Data Science: mercado de trabalho e desafios

Como está o mercado de trabalho em Data Science? Geralmente, se associa a carreira à profissão do futuro. Mas como era a formação há uma década? Para saber a opinião de um profissional sênior nessa área, foi que o #5 Coodesh DevTalks trouxe esse tema no encontro on-line que ocorreu no dia 17 de novembro. 

O talk foi apresentado pelo Co-founder da Coodesh, Glaydston Veloso, que é desenvolvedor e fundou a Coodesh em 2019 com mais dois sócios. O convidado especial do evento foi Leandro Corrêa, Advanced Analytics do iFood. Ele tem mais de 10 anos de experiência em projetos de BI/Analytics com foco em Data Science. 

Só para lembrar, a área é uma das mais amplas do segmento da tecnologia, possibilitando atuar em várias profissões. Segundo pesquisas, 94% das pessoas que estudaram Ciência de Dados conseguem uma colocação profissional. Portanto, a empregabilidade da área é um atrativo para quem está começando ou mudando de carreira. 

Evolução no mercado de trabalho para Data Science 

Nesse sentido, confira o talk que também está disponível no canal da Coodesh no YouTube. Aproveite para seguir nosso canal. 

Leandro iniciou o encontro falando um pouco sobre a sua experiência na área. Ele lembrou que, quando começou, ainda não se tinha tanta clareza desse perfil profissional no mercado de trabalho brasileiro. “Então acabei tendo de aprender um pouco de tudo para conseguir o meu primeiro trabalho nessa área”, afirmou. 

Hoje o mercado amadureceu, há mais cursos de Data Science e maior clareza em relação à definição das profissões. 

Para entrar nesse mercado, é importante conhecer as principais linguagens usadas (como R e Python) e participar dos processos seletivos. Conforme Leandro, normalmente as empresas usam desafios técnicos com problemas bem próximos aos enfrentados na realidade pelos cientistas de dados. 

“Normalmente esses desafios exigem a utilização das principais frentes de dados como processamento, limpeza, modelagem, análise, machine learning e comunicação final dependendo do cargo. É muito legal porque você acaba aprendendo enquanto faz os desafios e também tem uma boa ideia de como serão as demandas solicitadas”, aponta Leandro.

Como funciona um projeto de dados de ponta a ponta? 

O #5 Coodesh DevTalks também falou sobre o dia a dia do profissional de Data Science. Confira um pouco do relato de Leandro, que já atuou em várias consultorias e hoje trabalha no setor de desenvolvimento do iFood. 

“Temos algumas fases macro em que podemos definir a atuação de cada perfil de profissional de dados de acordo com as habilidades que mais se destacam como: definição de problema; aquisição de dados; modelagem e processamento de dados; transformação de dados brutos em informações relevantes e acionáveis como (Análises, Dashboards, Modelos Preditivos) e a entrega dessas coisas em produção”, explica. 

LEIA TAMBÉM: Confira o conteúdo do #4 DevTalks sobre Node.js

Segundo ele, cada uma dessas etapas demanda um conjunto de habilidades. Por isso, hoje em dia, temos tantos perfis como Analista de negócios, Engenheiro de dados, Arquiteto de dados, Analista de dados, Cientista de dados, Engenheiros de Machine Learning e outras variações.

Dicas 

Leandro Corrêa também deixou dicas para quem está começando em Data Science, como as que você pode conferir no vídeo e logo a seguir. 

“A pessoa precisa estar disposta a estudar, mas ao meu ver, o mais importante é lembrar que é um perfil requisitado pela capacidade de resolver problemas que, se forem resolvidos, podem ter alto impacto positivo no negócio. Tudo que aprendemos tem que ser encarado como ferramentas para resolver problemas e não como a atribuição final. Então, além dos conhecimentos técnicos necessários, entender sobre o negócio que está inserido é muito importante”, ressalta. 

Nesse sentido, Glaydston Veloso lembrou que, por essa razão, se faz tão necessário observar as soft skills dos profissionais de tecnologia no momento do recrutamento. 

Para finalizar, Leandro lembrou da importância de buscar alternativas simples (não é preciso reinventar a roda) para os problemas do dia a dia. 

“No mais, é entender o escopo da atuação dos vários papéis existentes nessa área, buscar o que mais se identifica e estudar sobre as habilidades necessárias de cada cargo”, comenta.

Como exemplo de temas a serem estudados, ele aponta: Estatística; Machine Learning; Análise de dados; Python; R; Spark; Cloud; Engenharia de Software; Processos de DevOps e outros. 

Conclusão 

Assim, a Coodesh encerrou mais um episódio da série de DevTalks para profissionais de tecnologia aprimorarem seus conhecimentos com dicas de pessoas que estão enfrentando os desafios do dia a dia da profissão. 

Confira nosso canal no YouTube e nossa página no LinkedIn para assistir e interagir com os próximos talks, que estão ocorrendo todas as quartas-feiras, às 18h. Aproveite para fazer seu cadastro gratuito na nossa plataforma de recrutamento tech como desenvolvedor clicando aqui.

Saiba como é ingressar na carreira de desenvolvedor Node.js

Confira 20 podcasts para desenvolvedores e comece a seguir