Você já deve ter ouvido falar de cargos como analistas de dados ou cientistas de dados em todos os lugares nos últimos anos. Realmente, são profissionais extremamente necessários para qualquer empresa que queira sobreviver e crescer neste e nos próximos anos.
Mas você sabia que existem vários outros cargos que suportam uma empresa no quesito "dados"? Entenda neste post um breve resumo de cada um e não fique mais perdido. Bora lá!
O tal do Analista de Dados
Este é o mais comum. Esta espécie se reproduz em ambientes com muitos dados disponíveis, usa estatística (ou pelo menos deveria usar) e ferramentas como Excel, SQL e Power BI.
A espécie é a evolução direta dos Analistas de Informações Gerenciais, Analistas de Relatórios, Analistas de Business Intelligence e outras espécies parecidas.
Brincadeiras à parte, o analista de dados é responsável por extrair, preparar e analisar grandes conjuntos de dados para resumir, identificar tendências, padrões e insights que possam ajudar uma empresa a tomar decisões baseadas em dados (uma decisão Data Driven).
O salário médio de um Analista de Dados Pleno é de R$ 6.200 reais, segundo o GlassDoor em Maio/23.
Mas será que o Analista sozinho consegue fazer tudo o que é necessário em uma empresa? Quem dera…
Por mais que seja possível (e vai depender de cada profissional), existem habilidades necessárias para certas situações nas empresas que é difícil encontrar em um profissional só.
Quando precisamos fazer análises usando algoritmos de Machine Learning, por exemplo, uma habilidade ainda maior em estatística e programação é obrigatória.
Portanto, o mercado começou a precisar de um outro tipo de profissional.
O Cientista de Dados: Elevando a barra!
Este é o profissional que seria a evolução Pokémon de um Analista de Dados. É como se fosse um Cavaleiro Jedi de Star Wars. Brincadeira, não é tudo isso.
Mas existem boas diferenças entre o analista e o cientista de dados. Falei com mais detalhes dessas diferenças aqui.
Basicamente, além de todos os principais conhecimentos estatísticos e de ferramentas que um analista de dados tem, o cientista de dados também precisa entender de métodos estatísticos mais avançados como Modelos Probabilísticos, Machine Learning (aprendizado de máquina), diagnóstico e performance de modelos, entre outros.
Um cientista acaba tendo que estudar bem mais que um analista, por isso seu salário é maior no mercado de trabalho. Veja:
O salário maior é reflexo direto da escassez desse profissional no mercado. Pense comigo: Não é todo mundo que se sacrifica para estudar de 6 a 18 meses para iniciar em uma área.
Analistas de Dados e Cientistas de Dados tem apenas um objetivo: Gerar valor para as empresas usando os dados disponíveis.
Ah, mas você sabe que é preciso ter dados disponíveis, certo?
Por incrível que pareça, nem sempre eles estão disponíveis ou de fácil acesso para os analistas e cientistas.
É aí que entra uma função muito importante para tudo isso andar: Os engenheiros de dados!
O que faz um Engenheiro de Dados?
Esse profissional é responsável por construir, desenvolver e manter a infraestrutura de dados necessária para coletar, armazenar, processar e gerenciar grandes volumes de dados. Eles trabalham com ferramentas e tecnologias como banco de dados, armazenamento em nuvem, processamento distribuído e pipelines de dados para garantir que os dados estejam disponíveis, acessíveis e seguros.
Ou seja, o engenheiro move os diversos dados espalhados na empresa em um processo de padronização e carregamento em um repositório de dados final acessível para os times de negócio e os analistas e cientistas de dados.
É basicamente o seguinte cenário:
O processo acima também é chamado de ETL (Extract, Transform e Load), um procedimento comum em qualquer empresa.
Essa função é tão ou mais importante que os analistas ou cientistas, pois sem dados acessíveis, padronizados e com boa qualidade, dificilmente se gera algum valor nas empresas.
E os salários? Condizentes com a dificuldade e a escassez. Veja:
Muito bem.
Então agora a empresa tem dados a serem analisados pois os engenheiros construíram um pipeline (caminho) automatizado para sua disponibilização. Além disso, a empresa tem analistas e cientistas de dados bons em estatística e ferramentas de dados para gerar valor.
Falta mais alguma coisa? Opaaaa, falta sim! É preciso colocar essas soluções em produção, ou seja, é preciso fazer a implantação do projeto de dados da forma mais automática possível.
Ninguém merece ficar rodando código, atualizações de bases, dashboards e modelos na mão em sua máquina pessoal.
É preciso construir um "produto" ou "implantação" automatizada das análises, dashboards,insights e modelos criados pelos analistas e cientistas.
Embora esses profissionais sejam bons em estatística e ferramentas de análise, para prototipar e colocar seus trabalhos em produção de forma automática eles precisam entender bem de programação e engenharia de software.
Como fica muito difícil contratar alguém com todos esses conhecimentos, empresas mais bem estruturadas em cargos e maturidade analítica começaram a procurar um novo tipo de profissional.
Eis que surge o…
Engenheiro de Analytics ou Engenheiro de Machine Learning
Mais uma espécie nessa selva de dados.
Os engenheiros de Analytics e Machine Learning são responsáveis por criar pipelines automatizados para implantar os trabalhos dos analistas e cientistas de dados. Esse profissional é uma mistura entre Analista, Cientista e Programador.
Como são características difíceis de serem encontradas em um profissional só, os salários acabam acompanhando.
Em geral, um Engenheiro de Machine Learning, por exemplo, ganha mais do que todos os outros cargos apresentados. Faz sentido, neh?
Existem outros cargos em dados?
Putz, existem a depender da empresa e do país (sim, pois nos EUA o mercado é mais desenvolvido do que o nosso e lá existem vários outros cargos).
Seguem vários outros cargos possíveis:
- Arquitetos de dados
- Analista de Governança de Dados
- Analista de Privacidade de Dados
- Principal Data Scientist
- Pesquisador de IA
- Entre outros.
Conclusão
Deu para perceber que nas áreas de dados existem múltiplas funções para que as engrenagens funcionem. Em empresas menores, é possível que um analista de dados faça também trabalhos de Engenheiros e de Cientistas. Não é o ideal, mas acontece.
Em geral, o caminho para gerar valor com dados pode ser sintetizado da seguinte forma:
Bem legal, neh?
Espero que esse artigo possa ter dado uma luz nesse tema tão complexo para quem está começando.
A próxima dúvida que surge é: Qual função é mais adequada para você?
Esse é assunto para um próximo blog.
Continue acompanhando e se inscreva em nossa newsletter.
Até a próxima!
.png)
.png){kind=small}