A carreira em Data Science tem sido almejada por muitos profissionais, principalmente em transição de carreira. De fato, é uma profissão que está em alta e, mesmo tendo sua origem há algumas décadas, muitas empresas e profissionais estão tendo seus primeiros contatos com a área de dados.
Aqui no blog da Coodesh, já fizemos uma apresentação de algumas das principais profissões dentro de Data Science (veja o artigo), sendo elas o Cientista de Dados, Analista de Dados, Arquiteto(a) de Dados e o(a) Engenheiro(a) de Dados.
Sendo eu um desses profissionais, e que transitou de carreira, posso dizer o quão real é a demanda e qual é a importância da área de dados dentro de uma empresa, além do quanto de valor é gerado para as decisões por elas tomadas.
Empresa orientada a dados
Um termo muito utilizado pelas empresas é a gestão “Data Driven”, ou seja, aquela a qual é orientada por dados e que toma todas as decisões baseadas em informações concretas e analisadas.
E o contexto desse formato de gestão está diretamente ligado à enorme massa de dados que as empresas geram diariamente, sejam por seus produtos ou serviços on-line, marketing, redes sociais, anúncios etc.
Ou seja, é imprescindível que a empresa tenha total controle de toda a informação que é gerada por ela (e para ela) para que possa customizar seu produto e/ou serviço para seu público, e possa entender as reais necessidades deles.
Esse formato vai em contrapartida à gestão por “achismos” ou por análises rasas, sem profundidade e sem pleno conhecimento de todas as informações em torno do negócio.
Esse modelo é tão impactante que até bandas de rock estão utilizando para aumentar o engajamento do seu público em shows. Recentemente vi uma matéria sobre a consagrada banda “Metallica” que utiliza dados da plataforma Spotify para analisar as músicas mais ouvidas regionalmente, orientando e customizando assim suas setlists para cada show.
Isso é incrível! Inevitavelmente as empresas, sejam elas grandes ou pequenas, demandam esse formato de gestão.
Papel de um Data Analyst
Como citado acima, há vários tipos de profissionais dentro da carreira de Data Science, com algumas competências em comum, mas com responsabilidades diferentes dentro da área.
O dia a dia de um Analista de Dados se dá pela análise de eventos já ocorridos e no tempo presente, ou seja, se responsabiliza pela construção de análises para que a empresa possa validar o efeito de suas decisões já tomadas e também para levantar novos insights e hipóteses, para que novas decisões sejam avaliadas.
Mas para que isso aconteça, é necessário haver um pipeline de dados, ou seja, um fluxo desde a fonte inicial dos dados, como ele será coletado, suas transformações e para onde ele será destinado (comumente essa técnica é chamada de ETL ou ELT, dependendo de como está desenhado o pipeline).
O Analista de Dados é o responsável por manter esse fluxo ativo e, muitas vezes, realizar manutenções de acordo com as necessidades do negócio.
Tendo esse escopo em bom funcionamento, toda a informação é transportada para as ferramentas de visualização de dados. Aqui é interessante frisar a importância do Analista de Dados, que tem a missão de gerar um storytelling bem claro e sem ruídos para que os usuários dessas visualizações possam compreender a mensagem através dos dados.
Nesse contexto ainda das visualizações, o profissional de Analytics também aponta insights por ele mesmo observado, para que as equipes possam ter mais informações e uma análise muita vezes mais estatística e menos enviesada, por ser alguém que está observando os eventos de uma forma mais criteriosa.
Tecnologias
Vale a pena citar aqui as principais linguagens de programação utilizadas pelo Analista de Dados: Para a extração, manipulação e transformação dos dados as linguagens mais comuns são o Python, SQL e NoSQL (com menor frequência).
Como ferramentas de visualizações posso citar as mais comuns, como: Google Data Studio, Power BI, Tableau, Redash, entre outras, que possuem o objetivo de demonstrar graficamente (na maioria dos casos) as análises que serão feitas e as métricas utilizadas pela empresa.
Importância do profissional de Analytics
O Analista de Dados pode atender diretamente o time de dados da empresa ou quando o time é menor (ou ainda quando toda responsabilidade da área fica com ele), o profissional pode atender diretamente as necessidades de vários setores, como operações, marketing, vendas, financeiro e diretoria.
Como há uma enorme concorrência no mercado, toda inovação e estratégia bem definida é bem-vinda e pode gerar um grande diferencial para o negócio. O profissional de Analytics está diretamente ligado a isso, pois pode gerar insights acionáveis para que as equipes possam tomar decisões rápidas e, muitas vezes, na contramão da estratégia antes adotada. Suas ações impactam diretamente nas decisões e estratégias principais da empresa.
Como dito, as profissões na aŕea de Dados vão continuar tendo uma alta demanda de profissionais e é importante, assim como em qualquer profissão em tech, que os mesmos se engajem em desenvolver suas habilidades e aprendam novas ferramentas, pois devem estar o mais preparado possível para novos desafios e problemas a solucionar dentro das empresas.
Agora aproveite para ler também o relato sobre como ingressar na carreira de Data Science e fazer parte da nossa comunidade cadastrando o seu perfil.
