De Administrador de Dados à Cientista de Dados, será?

Desde os remotos tempos da faculdade percebi a importância dos dados. O modelo de Von Neumann, considerada a arquitetura mais básica de todas, recebe dados como entrada e produz dados como saída, dito isso podemos entender os dados como o combustível da computação e por isso foquei meus estudos na análise e modelagem de dados, Edgar F. Codd foi meu guia pois seu trabalho que resultou no modelo relacional orienta a criação de bancos de dados até hoje.

Com o passar do tempo percebi que a modelagem é apenas o começo do trabalho. Assim que o modelo começa a ser alimentado é possível utilizar-se destes dados para produzir informação, à isto da-se o nome de B.I, a famigerada inteligência de negócio, considero esta uma das primeiras iniciativas de obter vantagens competitivas a partir da análise de dados.

Como o motor da computação não para, e ao contrario esta acelerando cada vez mais, a quantidade de dados produzida hoje já é absurda e tende a continuar aumentado, essa produção de dados cada vez maior nos leva ao fenômeno conhecido como 'Big Data', com isso novas ferramentas, técnicas e papeis foram criadas.

Um destes novos perfis é o cientista de dados, um profissional com habilidades em programação, estatística e muita vontade de transformar esse amontoado de dados em informações relevantes, novos negócios, novos produtos, etc.

Para encarar esse novo desafio novas habilidades/ferramentas são necessárias, podemos citar como exemplos:

• Banco de dados não relacionais
• Machine Learning
• Inteligência Artificial
• Hadoop
• Estatística
• Python
• R
• Pensamento cientifico
• Storytelling

É um longo caminho para quem vem da administração de dados, mas ele está bem posicionado para realizar a transição para cientista de dados, pois ele já respira dados, provavelmente lida com quantidades razoáveis de dados e em sua formação base conheceu o básico de programação.

Ao meu ver os maiores calcanhares de aquiles do analista de dados são a estatística e o pensamento cientifico. A estatística pois não estamos acostumados com o nível de detalhe das análises que vejo sendo aplicadas nos projetos de ciência de dados, com isso é necessário investir um bom tempo, e talvez dinheiro, em treinamentos e praticar o máximo possível. O pensamento cientifico também acaba sendo um desafio, pois não é apenas uma questão de chegar a ao resultado, mas sim de propor um questionamento(relevante), elaborar uma metodologia para responde-lo, aplicar a metodologia e fundamentar a conclusão através dos resultados obtidos,

Toda a dificuldade desta transição tende a ser compensada em desafios e salários, pois grandes empresas estão em busca desse novo perfil de profissional e alguns relatórios apontam a cada mais mais e mais empresas vão abrir nesta área.