[Infographic] A anatomia de um time de dados — diferentes funções em dados

Data science e machine learning nunca estiveram tão em alta. Com a demanda por funções em dados crescendo, as possibilidades de carreira na área são enormes. Este infográfico traz uma visão geral das diferentes funções dentro de um time de dados, quais habilidades são necessárias para ter sucesso, caminhos de capacitação para chegar lá e muito mais.

Para baixar este infográfico, clique na imagem acima.

Consumidores de dados

Consumidores de dados usam informações para tomar decisões orientadas por dados e manter conversas embasadas com profissionais de dados. 

Ferramentas mais usadas

• Ferramentas de Business Intelligence como Tableau ou Power BI
• Planilhas como Excel ou Google Sheets

Possíveis cargos

Consumidores de dados podem ter diversos cargos. Qualquer pessoa que utilize insights orientados por dados se enquadra nessa categoria. Exemplos de cargos:

• Chief Marketing Officer
• Gerente de Recursos Humanos
• Head de Vendas e Desenvolvimento de Negócios

Níveis de habilidade

Nível iniciante

• Entende o que fazem data scientists, machine learning scientists e data engineers
• Sabe quais perguntas podem (e não podem) ser respondidas com dados 
• Interpreta resultados de projetos de dados, incluindo cálculos e visualizações

Nível intermediário

• Calcula estatísticas descritivas
• Cria visualizações de dados comuns
• Compreende aplicações de dados no negócio

Nível avançado

• Domina os fundamentos de business intelligence

Caminho de capacitação

Trilhas de aprendizado

• Understanding Data Topics
• Data Skills for Business

Cursos

• Introduction to Power BI
• Introduction to Tableau

Business analysts

Business analysts são responsáveis por transformar insights em ações que aumentam a lucratividade ou a eficiência. Têm profundo conhecimento do negócio e costumam usar SQL junto com ferramentas sem código para comunicar insights obtidos a partir de dados. 

Ferramentas mais usadas

• Ferramentas de Business Intelligence como Tableau ou Power BI
• Planilhas como Excel ou Google Sheets
• Bancos de dados SQL

Possíveis cargos

• Business analyst
• Marketing analyst
• Data analyst
• Supply chain analyst

Níveis de habilidade

Nível iniciante

• Calcula estatísticas descritivas 
• Cria visualizações de dados comuns 
• Entende as aplicações de dados no negócio

Nível intermediário

• Possui profundo conhecimento do domínio de negócio 
• Consegue relatar e comunicar usando dados

Nível avançado

• Cria dashboards 
• Organiza dados para resolver questões de negócio

Faixa salarial

• Segundo o Glassdoor, a média salarial anual nos EUA para Business Analysts é de US$ 77 mil, podendo variar de US$ 55 mil a US$ 108 mil

Caminho de capacitação

Trilhas de aprendizado

• Intermediate Spreadsheets
• Tableau Fundamentals
• SQL for Business Analysts

Trilhas de carreira

• Data Analyst with Power BI Career Track

Cursos

• Analyzing Business Data with SQL

Data analysts

Assim como business analysts, data analysts analisam dados e relatam insights a partir dessa análise. Têm entendimento profundo do fluxo de análise de dados e comunicam resultados usando uma combinação de ferramentas com e sem código.

Ferramentas mais usadas

• Ferramentas de programação como R ou Python
• Ferramentas de Business Intelligence como Tableau ou Power BI
• Planilhas como Excel ou Google Sheets
• Bancos de dados SQL

Possíveis cargos

• Business analyst
• Marketing analyst
• Data analyst
• Supply chain analyst

Níveis de habilidade

Nível iniciante

• Calcula estatísticas descritivas 
• Cria visualizações de dados comuns 
• Entende as aplicações de dados no negócio

Nível intermediário

• Executa o fluxo de análise de dados, incluindo importação, manipulação, limpeza, cálculo e criação de relatórios sobre dados de negócio
• Domina ferramentas de business intelligence

