CIÊNCIA DE DADOS

Como migrar para a área de ciência de dados

Como mentor de várias startups e circulando no ecossistema de ciência de dados, tenho sido cada vez mais procurado por profissionais de TI e de outras áreas com a pergunta: “Como faço para me transformar em um cientista de dados?”

Recentemente, li um artigo do KDnuggets que fala um pouco sobre como fazer isso via migração de carreira, tanto para profissionais de origem em exatas quanto em outras áreas. Achei superbacana e resolvi escrever um resumo aqui.

O primeiro cenário para uma carreira em ciência de dados é o que Manu Jeevan, autor do artigo e editor do KDnuggets, chama de “rota focada em tecnologia”. Se você é de TI ou áreas afins e está procurando fazer a transição de sua carreira para a ciência de dados, o conselho mais comum é aprender Python ou R e tecnologias de Big Data, como Spark e Hadoop. Essa abordagem faz todo o sentido para a galera de tecnologia e exatas.

Por outro lado, se você não tem esse background técnico, a maneira mais fácil de começar na ciência de dados é adotar uma abordagem focada no área que você já domina (ou “conhecimento de domínio”, em tradução livre do que está no artigo). Isso significa focar na área de negócio em que as soluções de ciência de dados serão aplicadas.

Se você observar o artigo que escrevi sobre as habilidades esperadas em um cientista de dados, perceberá que esse profissional não tem só habilidades técnicas. Essas pessoas também têm conhecimento em outras áreas, como finanças, marketing, recursos humanos, entre outras. Nessa mesma linha de agregar valor à bagagem dos profissionais, tenho tido uma experiência muito bacana no curso de extensão da CESAR School.

Por isso, a provocação do artigo é:
por que não aproveitar essa experiência em outra área?

Uma das primeiras coisas a fazer, sem dúvida, é estudar sobre o assunto. Para quem já é da área de exatas, eu defendo que em 3 meses é possível tornar-se um cientista de dados. Para quem vem de outras áreas, há outras linhas de estudo — vou falar mais sobre isso depois.Independente da sua origem, em paralelo aos estudos, você já pode ir investigando onde você vai trabalhar. Achei interessante o passo a passo sugerido por Jeeban. Aqui, tentei adaptar um pouco para a realidade brasileira e acredito que o que você vai ler agora serve como um guia geral.

Primeiro passo – Descubra seu emprego dos sonhos

A ciência de dados é usada em várias áreas de domínio (como recursos humanos, seguradoras, marketing, finanças, etc.) para resolver problemas comerciais interessantes. Aqui mesmo na Neurotech, usamos muito a plataforma Neurolake nas áreas de crédito e seguros.

Para chegar no seu emprego dos sonhos, a sugestão do artigo é que você use cruze ciências de dados com a sua área de domínio em buscas simples na internet. Por exemplo, digamos que você é um profissional de marketing digital e deseja fazer a transição para ciência de dados. Se pesquisar no Google “marketing data science empregos”, receberá uma lista de ofertas de emprego com títulos como:

  • “Analista sênior de dados de marketing”
  • “Cientista de dados sênior – marketing”
  • “Especialista em análise de marketing”

Encontrados os cargos que estão dentro do que você busca, passe por cada descrição para entender quais deles correspondem de perto às suas habilidades atuais (considerando o que você já domina).

Ao fazer este exercício, o autor do artigo descobriu que “Analista de dados de marketing” é uma boa opção para o exemplo em questão. No anúncio de vaga abaixo, está um exemplo:

  • Analista de dados de marketing – descrição do trabalho

O candidato para essa função deve ter boas habilidades no Google Analytics, deve compreender as métricas on-line (como visitas, taxas de conversão, etc.) e deverá saber como realizar a análise da campanha.

Ou seja, a atuação desse profissional passa a ser uma interseção entre a área de negócio em que ele tem experiência ou tem vontade de trabalhar com um pouco de ciência de dados, mesmo que seja em estágio bem inicial.

Claro que é necessário ter a capacidade de
elaborar gráficos e tabelas, mas nada de
algoritmo por enquanto.

Etapa 2 – Descubra sua empresa dos sonhos

Você precisa selecionar empresas para segmentar sua busca. Procure aquelas que contratam principalmente profissionais de ciência de dados, usando pelo menos um desses critérios:

  • Frequentemente anunciam o seu cargo-alvo;
  • Empregam um bom número de pessoas que têm o seu cargo-alvo.

Etapa 3 – Entre em contato e construa sua rede com as pessoas certas

Você fez sua lição de casa: escolheu uma função e algumas empresas. Mas ainda há muitas dúvidas, como “Posso realmente conseguir esse emprego?” e “O que eu devo fazer a seguir?” Como responder a essas perguntas? Como Jeevan destaca no artigo, a resposta no mercado internacional atual sempre é: “Testando!” E eu digo que esse é um mantra que precisamos usar cada vez mais no mercado brasileiro.

Aqui estão os passos que você pode seguir:

  • Encontre pessoas que tenham seu cargo-alvo em sua lista de “empresas finalistas”;
  • Envie um e-mail convidando para um café, telefonema ou call (reunião rápida on-line);
  • Apareça e faça boas perguntas (não pergunte o que já está na internet, ou seja, pesquise antes);
  • Acompanhe e construa relacionamentos reais.

