5 habilidades para um cientista de dados ser disputado pelo mercado

Cientistas de dados estão em alta demanda no mercado de trabalho, com empresas de praticamente todos os setores procurando por talentos da área.

“No passado, as equipes responsáveis ​​pelos dados eram relegadas para o fundo da sala da equipe de TI, executando tarefas do banco de dados para manter os vários sistemas corporativos alimentados com o ‘combustível’ [que] permitia que os executivos executassem operações, atividades e gerassem resultados financeiros”, lembra Greg Boyd, diretor da empresa de consultoria Protiviti.

Essa função é importante, mas quem está em ascensão são os cientistas de dados mais experientes que têm a capacidade de não apenas manipular grandes quantidades de dados com sofisticadas técnicas estatísticas e de visualização, mas também têm perspicácia sólida da qual podem obter insights. Esses insights ajudam a prever possíveis resultados e atenuar possíveis ameaças aos negócios.

Mas então, o que é preciso para ser um especialista em ciência de dados? Aqui estão alguns atributos e habilidades importantes, de acordo com líderes de TI, analistas do setor, cientistas de dados e especialistas.

Desenvolva o pensamento crítico

Cientistas de dados precisam ser pensadores críticos para poder aplicar uma análise objetiva dos fatos sobre um determinado tópico ou problema antes de formular opiniões ou emitir julgamentos.

“Eles precisam entender o problema ou decisão de negócios que está sendo tomada e ser capaz de ‘modelar’ ou ‘abstrair’ o que é importante para solucionar o problema, versus o que pode ser ignorado”, explica Anand Rao, da PwC. “Essa habilidade, mais do que qualquer outra coisa, determina o sucesso de um cientista de dados”, completa.

Um cientista de dados precisa ter experiência, mas também a capacidade de duvidar, acrescenta Jeffry Nimeroff, CIO da Zeta Global. “A experiência fornece benefícios, mas não é isenta de riscos, se formos complacentes demais. É aqui que a dúvida é importante.”

Não se trata de olhar para as coisas com os olhos de um novato, mas recuar e ser capaz de avaliar um problema ou situação de vários pontos de vista.

Seja bom em codificação e, claro, em matemática

Os melhores cientistas de dados sabem como escrever código e se sentem à vontade para lidar com uma variedade de tarefas de programação.

“A linguagem de escolha na ciência de dados está se movendo em direção ao Python, com seguidores substanciais para o R”, diz Rao. Além disso, existem várias outras linguagens em uso, como Scala, Clojure, Java e Octave.

“Para ser realmente bem-sucedido como cientista de dados, as habilidades de programação precisam compreender os dois aspectos computacionais – lidando com grandes volumes de dados, trabalhando com dados em tempo real, computação em nuvem, dados não estruturados e aspectos estatísticos – [e] trabalhando com modelos estatísticos como regressão, otimização, clustering, árvores de decisão, florestas aleatórias etc.”, declara Rao.

De acordo com Celeste Fralick, cientista de dados da McAfee, o impacto do big data no início dos anos 90 exigiu que cada vez mais cientistas de dados entendessem e pudessem codificar em linguagens como Python, C ++ ou Java. Se um cientista de dados não entende como codificar, é melhor estar cercado por pessoas que o fazem. “A parceria de um desenvolvedor com um cientista de dados pode ser muito proveitosa.”

A ciência de dados provavelmente não é uma boa opção de carreira para pessoas que não gostam ou não são proficientes em matemática.

Para Boyd, o especialista em dados é um especialista em matemática e estatística, embora tenha a capacidade de colaborar estreitamente com executivos da linha de negócios para comunicar o que realmente está acontecendo nas operações e possa oferecer confiança para auxiliar na tomada de decisões da organização.

Atente-se para machine learning, deep learning e IA

As indústrias estão se movendo de forma rápida para essas áreas por conta do enorme volume de dados coletados. “Um cientista de dados precisa ficar à frente da curva na pesquisa, além de entender qual tecnologia aplicar e quando”, declara Fralick. “Muitas vezes um cientista de dados aplica algo ‘sexy’ e novo, quando o problema real que está resolvendo é muito menos complexo.”