Nível avançado

• Cria dashboards 
• Organiza dados para resolver questões de negócio

Faixa salarial

• Segundo o Glassdoor, a média salarial anual nos EUA para Data Analysts é de US$ 69 mil, podendo variar de US$ 46 mil a US$ 106 mil

Caminho de capacitação

Trilhas de aprendizado

• Tableau Fundamentals

Trilhas de carreira

• Data Analyst with Power BI Career Track
• Data Analyst with Python Career Track
• Data Analyst with R Career Track
• Data Analyst with SQL

Data scientist

Data scientists investigam, extraem e reportam insights relevantes a partir dos dados da organização. Comunicam esses resultados para públicos não técnicos e entendem bem fluxos de machine learning e como conectá-los a aplicações de negócio. Trabalham quase exclusivamente com ferramentas de código, conduzem análises e muitas vezes utilizam ferramentas de big data.

Ferramentas mais usadas

• Ferramentas de programação como R ou Python
• Ferramentas de linha de comando como Git ou Bash
• Ferramentas de big data como Airflow ou Spark
• Bancos de dados SQL

Possíveis cargos

• Data scientist 
• Analytics engineer
• Data analyst
• Marketing data scientist

Níveis de habilidade

Nível iniciante

• Executa o fluxo de análise de dados, incluindo importação, manipulação, limpeza, cálculo e criação de relatórios sobre dados de negócio
• Entende as aplicações de dados no negócio

Nível intermediário

• Compreende estatística fundamental, incluindo distribuições, modelagem e inferência
• Projeta experimentos simples, como testes A/B
• Cria dashboards

Nível avançado

• Aplica análises a áreas de negócio como finanças, marketing e saúde 
• Entende fluxos de machine learning supervisionado e não supervisionado
• Trabalha com dados não padronizados, como séries temporais, texto, dados geoespaciais e imagens

Faixa salarial

• Segundo o Glassdoor, a média salarial anual nos EUA para Data Scientists é de US$ 117 mil, podendo variar de US$ 82 mil a US$ 167 mil

Caminho de capacitação

Trilhas de carreira

• Data Scientist with Python Career Track
• Data Scientist with R Career Track

Machine learning scientist

Machine learning scientists projetam e implantam sistemas de machine learning que fazem previsões a partir dos dados da organização. Resolvem problemas como prever churn e valor do tempo de vida do cliente e são responsáveis por colocar modelos em produção para uso do negócio. Trabalham exclusivamente com ferramentas baseadas em código.

Ferramentas mais usadas

• Ferramentas de programação como R ou Python
• Ferramentas de linha de comando como Git ou Bash
• Ferramentas de big data como Airflow ou Spark
• Bancos de dados SQL

Possíveis cargos

• Data scientist 
• Research scientist
• Machine learning engineer 

Níveis de habilidade

Nível iniciante

• Executa o fluxo de análise de dados, incluindo importação, manipulação, limpeza, cálculo e criação de relatórios sobre dados de negócio

Nível intermediário

• Executa fluxos de machine learning supervisionado e não supervisionado, incluindo engenharia de atributos, treinamento de modelos, avaliação de ajuste e geração de previsões
• Aplica análises a áreas como finanças, marketing e saúde

Nível avançado

• Executa fluxos de deep learning
• Trabalha com dados não padronizados, como séries temporais, texto, dados geoespaciais e imagens
• Implanta modelos de machine learning em produção

Faixa salarial

• Segundo o Glassdoor, a média salarial anual nos EUA para Machine Learning Scientists é de US$ 137 mil, podendo variar de US$ 97 mil a US$ 194 mil

Caminho de capacitação

Trilhas de aprendizado

• Deep Learning with NLP Track
• Image Processing in Python

Trilhas de carreira

• Machine Learning Scientist with Python
• Machine Learning Scientist with R

Estatístico

Semelhante a data scientists, estatísticos realizam análises altamente rigorosas, o que envolve projetar e conduzir experimentos como testes A/B e testes de hipótese. Focam em quantificar incertezas e apresentar resultados que exigem rigor excepcional, como em finanças ou saúde.

