Cameron White é analista no time de ciência de dados da Fruit of the Loom e um milionário em XP no DataCamp. Seu LinkedIn exibe com orgulho: “Mais de 200 cursos, mais de 10.000 exercícios, mais de um milhão de XP e quase todas as trilhas de habilidades e carreiras concluídas no DataCamp.”
Ele também é pai solo de um menino pequeno, e tempo é seu bem mais precioso.
Como ganhar fluência em dados com o DataCamp
Hoje, Cameron domina Python e R e é proficiente em várias tarefas de ciência de dados, de ETL a modelagem de séries temporais e análise de texto, entre outras. Mas há cinco anos não era assim. Ele tinha acabado de concluir a graduação em matemática e estatística, e grande parte do seu curso foi muito teórica, com poucas disciplinas de estatística aplicada. Conseguiu um estágio na Fruit of the Loom que virou um cargo em tempo integral no time recém-criado de ciência de dados. O problema? Ele não fazia ideia de que tipo de tarefas um cientista de dados realmente faz nem como executá-las.
Lembro perfeitamente de receber a proposta e ouvir o termo cientista de dados, mas na época eu não fazia ideia do que isso significava de verdade.
Para se preparar para o papel na Fruit of the Loom, Cameron pesquisou plataformas online para desenvolver rapidamente habilidades em ciência de dados. Testou um concorrente nosso, mas achou que os cursos “não atendiam às [suas] necessidades como aluno”. Ele descobriu o DataCamp em 2015 e ficou fisgado quase imediatamente pela nossa abordagem mão na massa.
Eu adoro poder aprender no meu próprio ritmo com o DataCamp.
Cameron valoriza a flexibilidade da plataforma do DataCamp, que permite uma experiência contínua no desktop e no celular. Ele consegue aprender quando tem uma janela de 30 minutos na agenda, como depois de colocar o filho para dormir. Também curte nossos vídeos e acha que são “bem curtos, mas muito úteis”.
Ele também gosta da qualidade do nosso corpo docente — trabalhamos apenas com grandes especialistas em ciência de dados, alguns dos quais criam e mantêm as ferramentas e pacotes que o Cameron usa todos os dias.
Muitos cursos são ministrados pelo próprio criador do pacote! Quem melhor para ensinar do que o autor?
O impacto nos negócios ao aprender com o DataCamp
Cameron tenta reservar uma hora por dia para aprender no DataCamp, e tem conseguido aplicar o que aprende diretamente no trabalho “em inúmeras ocasiões, às vezes já no dia seguinte!”.
Por exemplo, ele nunca tinha ouvido falar do Tidyverse antes de explorar nosso programa de estudos em R e, hoje, seu time usa os princípios de dados tidy “quase todo santo dia, em praticamente todo projeto”. Ele também aplicou muitas metodologias de modelagem ensinadas no DataCamp em vários cenários de precificação.
Depois de fazer o curso Data Manipulation in R with dplyr, Cameron teve um enorme ganho de performance, tanto no processamento de grandes volumes de dados quanto no tempo de codificação. Essas habilidades foram fáceis de implementar e ele compartilhou com entusiasmo seus aprendizados com os colegas, ajudando a criar engajamento interno com R e dplyr.
Um projeto importante em que trabalhou foi uma colaboração com a Microsoft em analytics preditivo. Eles descobriram que uma queda de 12 graus na temperatura em até seis dias incentiva diretamente um grande número de consumidores a comprar roupas para frio. Essas descobertas permitiram preparar proativamente a cadeia de suprimentos para atender necessidades geográficas diferentes e otimizar as vendas de fleece e outros produtos para clima frio da Fruit of the Loom. Nesse projeto, Cameron e seu time aplicaram muitos aprendizados dos cursos do DataCamp focados em SQL, importação e limpeza de dados em R e modelagem avançada.
Economizando 196 dias de trabalho com o DataCamp
O impacto do DataCamp no trabalho do Cameron foi enorme. Vamos ver quanto tempo ele economizou, segundo sua própria conta, após quatro anos aprendendo no DataCamp.
- Cameron trabalha cerca de 200 dias por ano, ou aproximadamente 800 dias em quatro anos. Desses 800 dias, ele estima que cerca de 20% do tempo foi dedicado a programar ativamente, o que dá 160 dias de trabalho (ou 1.280 horas).
- Desse tempo de codificação ativa, ele calcula que cerca de 40% (ou 512 horas) foi gasto em análise exploratória de dados acelerada com conceitos Tidy aprendidos no DataCamp. Dessas 512 horas, ele estima que usar princípios Tidy economizou aproximadamente metade do tempo.
- Nos outros 60% do tempo, cerca de 10% foi usado para ajudar outras pessoas com dúvidas de código — uma redução significativa desde que o time passou a usar o DataCamp.
- Cameron estima que o tempo restante, perto de 700 horas, foi dedicado a trabalhos mais avançados, como modelagem usando conceitos dos nossos cursos sobre o pacote caret, criação de apps Shiny ou ingestão de dados da web. Ele dá um crédito especial ao curso Writing Efficient R Code, do Colin Gillespie, que ajudou muito a melhorar seu tempo de execução.
- Com base nessa estimativa, ele teve um ganho de 675 horas por ano em sua codificação direta. Isso nem inclui a grande aceleração em momentos sem código, como na etapa de definição inicial de um projeto. Novas metodologias aprendidas no DataCamp trouxeram uma velocidade considerável nessa fase. Ele estima que economizou 70% do tempo, ou 896 horas.
No total, Cameron economizou cerca de 1.571 horas de trabalho, ou 196 dias, nos últimos quatro anos! Como mencionamos no começo, tempo é o bem mais precioso do Cameron — e ele sabe muito bem como aproveitá-lo ao máximo.
Como o DataCamp incentiva a colaboração
O time do Cameron aproveita bem suas assinaturas do DataCamp para aprender novos temas quando têm tempo livre no trabalho. Eles são bem competitivos e às vezes se desafiam no XP do DataCamp, o que ajuda a “manter a brincadeira interessante”.
Além disso, o time tem metas formais de cumprir um certo número de horas de treinamento todo ano, e usa principalmente o DataCamp para isso.
O crescimento do time é nítido pelo número de novas metodologias, algoritmos e processos que estamos descobrindo na plataforma.
Ajudando times a mapear sua jornada rumo ao letramento em dados
Para o Cameron, a parte mais difícil no início da carreira em ciência de dados foi saber por onde começar e onde focar seus esforços. Ele sente que o DataCamp faz um trabalho excelente ao guiar seu aprendizado com nossas trilhas de aprendizado e trilhas de carreira.
Ciência de dados é uma carreira extremamente interessante, divertida e gratificante, e a plataforma do DataCamp me ajudou demais a ter sucesso nessa área.
Saiba mais sobre a jornada de letramento em dados do Cameron e conecte-se com ele no LinkedIn e no Twitter.
Para avaliar como o DataCamp pode ajudar seu time a se tornar proficiente em ciência de dados e analytics, visite datacamp.com/business ou agende uma demonstração da nossa plataforma.
