“Mas, após observação e análise, quando você achar que alguma coisa concorda com a razão e é condutora para o bem e benefício de todos, aceite-a e cumpra-a.”
Gautama Siddharta, também conhecido como Buda, 563-483 A.C.
Ciência de dados é um campo interdisciplinar que usa métodos científicos, processos, algoritmos e sistemas para extrair conhecimento e insights de dados. Como sabemos, ela lida com dados quantitativos e qualitativos, onde aplicamos essencialmente quatro tipos de análise: descritiva, diagnóstica, preditiva e prescritiva. O fato de ser interdisciplinar nos indica que ela envolve a combinação de mais de uma disciplina acadêmica dentro da mesma atividade.
Por ser uma área extensa, permitiu a criação de várias especializações de carreiras existentes anteriormente. Muitos desconhecem que para cada tipo de tarefa temos profissionais com perfis e conhecimentos específicos. Nesse texto vamos focar no Analista de Dados, indicando quais são as competências esperadas e seu limite de atuação. Em uma publicação futura detalharemos cada uma das posições existentes dentro de um time focado em dados.
Quais as competências de cada profissional dentro de um time?
Antes do profissional, vamos falar da análise de dados em si: as empresas tendem a coletar todos os dados possíveis relacionados ao seu negócio, já que as expectativas dos clientes são cada vez mais altas e a competição acirrada continua em crescimento. A análise desses dados podem contribuir para que essas organizações possam ser proativas, antecipando as necessidades, otimizando a experiência de seus usuários e entregando produtos e funcionalidades relevantes, os quais podem permitir a construção de um relacionamento entre a marca/produto e seus clientes.
Baseado em fatos, podemos tomar decisões de negócio mais rápidas, ter consciência de riscos e capacidade de reação a mudanças do mercado, além de insights sobre o desempenho da empresa, reduzindo custos e aumentando lucros. Mas quais são os profissionais que, em termos de ciência de dados, podem auxiliar os tomadores de decisão a realizar essas análises em um curto espaço de tempo?
O primeiro profissional que sempre vem em mente é o cientista de dados, com domínio em machine learning, estatística e análise. Altamente qualificado, este profissional 3 em 1 tem alto custo, o qual muitas vezes não se justifica sem uma sólida estrutura e cultura de dados estabelecida nas organizações. Outros especialistas de domínios específicos podem ser essenciais para alcançarmos os objetivos desejados. Mas quais habilidades e competências eles devem ter? Existe uma tendência em procurar profissionais com expertise em inteligência artificial e machine learning, ou estatísticos, devido à sua longa reputação de rigor e superioridade matemática – ambos inegáveis. Mas e os analistas?
O que os menos envolvidos na área por vezes não entendem é que, apesar de estarem sob o mesmo guarda-chuva, esses profissionais são diferentes, mesmo utilizando os mesmos métodos algumas vezes. Cada um deve ser encorajado a dominar amplamente sua área de atuação. Estatísticos sempre prezam pelo rigor, engenheiros de machine learning pelo desempenho, e analistas pela velocidade. Os melhores analistas são velozes em vasculhar um dataset, identificando potenciais insights antes dos outros profissionais citados; isso não deve ser considerado como um demérito para eles já que, como citado, os objetivos são diferentes.
Estatísticos, ao prezarem pelo rigor, garantem as conclusões obtidas de seus dados, não permitindo que você se engane. Não há espaço para inferências aqui: os métodos aplicados são os corretos para o problema apresentado. Engenheiros de machine learning, ao prezarem pelo desempenho, desenvolvem modelos resilientes, precisos e de rápida resposta aos seus acionamentos. O que ambos têm em comum é o fato de que são soluções de alto esforço para problemas específicos: se os problemas apresentados não valerem o custo de serem solucionados, a empresa acaba perdendo tempo e dinheiro.
O que faz um bom analista de dados?
Bons analistas são um pré-requisito para sua empreitada com dados. Além da velocidade, eles têm a habilidade de identificar informações potencialmente úteis e apresentá-las em formato gráfico efetivo, revelando o antes desconhecido aos tomadores de decisão e inspirando-os a selecionar os problemas que valem a pena serem enviados aos estatísticos e engenheiros de machine learning. Os bons analistas podem ser considerados então como contadores de histórias dos dados.
Um ponto de destaque em relação aos analistas de dados é a sua regra de ouro: não chegue a conclusões através de seus dados. Apesar de soar estranho, essa regra deixa claro que o resultado de seu trabalho deve inspirar os interessados a explorar todas as possibilidades de interpretação de cada insight, elaborando hipóteses que possam ser testadas pelos estatísticos. Outro aspecto interessante dessa regra é que ela indica que a comunicação do resultado do trabalho realizado pelos analistas deve ser clara o suficiente para que não entendam um insight como uma conclusão.
O domínio de negócio também é algo extremamente relevante para os analistas de dados, não sendo algo essencial para engenheiros de machine learning e estatísticos. Por causa dessa expertise, eles podem auxiliar a identificar padrões rapidamente em seus dados e explorar diversos ângulos do mesmo assunto, antes mesmo de levar as informações para os tomadores de decisão.
Podemos dizer que, numa ordem de prioridade na montagem de um time de dados, o analista vem antes dos outros profissionais citados, gerando insumos para eles e tendo uma importante função junto aos tomadores de decisão.
Gostou da nossa explicação? A Viceri tem um time completo de especialistas sempre dispostos a ajudar sua empresa a chegar mais longe. Entre em contato com a gente!