Em 2011, a Harvard Business Review chamou a ciência de dados de “a profissão mais sexy do século XXI”. A demanda por ciência de dados só cresceu desde então. A Fortune reportou que as vagas para cientistas de dados tiveram um aumento de 480% desde 2016. Esse crescimento foi tão grande que ainda existe um déficit de 250 mil profissionais de ciência de dados em 2020.
Infelizmente, quem deseja atuar na área pode se sentir desanimado. Basta bater o olho em uma descrição de vaga para ver uma lista extensa de habilidades. A competição acirrada por posições em ciência de dados também já deixou muita gente de fora do emprego dos sonhos.
O que muita gente não percebe é que a trajetória de carreira de um cientista de dados pode ser não linear. Funções que não levam o título de “data scientist” também ajudam a desenvolver competências valiosas! São habilidades como estatística, manipulação de dados, machine learning, programação, visão de negócios e storytelling–todas essenciais para quem quer ser cientista de dados.
Confira alguns cargos que podem ser degraus importantes rumo ao seu objetivo de se tornar cientista de dados. Essas funções técnicas e não técnicas ajudam você a entrar no mercado.
Funções não técnicas em dados
Data/analytics translator
Apontado pela McKinsey como “o novo cargo indispensável”, o analytics translator ajuda líderes a priorizar problemas de negócio e traduz esses objetivos para os times de dados. Ele conquista o apoio da liderança e garante que a solução construída pelos times de dados gere valor para o negócio.
“Você está o tempo todo destrinchando conceitos técnicos e fazendo todo mundo falar a mesma língua”, diz Gruschow, analista técnica na Fortive, ao descrever seu papel. Segundo a McKinsey, um bom analytics translator tem espírito empreendedor, domínio de gestão de projetos e fluência técnica geral (sem exigir expertise em programação). Se você tem esse perfil, esse cargo pode ser a sua cara.
Product manager de ciência de dados
Product managers (PM) de ciência de dados cuidam do roadmap de produtos de dados do conceito ao lançamento. Em colaboração com times de negócio, eles identificam como a ciência de dados pode atacar dores reais. Depois, trabalham de perto com profissionais de dados e desenvolvedores para definir requisitos, tocar o desenvolvimento e estabelecer métricas de sucesso.
Um product manager está em comunicação constante com diversos stakeholders (Fonte)
Cada empresa tem seus produtos de dados específicos. Um PM em uma companhia de business intelligence pode liderar o desenvolvimento de uma ferramenta de visualização; já em um streaming, pode ser dono do roadmap de uma funcionalidade de recomendação no app. Quem manda bem na gestão de stakeholders e tem visão ampla de ciência de dados se encaixa muito bem nesse papel.
Consultor de estratégia de dados
Consultores de estratégia de dados desenham, constroem e implementam estratégias que melhoram a performance do negócio. Eles trabalham com a liderança para avaliar as capacidades de dados da empresa e propor um roadmap rumo a uma organização orientada por dados.
O consultor identifica como usar tecnologias de dados para resolver problemas. A estratégia varia conforme a maturidade da empresa. Em uma organização jovem, pode recomendar ferramentas de gestão e governança de dados. Em uma organização madura, pode sugerir soluções inovadoras em nuvem. Quem já tem background em consultoria costuma se interessar pela função. Além disso, conhecimento prático de frameworks como governança de dados, gestão de dados, business intelligence, analytics avançado, machine learning e plataformas em nuvem é um grande diferencial.
Project manager técnico
Project managers técnicos planejam, organizam e dirigem projetos técnicos de ciência de dados. Eles gerenciam os recursos do projeto, garantindo entrega no prazo, dentro do orçamento e do escopo.
Como acompanham o projeto do início ao fim, sua atuação é bem abrangente. Eles planejam o escopo, agendam tarefas, avaliam fases, se comunicam com stakeholders e zelam pela visão do produto. Para coordenar times multifuncionais, usam metodologias como Scrum e Agile.
A metodologia Agile (Fonte)
Esse papel é indicado para quem já tem experiência de gestão. Candidatos com base técnica em ciência de dados, engenharia de software ou UI/UX tendem a se destacar para PM técnico.
Redator técnico
Com o aumento no número e na escala de produtos de ciência de dados, cresce também a necessidade de documentação técnica. Documentação clara e objetiva é uma das melhores formas de um desenvolvedor orientar os usuários finais.
Exemplo de documentação técnica da Twilio (Fonte)
O redator técnico cobre essa lacuna entregando guias de primeiros passos, documentação detalhada de produto e referências de API. Ele também colabora de perto com engenheiros, product managers e program managers para desenhar a documentação. Ter base técnica ajuda a interagir com os times. Se você quer seguir nessa área, vale incluir amostras do seu trabalho no portfólio antes de começar a busca por vagas.
