Cientistas de dados que estão atuando no mercado já são um data science em T, ou seja, profissional em T. Hoje vou te explicar o porquê falar em profissional em T na área de Data Science é descrever como a profissão foi construída. Isso porque um(a) profissional em data science possui três principais responsabilidades no seu dia a dia: a primeira é de entender o objetivo do negócio, depois descobrir as soluções através de ferramentas e, por fim, realizar a demonstração. Cada uma dessas etapas leva um tempo diferente, mas são todas igualmente importantes, vou detalhá-las a seguir de acordo com o fluxograma abaixo:
Imagem mostrando o fluxo Objetivo, Descoberta, Demonstração
Objetivo
No primeiro momento o(a) profissional tem que entender a dor do cliente e quais dados o cliente dispõe. Nessa etapa é essencial que o(a) profissional em T seja uma pessoa curiosa sobre o negócio que está trabalhando. Uma vez que cada empresa terá objetivos diferentes. Nos bancos, por exemplo, o mais importante é identificar quais clientes podemos conceder ou fazer a manutenção do crédito ativo, já em hospitais o mais importante será identificar o mais rápido possível a necessidade ou não de um(a) paciente precisar de UTI.
Descoberta
A descoberta é onde estão os conceitos mais conhecidos da ciência de dados, onde através de ferramentas, sejam elas o Excel, o PowerBI ou o Jupyter notebook, a pessoa vai explorar os dados, levantar hipóteses e criar modelos de previsão. Nesta etapa, por um lado é preciso ter habilidades com ferramentas como as linguagens Python, SQL, R e, por outro lado, também é necessário saber sobre a teoria como estatística e metodologia científica.
Demonstração
Finalmente temos a demonstração, nesse momento, cientistas de dados em T, precisam conseguir comunicar seus resultados e sua análise. Então é essencial traduzir a complexidade para pessoas que não têm o domínio da área. Nesse momento, habilidades com experiência do usuário (UX) e com contação de histórias (storytelling), vão contribuir para o cumprimento dessa última etapa do trabalho de cientista de dados.
Então, agora que você viu como cientistas de dados precisam naturalmente ter habilidades em diversas áreas e que por isso são data science em T, você sabe quais pontos precisam ser desenvolvidos para se tornar um(a) profissional mais completo. Recomendo essa conversa que o Paulo Silveira teve com a Mikaeri Ohana que conta um pouco sobre o dia a dia de uma cientista de dados.
