Desenvolvimento, programação e análise de dados de todos os tipos. É assim a rotina de quem trabalha com Data Science nas grandes empresas de tecnologia. No caso de Ana Paula Appel, cientista de dados da IBM, seu dia a dia é dedicado a fazer pesquisas na área, incluindo assuntos como mineração de dados e inteligência artificial, além de trabalhar com projetos feitos em parceria com outras empresas.
Quando um novo projeto chega em suas mãos, pode ser até mesmo o caso de estudar para se familiarizar com algo novo. “Às vezes é um assunto que você não conhece muito e tem que estudar bem aquele domínio para saber o que já foi feito e não querer reinventar a roda”, explica. Independentemente do tópico, o importante é sempre buscar soluções inovadoras para os problemas.
Um exemplo que ela dá envolveu a análise dos dados de uma empresa de seguro saúde. Ana Paula analisou por meses dados de reembolso, mapeando as relações entre médicos e os pacientes em comum deles. “Descobrimos muitos pares de médicos que tinham um relacionamento forte, com mais de 200 pacientes em comum. Isso podia indicar uma fraude, por exemplo, ou outras questões que a seguradora não sabia que estavam acontecendo”, afirma.
Quais as principais habilidades necessárias?
Com o crescimento da área de Data Science, muita gente que atuava em outras profissões começou a migrar para esse novo campo. Isso quer dizer que diplomas em ciência da computação ou em matemática aplicada não são exatamente necessários, embora ainda possam ser considerados como um diferencial. O mais importante é desenvolver as habilidades utilizadas no trabalho.
Além de ter familiaridade com estatística e matemática, programação em Python e linguagem R costumam ser pontos de partida em todo curso de introdução para futuros cientistas de dados. Ana Paula cita ainda o software SPSS e o domínio de ferramentas próprias da empresa. No caso da IBM, a companhia tem o Watson, plataforma de serviços de inteligência artificial (IA) e machine learning.
É a IA, inclusive, que deve continuar incentivando o crescimento da área nos próximos anos. “Hoje existe um boom de IA e todo mundo que mexe com dados acaba chegando nisso. Acho que vamos passar um tempo falando bastante disso, porque muitas coisas ainda não estão maduras o suficiente”, diz Ana Paula. Hoje utilizada em todas as grandes companhias de tecnologia, a tendência é que ela fique cada vez mais comum até mesmo em pequenos negócios.
Apoiando o desenvolvimento científico
Um ponto que é pouco falado, mas não menos importante, no trabalho do cientista de dados envolve as pesquisas acadêmicas. Ana Paula conta que os profissionais da IBM são incentivados a publicar artigos científicos e manter a produção em alta. Para isso, recebem todo o apoio possível da empresa.
É uma alternativa excelente para as pessoas que gostam do trabalho científico, mas não têm interesse na docência. Trabalhando nessa área em uma grande companhia como a IBM, o cientista pode se dedicar à pesquisa sem necessariamente dar aulas.
Isso não significa, no entanto, que o conhecimento ficará restrito apenas à empresa e a quem frequenta eventos acadêmicos. A própria Ana Paula explica que consegue fazer parcerias com professores e universidades, participando de bancas e orientando trabalhos dos estudantes que estão se formando. Dessa forma, basta conciliar o tempo para conseguir fazer as duas coisas.
Também quer fazer parte disso?
Ficou interessado e quer saber como começar a estudar para ingressar nessa carreira? A plataforma de cursos online Udacity tem tudo preparado para você. Com a trilha de Dados, Data Science e Machine Learning, é possível ver os perfis profissionais que mais o agradam e iniciar do ponto que for melhor, dependendo dos seus conhecimentos, com opções tanto para iniciantes como para quem já possui familiaridade com a área e quer se especializar.
Categorias