Como fazer essa busca via LinkedIn

O LinkedIn pode ser muito útil para começar a cumprir a lista da Etapa 3 e encontrar pelo menos duas pessoas que já tenham seu cargo-alvo em cada uma de suas empresas-alvo. Se elas tiverem mais de 500 conexões nessa rede social, entre em contato via inbox. O artigo sugere até um script, que eu adaptei para realidade brasileira — e é e como eu faria no seu lugar.

Mensagem inicial de solicitação do LinkedIn (até 300 caracteres):

Eu estava fazendo uma pesquisa sobre vagas de Analista de dados de marketing no LinkedIn e notei que você é um na [nome da empresa].

A carreira é muito inspiradora para mim. Estou em busca de meu emprego dos sonhos e gostaria de saber se poderia me dar 5 minutos do seu tempo para conversamos.

Assim que aceitarem sua solicitação do LinkedIn (nem todos vão aceitar, tudo bem), agradeça com uma mensagem inbox:

Meu nome é [nome] e [algumas rápidas palavras sobre você].

Como eu disse antes, estou em busca do emprego dos meus sonhos em [nome da vaga] e gostaria da sua ajuda de lhe fazer algumas [3 a 5] rápidas perguntas sobre sua experiência na [nome da empresa].

Suas percepções seriam muito úteis para mim. Estarei em [cidade] de sexta-feira [data 1] a segunda-feira [data 2]. Você estaria disponível para uma conversa rápida durante um café nesse período?

Outra opção é usar a mensagem do LinkedIn acima como seu primeiro e-mail de contato, com a seguinte linha de assunto: Aspirante a cientista de dados.


Se você não receber uma resposta após 3 dias, envie um e-mail de acompanhamento.

Assunto: Acompanhamento da minha mensagem anterior.

Corpo do e-mail: Oi, [Fulano/Fulana]. Gostaria de acompanhar nosso contato anterior.
Até agora, eu:
Decidi o cargo que estou buscando: analista de dados de marketing; Tenho uma lista de empresas às quais estou interessado em me candidatar e também já pesquisei muito sobre elas; Tenho só algumas poucas perguntas – e por isso estou entrando em contato com especialistas como você (que já têm o emprego dos meus sonhos). Eu acredito fortemente que sua orientação e feedback sobre a minha abordagem ao mercado de trabalho de ciência de dados me ajudariam muito.

De novo: se você não receber uma resposta após 2 dias úteis, envie mais um e-mail de acompanhamento.


Oi [Fulano]. Desculpa incomodar, mas queria entrar em contato sobre minha mensagem anterior. Sua orientação me ajudaria muito na minha jornada em busca do emprego dos sonhos.

Antes de entrar em contato com qualquer um de seus alvos, veja se conhece alguém que possa apresentá-lo a eles. Pode ser um ex-colega de faculdade ou um ex-colega de trabalho.

Faça boas perguntas

Lembre-se de que essas reuniões informais são para você testar suas ideias e obter novos insights. Não é o momento de falar em emprego. Nunca peça um neste ponto. Você está na fase de pesquisa, é hora de apenas reunir informações. Também não é hora de falar sobre você — então, por favor, ouça. Seu trabalho aqui é aprender, não falar de si mesmo.

Se você tiver uma reunião de meia hora, deverá passar aproximadamente 25 minutos fazendo perguntas e ouvindo as respostas. Nos últimos cinco minutos, está “liberado” falar sobre si mesmo.

É essencial tentar fazer perguntas inteligentes. Para isso, pesquise sobre a pessoa e sobre a empresa e, no encontro ou ligação, busque tirar as dúvidas que não conseguiu achar do que já está disponível.

Outra boa dica: não seja vago. Recebo muitas perguntas no LinkedIn sobre orientação de carreira do tipo: “Qual a sua sugestão sobre a minha carreira em tecnologia?”, e eu penso “Sério? Que pergunta é essa?”, porque é genérica demais, cabe muita coisa em tecnologia. Ser específico aumentará suas chances de bons insights. Boas perguntas trazem boas respostas 🙂

Por exemplo:

  • Quais foram os principais desafios quando você iniciou sua carreira em ciência de dados?
  • Você pode dizer como a ciência de dados agrega valor aos resultados da [nome da empresa]?
  • Quais foram seus aprendizados mais recentes na área de ciência de dados?
  • Quais técnicas de software e aprendizado de máquina a equipe da [nome da empresa] usa regularmente?
  • A [nome da empresa] contrata pessoas sem experiência em ciência de dados? Em caso afirmativo, que habilidades e características importantes vocês mais procuram em um candidato que não tem experiência nesse campo?
  • Se eu tivesse uma entrevista na próxima semana, que tipo de conselho você recomendaria para mim?

Após a reunião, no mesmo dia, envie um e-mail de agradecimento.

Por enquanto, ficamos por aqui. Acredito que esse seja um bom começo para quem quer começar em ciência de dados e vem de outra área, independente de que área é essa e de quanto tempo a pessoa tem de experiência (ou da sua idade). Boa parte dessas dicas servem também para quem está começando do zero.

Sejam muito bem-vindos todos que querem migrar para a carreira em ciência de dados!

Rodrigo Cunha | Head of Neurolake na Neurotech