CIÊNCIA DE DADOS DATA SCIENCE
o-que-e-data-science

O que é Data Science e o que preciso para começar na área?

Data Science: uma janela de possibilidades para resolver os problemas do mundo.

Um movimento que abriu espaço para uma nova geração de profissionais, os cientistas de dados, que migraram de diversas áreas, mas com algumas características em comum: habilidades técnicas para resolver problemas complexos e a curiosidade necessária para explorar situações capazes de resolvê-los. Isso trouxe oportunidades para todo tipo de profissional. É janela para buscar as soluções em um mundo de possibilidades, onde tudo cabe.

Trata-se de uma área interdisciplinar, que avança com o Big Data e só faz sentido a partir da compreensão de dados diversos e suas possíveis aplicações na resolução de problemas.  É dessa necessidade que surge o trabalho do cientista de dados. É ele que extrai o conhecimento necessário para detectar padrões e obter variáveis para possíveis tomadas de decisão.

Mas quem são esses profissionais e quais as oportunidades de mercado? E por que esta carreira se tornou tão badalada?

Ciência de Dados – O que é e como pode ajudar seu negócio

Muitos cientistas começaram suas carreiras em estatística ou análise de dados, mas, à medida que o Big Data começou a crescer e evoluir, esses papéis também evoluíram. Atualmente, Ciência de Dados envolve atuação direta em áreas como computação tradicional, matemática, estatística, engenharia, sociologia e política, entre outras.

O próprio meio acadêmico abriu espaço para esses profissionais justamente pela sua versatilidade, já que o trabalho engloba técnicas que passam pelo desenvolvimento da aprendizagem de máquina e aplicações como motores de busca até tradução automática e reconhecimento de voz.

Assim como a computação, Data Science pode ser aplicada a diferentes domínios do conhecimento e não restrita a uma única indústria, como a análise tradicional tende a ser. Enquanto o domínio da expertise é imperativa para identificar problemas específicos para determinada empresa, o entendimento e experiência em extrair conhecimento de diferentes domínios oferece um amplo escopo para insights de negócios.

Leia também: Como migrar para a área de ciência de dados

Contudo, assim como acontece em várias profissões criadas nos últimos anos, muita gente não sabe dizer quais são as atribuições diárias de quem trabalha com Data Science. Pelo nome, é até possível entender que análise e organização de informações fazem parte da rotina, mas na prática é um aprofundamento detalhado capaz de captar as nuances de determinado assunto. Sendo assim, o trabalho em equipe é um requisito fundamental.

Por ser um campo que avança rapidamente, é uma carreira que exige capacidades diferentes dos profissionais que trabalham na área. Atualização e aprendizado permanentes estão dentro das características exigidas para quem pretende ingressar na carreira. Nos próximos anos, a demanda pelos cientistas de dados só tende a aumentar e o investimento em qualificação pode ser um diferencial também na hora de se posicionar no mercado.

Assista o Webinar e acompanhe o bate-papo realizado com profissionais da Neurotech.

Conteúdo bem completo que preparamos para você sobre Data Science!

E o que não deu tempo de responder na live, nossos dataninjas Joyce Sá, Marcio de Lucas e Renata Santos responderam aqui: 

Vale a pena uma pessoa de outra área fazer uma pós-graduação (especialização ou mestrado) em ciência de dados ou é melhor um curso rápido?

  • Joyce Sá: Acredito que vai muito da experiência que a pessoa já tem nessa área, de como você quer utilizar o aprendizado adquirido. Um curso rápido é válido quando se quer pegar alguns conceitos mais específicos e quando já se tem um conhecimento abrangente da área. No caso da pós, acredito que é válida pra quem quer conhecer de todo o pipeline de Data Science.
  • Marcio de Lucas: Apesar de, a princípio, Ciência de Dados parecer um grande emaranhado de técnicas estatísticas e ferramentas de tecnologia, na prática é uma atividade bastante associada a um contexto de negócio. Se você quer se inserir na área, cursos rápidos são uma boa opção, pois oferecem o impulso necessário para construir um portfólio e começar a concorrer às vagas. Deixe a prática guiar teu aprendizado. Construir soluções que resolvam problemas reais de um negócio é o melhor caminho para crescer na área.
  • Renata Santos: Acho que vale a pena, sim, uma especialização ou um mestrado profissional. Porém deve-se estar bem atento à ementa e carga horária da pós-graduação já que, realmente, há muita gente se aproveitando da “modinha” de ser Data Scientist. Ao meu ver, cursos rápidos são uma boa para quando você quer vários conteúdos de forma rápida. Então, para a alta demanda que temos hoje de cientistas de dados com experiência, creio que que é uma solução a curto prazo para se inserir no mercado de trabalho.