Os cientistas de dados precisam ter um entendimento profundo do problema a ser resolvido, e os próprios dados falarão o que for necessário. “Estar ciente do custo computacional do ecossistema, da interpretabilidade, da latência, da largura de banda e de outras condições de contorno do sistema – bem como da maturidade do cliente – ajuda o cientista de dados a entender qual tecnologia aplicar”, acrescenta.

Segundo Trevor Schulze, CIO da Micron Technology, não basta entender as interfaces funcionais dos algoritmos de aprendizado de máquina. “Para selecionar o algoritmo apropriado para o trabalho, um cientista de dados bem-sucedido precisa entender as estatísticas dos métodos e as técnicas adequadas de preparação de dados para maximizar o desempenho geral de qualquer modelo.”

Saiba se comunicar bem

A importância das habilidades de comunicação merece ser repetida. Hoje praticamente nada quando se fala em tecnologia é realizado de forma isolada; sempre há alguma integração entre sistemas, aplicativos, dados e pessoas. A ciência de dados não é diferente, e ser capaz de se comunicar com várias partes interessadas é um atributo-chave.

“A capacidade de ‘contar histórias’ por meio de dados traduz o que é um resultado matemático em um insight”, observa Rao. “Estando na interseção de negócios, tecnologia e dados, os cientistas de dados precisam ser especialistas em contar uma história para cada uma das partes interessadas.”

Isso inclui a comunicação sobre os benefícios comerciais dos dados para executivos de negócios; sobre tecnologia e recursos computacionais; sobre os desafios de qualidade, privacidade e confidencialidade dos dados; e sobre outras áreas de interesse da organização.

Ser um bom comunicador inclui a capacidade de explicar informações técnicas de uma forma precisa e fácil de entender. “Um cientista de dados deve se lembrar que sua execução gera resultados que podem e serão usados ​​para apoiar ações direcionais da empresa. Portanto, ser capaz de garantir que o público entenda e aprecie tudo o que está sendo apresentado a eles – incluindo o problema, os dados, os critérios de sucesso e os resultados – é fundamental”, relata Nimeroff.

Um bom cientista de dados deve ter conhecimento e curiosidade sobre os negócios para dialogar adequadamente com as partes interessadas da empresa para entender o problema e identificar quais dados provavelmente serão relevantes.

Além disso, os cientistas de dados precisam ser capazes de explicar algoritmos aos líderes de negócios. “Comunicar como um algoritmo chegou a uma previsão é uma habilidade importante para ganhar a confiança dos líderes em modelos preditivos, fazendo parte de seus processos de negócios”, afirma Schulze.

Boa intuição comercial

Buscar um grande cientista de dados envolve encontrar alguém que possua habilidades um tanto contraditórias: inteligência para lidar com o processamento de dados e criar modelos úteis; e uma compreensão intuitiva do problema de negócios que eles estão tentando resolver, a estrutura e as nuances dos dados e como os modelos funcionam, observa Lee Barnes, chefe do Paytronix Data Insights da Paytronix Systems.

“O primeiro deles é o mais fácil de encontrar; a maioria das pessoas com boas habilidades matemáticas e diploma em matemática, estatística, engenharia ou outras disciplinas científicas provavelmente terá a potência intelectual para fazê-lo. O segundo é muito mais difícil de encontrar. É surpreendente quantas pessoas que entrevistamos que construíram modelos complexos, mas, quando questionadas sobre por que elas acham que o modelo funcionou ou por que escolheram a abordagem que adotaram, elas não têm uma boa resposta.”

É provável que essas pessoas sejam capazes de explicar a precisão de um modelo, “mas sem entender por que e como ele funciona, é difícil ter muita confiança”, declara Barnes. “Alguém com essa compreensão e intuição mais profunda do que está fazendo é um verdadeiro gênio da ciência de dados e provavelmente terá uma carreira de sucesso nesse campo.”