Ferramentas mais usadas

• Ferramentas de programação como R ou Python
• Ferramentas de linha de comando como Git ou Bash
• Bancos de dados SQL

Possíveis cargos

• Data scientist 
• Inference data scientist 
• Clinical data analyst

Níveis de habilidade

Nível iniciante

• Executa o fluxo de análise de dados, incluindo importação, manipulação, limpeza, cálculo e criação de relatórios sobre dados de negócio
• Entende as aplicações de dados no negócio

Nível intermediário

• Executa fluxos de modelagem estatística, incluindo engenharia de atributos, treinamento de modelos, avaliação de ajuste e inferência de significância
• Testa hipóteses e projeta experimentos simples, como testes A/B

Nível avançado

• Projeta experimentos mais complexos e compreende estatística bayesiana
• Entende modelos especializados, como modelos de sobrevivência, modelos aditivos generalizados, modelos de mistura e modelos de equações estruturais

Faixa salarial

• Segundo o Glassdoor, a média salarial anual nos EUA para Estatísticos é de US$ 88 mil, podendo variar de US$ 61 mil a US$ 131 mil

Caminho de capacitação

Trilhas de aprendizado

• Applied Finance in Python
• Statistics Fundamentals with R

Trilhas de carreira

• Statistician with R
• Quantitative Analyst with R

Programadores

Programadores são profissionais altamente técnicos que atuam em times de dados automatizando tarefas repetitivas no acesso e no trabalho com os dados da organização. Fazem a ponte entre a engenharia de software tradicional e a data science e dominam a implantação e o compartilhamento de código em escala.

Ferramentas mais usadas

• Ferramentas de programação como R ou Python
• Ferramentas de linha de comando como Git ou Bash
• Bancos de dados SQL

Possíveis cargos

• Software engineer
• Data scientist
• DevOps engineer

Níveis de habilidade

Nível iniciante

• Escreve funções para evitar código repetitivo
• Faz benchmarking e otimiza código para melhorar desempenho

Nível intermediário

• Desenvolve boas práticas para testes de código
• Trabalha com APIs web
• Cria pacotes para compartilhar código

Nível avançado

• Desenvolve pipelines de dados e trabalha com programação paralela
• Compreende paradigmas de programação, como programação funcional e programação orientada a objetos

Faixa salarial

• Segundo o Glassdoor, a média salarial anual nos EUA para Programadores (Software Engineers) é de US$ 108 mil, podendo variar de US$ 73 mil a US$ 160 mil

Caminho de capacitação

Cursos

• Unit testing for data science in Python

Trilhas de carreira

• Python Programmer
• R Programmer

Data engineers

Data engineers são responsáveis por colocar os dados certos nas mãos das pessoas certas. Criam e mantêm a infraestrutura e os pipelines que levam terabytes de dados brutos de diferentes fontes para um local centralizado, com dados limpos e relevantes para a organização.

Ferramentas mais usadas

• Ferramentas de programação como R ou Python
• Ferramentas de linha de comando como Git ou Bash
• Bancos de dados SQL
• Ferramentas de big data como Airflow ou Spark
• Plataformas em nuvem como AWS, GCP e Azure

Possíveis cargos

• Data engineer
• Software engineer
• DevOps engineer

Níveis de habilidade

Nível iniciante

• Extrai, transforma e carrega dados com eficiência

Nível intermediário

• Processa dados e automatiza fluxos usando a linha de comando
• Processa dados na nuvem
• Gerencia, otimiza e processa grandes conjuntos de dados e bancos de dados de grande porte

Nível avançado

• Desenvolve pipelines de dados e trabalha com programação paralela
• Compreende paradigmas de programação, como programação funcional e programação orientada a objetos

Faixa salarial

• Segundo o Glassdoor, a média salarial anual nos EUA para Data Engineers é de US$ 112 mil, podendo variar de US$ 76 mil a US$ 166 mil

Caminho de capacitação

Trilhas de carreira

• Data Engineer with Python

Trilhas de aprendizado

• SQL Server for Database Administrators