Funções técnicas em dados
Business intelligence analyst
Um business intelligence analyst usa análise e visualização de dados para ajudar organizações a tomarem decisões orientadas por dados. No dia a dia, interpreta dados-chave para gerar insights. Para comunicar esses achados, mantém métricas e visualizações em dashboards ou apresentações. Por isso, domina ferramentas de banco de dados (SQL), de BI (como Tableau) e planilhas (como Excel).
Um projeto empolgante para BI analysts é automatizar processos de relatórios. Por exemplo, analistas na HelloFresh eliminaram a necessidade de reports manuais ao criar dashboards em tempo real. O time de marketing passou a usar esses relatórios para otimizar campanhas e, assim, melhorar a retenção de clientes.
Exemplo de dashboard no Power BI
Data analyst
Um data analyst tem muito em comum com um BI analyst. Assim como ele, é responsável por fornecer métricas confiáveis e extrair insights acionáveis para stakeholders tomarem decisões baseadas em dados.
Em algumas empresas, o data analyst participa de projetos de analytics avançado. Neles, pode atuar junto a times de produto, negócio e engenharia para orientar decisões-chave. Por exemplo, pode ser responsável por criar uma segmentação de clientes para embasar estratégias específicas por segmento.
Data analysts podem realizar segmentação de clientes (Fonte)
Dependendo do escopo, um data analyst pode precisar conhecer não só SQL, ferramentas de BI e planilhas, mas também uma linguagem de programação (como Python ou R). Conhecimentos sólidos de estatística ajudam bastante em projetos de analytics avançado.
MarketingOps analyst
Um analista de operações de marketing implementa processos de marketing e analisa sua performance. Isso inclui gestão de leads e engajamento de clientes via CRM. Analistas de marketing analisam dados de clientes e fornecedores para descobrir oportunidades e otimizar processos. Por exemplo, podem conduzir uma análise de funil para encontrar o elo mais fraco na conversão.
Exemplo de análise de funil (Fonte: Clevertap)
Além disso, marketing ops analysts podem realizar testes de hipótese para otimizar resultados. Com um bom A/B test, por exemplo, é possível descobrir que emojis no assunto do e-mail aumentam o clickthrough entre públicos mais jovens. Esse cargo é um excelente passo inicial para quem curte marketing. Também é ótimo para recém-formados: a NCSU indica que até 45% das vagas pedem menos de 2 anos de experiência e 80% exigem graduação.
Analista financeiro
Analistas financeiros examinam dados financeiros, identificam oportunidades de investimento e avaliam os resultados de recomendações de negócio. Eles analisam a relação entre fatores macroeconômicos, condições microeconômicas e os fundamentos da empresa. Números financeiros são o dia a dia desses profissionais. Para avaliar a saúde de uma companhia, observam métricas como margem bruta, margem líquida, taxas de crescimento, retorno sobre o patrimônio e lucro por ação, entre outras.
Esses analistas também projetam o desempenho e o valor futuros de uma empresa usando métodos estatísticos (como regressão) e modelos financeiros avançados (como fluxo de caixa descontado).
Exemplo de análise de regressão simples feita por um analista financeiro (Fonte)
Quem tem graduação–de preferência em contabilidade, economia, finanças ou estatística– ou um MBA tem boas chances de se tornar analista financeiro, segundo a Investopedia.
Machine learning engineer (MLE)
Segundo o LinkedIn, MLE está entre os 25 cargos que mais crescem em 2022. MLEs projetam, constroem e colocam em produção modelos de machine learning. São proficientes em desenhar arquiteturas de modelos, orquestrar pipelines de ML e monitorar soluções em produção.
Por exemplo, em uma empresa de mobilidade, um MLE pode monitorar o tempo que a IA de matchmaking leva para conectar um motorista a um passageiro. Ele trabalha com cientistas de dados para garantir que o tempo não ultrapasse um limite pré-definido. Esse papel combina com profissionais com forte base em programação, como engenheiros de software ou de dados. Também exige fundamentos sólidos em matemática e estatística e bom entendimento de modelos de machine learning.
Construa sua carreira em dados
Quem está buscando emprego e mira apenas o cargo de data scientist pode deixar outras ótimas oportunidades passarem. Nosso conselho? Não tenha medo de buscar funções além de data scientist se você puder aprender habilidades de ciência de dados na prática. Como disse Steve Jobs, “você não consegue conectar os pontos olhando para frente… então confie que, de alguma forma, eles vão se conectar no seu futuro.”
Este artigo foi publicado originalmente na DataCamp Certified Community, uma plataforma exclusiva para todos que concluíram com sucesso uma das certificações da DataCamp. Para acessar essa comunidade e ter ainda mais conteúdo para se manter na vanguarda do mercado de dados, faça sua certificação hoje!
