Muito se fala em data science, ou ciência de dados. Mas o que é data science? Ela combina diversas disciplinas, incluindo estatística, análise de dados, machine learning e ciência de computação.

Pode ser algo assustador para quem é novo na área, mas é preciso manter em mente que há diferentes papeis e empresas que darão ênfase para algumas habilidades no lugar de outras, então não é necessário ser um expert em tudo.

Uma dica de especialistas para começar: “cientista de dados” ou “data scientist” é um termo frequentemente utilizado de maneira geral para descrever trabalhos que são drasticamente diferentes.

Ou seja, entender as principais diferenças entre cada posição é um primeiro passo essencial para quem quer saber mais sobre essa carreira.

Habilidades de data science: quais são mais importantes?

Um conselho importante para quem busca emprego na área de data science é ler a descrição com cuidado. Isso permite que você se candidate para trabalhos para os quais está qualificado ou planeje que habilidades específicas desenvolver para ter os trabalhos que quer.

4 tipos de trabalho em data Science

1. Analista de dados

Há algumas empresas em que um data scientist é sinônimo de analista de dados. Seu trabalho pode consistir em tarefas como extrair dados de bases de dados SQL, tornar-se um mestre de Excel ou Tableau e produzir visualizações básicas de dados e dashboards.

Ocasionalmente, você pode analisar resultados de um teste A/B ou liderar uma conta corporativa do Google Analytics.

Uma vez que você tenha domínio de suas responsabilidades cotidianos, uma empresa como essa pode ser um ótimo ambiente para testar coisas novas e expandir seu conjunto de habilidades.

2. Engenheiro de dados

Algumas empresas chegam ao ponto em que têm muito tráfego (e uma quantidade crescente de dados) e começam a procurar alguém para constuir grande parte da infraestrutura de dados que será necessária para o futuro.

Elas também buscam uma pessoa para fazer análises. Para esse tipo de posição, verá vagas postadas com essas duas posições: “cientista de dados” e “engenheiro de dados”.

Já que você seria o primeiro ou um dos primeiros contratados na área de dados, grande expertise com estatística e machine learning será menos importante que ótimas habilidades em engenharia de software.

Você terá grandes oportunidades para brilhar e crescer num ambiente experimental, mas terá menos orientação e pode enfrentar um risco maior de estagnar na carreira.

3. Engenheiro de machine learning

Há diversas empresas para quem dados (ou sua plataforma de análise de dados) são o produto. Nesse caso, a análise dados ou machine learning podem ser bem intensos.

Esta é provavelmente a situação ideal para alguém que tem um background formal em matemática, estatística ou física.

Os engenheiros de machine learning frequentemente focam mais na produção de ótimos produtos orientados a dados do que em responder questões operacionais para uma empresa.

Organizações que caem neste grupo podem ser voltadas para consumidores e proprietárias de grandes quantidades de dados ou oferecer serviços de base de dados.

4. Generalista de data science

Muitas empresas buscam um generalista para se juntar a uma equipe estabelecida de cientistas de dados. A empresa que está conduzindo a entrevista liga para dados mas provavelmente não é uma empresa de dados.

É igualmente importante que você consiga conduzir análises, produzir códigos, criar visualização de dados, etc. Entre as habilidades mais importantes de um generalista de data science são relacionadas a big data e experiências com conjuntos de dados bagunçados.

Geralmente, essas empresas estão buscando generalistas ou querem preencher lacunas específicas em suas equipes, como visualização de dados ou machine learning.

CONHEÇA A PÓS-GRADUAÇÃO BUSINESS DATA SCIENCE DO iCEV

Fonte: cienciaedados.com