Quais cursos livres vocês recomendam para quem não é da área?

  • Joyce Sá: Há diversos cursos no Youtube, com algumas pessoas que têm bastante conhecimento. O único curso que fiz foi um da Udemy que era focado em algoritmos, porém era pago. Acho que, além de cursos, você pode focar em consumo de blogs como o Towards Data Science e Data Hackers, que têm conteúdo bem interessante.
  • Marcio de Lucas: Para quem gosta de conteúdo que vai direto ao ponto, indico o canal no Youtube do Mario Filho — super competidor brasileiro de desafios do Kaggle. Para aquelas e aqueles que gostam aprender sobre algo a partir do seus fundamentos, sugiro uma busca por uma formação no Coursera — você pode assistir às aulas gratuitamente e pagar apenas a emissão do certificado. No segundo caso, busque por um curso  que se conecte com as atividades que você tem interesse ou experiência. Por exemplo, para quem vem das Humanas que nem eu, a UCDavis oferece a formação em Computational Social Science.
  • Renata Santos: Nunca fiz nenhum curso livre nessa área. Quando tenho uma dúvida pontual, vou direto no YouTube e, na maioria das vezes, quando não recorro ao YouTube, acabo caindo no site do Data Hackers.

Pelo que vocês falaram, vocês também lidam muito com negócios, né? Vocês indicam pra gente que tá migrando pra área estudar isso também? Se sim, teria alguma dica?

  • Joyce Sá: O “negócio” é a área em que a Ciência de Dados vai ser utilizada. Nesse caso, para quem está começando, pode ser uma área que a pessoa já se identifica. Com isso, a curva de aprendizado em relação à área vai ser bem menor, fazendo com a que a pessoa consiga focar mais no aprendizado da Ciência de Dados em si. O conhecimento da área de atuação é importante porque faz com que você consiga desenvolver a melhor solução utilizando os dados disponíveis, gerar insights mais específicos e além disso, validar que os resultados encontrados de fato agregam para o problema que você está buscando resolver. Nesse caso, a dica principal é escolher uma área de negócio em que você já tenha familiaridade e domínio, para poder identificar um problema interessante dessa área e tentar resolvê-lo usando Ciência de Dados.
  • Marcio de Lucas: Conhecer casos em que Ciência de Dados foi aplicada com sucesso te oferece um guia para potencializar teu trabalho ou ter mais argumentos para se sair bem em uma entrevista. Imagine-se respondendo, em uma entrevista, à pergunta “Como você pode gerar impacto econômico para uma empresa a partir de dados?”. A busca pela resposta vai te conduzir a um aprendizado valioso. Como referências sobre Ciência de Dados e aplicações comerciais, sugiro os podcasts Data Hackers, Pizza de Dados e Hipster Ponto Tech. 
  • Renata Santos: Creio eu que, para quem está iniciando, essa questão de “estudar negócios” vai ser uma coisa um tanto quanto vaga. A não ser que você já tenha um foco em relação a isso. Por ex.: “Vou estudar como são os negócios na área de crédito”, “ah, quero aprender como são os negócios na área de direito usando data science”. Bem, no geral, a pessoa precisa entender como investigar e apresentar dos dados. Fora isso, acho que o entendimento do negócio é adquirido com a experiência.


Veja como podemos lhe apoiar em seus desafios de negócio.


Faça um diagnóstico agora mesmo!