais conferências de ciência de dados para participar em 2022 para você começar sua jornada de networking.
7. combata a síndrome do impostor
A síndrome do impostor é definida pela Harvard Business Review como “duvidar das próprias habilidades e se sentir uma fraude”, e é algo que muitos cientistas de dados já sentiram em algum momento da carreira. A amplitude e a profundidade do conhecimento de profissionais experientes podem parecer uma régua altíssima no início da sua trajetória. Mesmo mais adiante, é comum encontrar especialistas com domínio profundo em cada uma das muitas subáreas de ciência de dados. A síndrome do impostor virou um termo muito mais comum nos últimos anos, com diversos executivos de alto nível compartilhando suas experiências. Por isso, há muitos livros para ajudar a entender como isso pode afetar você e o que fazer para enfrentá-la. Este post no Reddit também reúne relatos de cientistas de dados sobre a síndrome do impostor.
8. fique de olho no mercado de trabalho
O crescimento na carreira está altamente relacionado a como você usa seu horário comercial. Se o que você faz todos os dias não está alinhado com sua definição de sucesso de longo prazo, talvez valha reavaliar sua posição. Isso pode significar conversar com seu gestor para ajustar o dia a dia ou fazer um movimento lateral dentro da empresa. No entanto, sempre vale a pena entender o que está acontecendo no mercado. Pode ser que suas habilidades estejam em alta demanda e que outras empresas ofereçam funções diferentes ou melhores salários e benefícios.
Jerry Lee, da Wonsulting, uma consultoria de desenvolvimento de carreira, recomenda fazer entrevistas todos os anos em empresas do seu interesse para manter suas habilidades de entrevista afiadas e garantir que sua empresa atual valorize você. A importância disso depende dos seus objetivos de longo prazo e critérios de sucesso, mas manter o radar ligado para o restante do mercado é sempre uma ótima ideia.
9. mantenha-se atualizado
Além de desenvolver suas próprias habilidades, também é importante ter uma visão do que está acontecendo na fronteira da pesquisa, das big techs e dos líderes do seu mercado. Você não precisa ir a fundo nos detalhes — entender, em alto nível, o potencial das tecnologias mais recentes é uma ótima forma de se manter informado. Ponto extra se você conseguir conversar com sua rede sobre essas tecnologias para aprender como estão aplicando ou até ensinar algo novo!
Um bom recurso para esse tipo de acompanhamento de alto nível é o Adam Votava, que publica semanalmente no LinkedIn o “Keeping Up with Data”. Esses resumos bem escritos são uma ótima forma de acompanhar as últimas pesquisas, notícias de negócios e até pacotes Python recém-lançados. Você também pode assinar nossa newsletter em vídeo Weekly Roundup, que traz as notícias mais interessantes de ciência de dados, tecnologia e comunidades de pesquisa.
10. considere o impacto do seu trabalho
Crescer na carreira deve levar você a atingir seus próprios indicadores de sucesso – mas e o sucesso da sua organização? É importante considerar qual tem sido o impacto do seu trabalho, seja economizando tempo com ferramentas mais eficientes, ajudando colegas com um dashboard informativo ou reduzindo custos de produção com um modelo bem treinado. Entender seu impacto em toda a organização garante que você possa:
- Apresentar um business case para uma promoção ou mudança de cargo
- Justificar o patrocínio da empresa para um curso de formação
- Falar sobre seu trabalho em conferências
- Ir bem em entrevistas se planeja mudar de função
11. desenvolva habilidades de liderança
A boa prática nº 12 vai abordar os diferentes tipos de trilhas gerenciais que você pode seguir em ciência de dados. Mas, para chegar lá, você precisa desenvolver habilidades de liderança como contribuidor individual. Competências como delegar, priorizar, dar feedback e definir uma direção clara são essenciais. Mesmo que você não gerencie pessoas, pode aprender e aplicar essas habilidades quando for escolhido para liderar um projeto como contribuidor individual.
Você terá muitas oportunidades para desenvolver essas habilidades ao longo da carreira, mas isso pode exigir sair da sua zona de conforto. Sair da zona de conforto e ir para a zona de expansão é onde acontecem nossos melhores aprendizados e conquistas; não fuja dessas oportunidades, pois elas representam excelentes chances de crescimento que trarão frutos por toda a sua trajetória.
12. escolha uma trilha de carreira
Hoje, carreiras raramente seguem uma linha reta. Você pode fazer movimentos laterais para outro time ou projeto, ou alternar entre funções de gestão e técnicas. A Meta categorizou algumas de suas trilhas de carreira aqui, afirmando que “...tornar-se gestor não é uma promoção. É apenas outra forma de realizar o trabalho”. Essa filosofia é comum em organizações, especialmente as de estrutura mais horizontal, com muitos times organizados em torno de projetos e não de cargos. Para a Meta, as trilhas principais são
- contribuidor sênior: Embora contribuidores sênior geralmente não gerenciem pessoas, costumam mentorar membros júnior do time e podem influenciar bastante a estratégia e as decisões. Essa trilha envolve majoritariamente trabalho hands-on e código.
- tech lead: Trilha híbrida entre contribuir tecnicamente e gerenciar um pequeno time, muitas vezes de profissionais de dados.
- gestor de pessoas: Trilha gerencial tradicional, com pouquíssimo código e foco em reuniões de alto nível e gestão de pessoas no dia a dia.
É importante entender onde você gostaria de chegar mais adiante na carreira. Se gestão de pessoas não é para você no momento, invista mais nas habilidades técnicas; já se o contrário for verdade, vale fortalecer o networking e buscar oportunidades para aprender habilidades de liderança.
extra — há muitas formas de ter sucesso em ciência de dados
Este artigo traz várias dicas para cientistas de dados que atuam em organizações, mas há muitos caminhos para prosperar em carreiras de dados. Academia, ensino, freelancing e criação de conteúdo são maneiras de gerar impacto positivo, aprender ou desenvolver algo novo e até aumentar seu potencial de renda. Não se prenda a uma única empresa ou trilha — reflita sobre como é o sucesso para você e vá executar sua visão.
Mais recursos para você:
- Assine o podcast DataFramed
- Conheça nossas certificações
- Assista a este webinar sobre construção de portfólio em ciência de dados
