Em 2012, a Harvard Business Review chamou o cargo de cientista de dados de “o emprego mais sexy do século 21”. Não era à toa: naquele momento, começava a tornar-se evidente que o uso de ferramentas analíticas de Big Data para orientar a tomada de decisões era um negócio extremamente promissor para empresas de todas as áreas.

E em 2013, um ano após essa afirmação da Harvard, uma matéria do MIT Tech Review citava que apenas 0,5% dos dados coletados no mundo eram analisados. Ou seja: se analisar dados estava se tornando um mercado de trabalho, era óbvio que esse mercado ainda tinha muito a crescer.

Cinco anos mais tarde, vemos a ciência de dados tendo um papel importantíssimo em uma série de empresas de diversas áreas e tamanhos. O Nubank, por exemplo, usa ciência de dados em áreas que vão desde o cadastro de novos clientes até alterações em sua interface. A Uber, por sua vez, a utiliza para ajudar a prevenir fraudes em sua plataforma.

Essas aplicações não são apenas uma maneira de enriquecer a experiência de seus usuários ou melhorar seus serviços, elas são o próprio cerne dessas empresas, e de outras que também dependem de grandes volumes de dados para entender o comportamento de seus clientes e, com isso, atendê-los de maneira cada vez melhor.

É fácil imaginar, portanto, que os profissionais dessa área sejam altamente valorizados. De fato, os salários para quem atua nessa área ficam acima da média de outros setores do mercado de tecnologia. O site agregador de salários Lovemondays, por exemplo, lista uma média salarial de R$ 24.406 para cientistas de dados do Nubank.

Trata-se de um investimento vultoso em profissionais capacitados. E esse investimento, assim como investimentos em ciência de dados em geral, ainda devem crescer bastante. Segundo uma pesquisa da Research and Markets, estima-se que as empresas investirão mais de US$ 385 bilhões por ano nessa área até 2025.

Mas os salários elevados também têm outra explicação: a escassez de pessoas qualificadas. O fato de um saber tão importante para os negócios atuais ainda é tão pouco disseminado levou a Airbnb, por exemplo, a criar uma “Data University”: trata-se de uma espécie de escola de dados para os funcionários da empresa, que capacita pessoas de todas as áreas a usar dados para tomar decisões com melhor embasamento em seu dia a dia.

Conhecimento valioso

Outro motivo que contribui para esses investimentos volumosos na área, é o fato de que ciência de dados está longe de ser um trabalho fácil. Partir de uma montanha desorganizada de dados para um discurso capaz de orientar empresas em momentos decisivos é tão difícil e trabalhoso quanto parece. E isso supondo que essa “montanha desorganizada de dados” já exista nos servidores da empresa em um formato que possa ser facilmente trabalhado – o que quase nunca é o caso.

Todo esse trajeto dos dados, a partir do momento em que são gerados até o momento em que são analisados, apresentados e utilizados para resolver um problema da empresa, exige o trabalho de muitos profissionais diferentes, com conhecimentos diferentes e até mesmo perfis e características pessoais diferentes.

Por exemplo: se a empresa ainda não coleta dados de maneira adequada, é necessário que um profissional se encarregue de criar um “pipeline” que traga para a empresa os dados de seus clientes, já num formato adequado. S

Se os dados estão chegando, mas não nesse formato, então é necessário que esse fluxo seja corrigido. E é preciso também que o fluxo seja mantido conforme os serviços da empresa se expandem e mais dados possam ser coletados.

Mas quais desses dados serão usados para tomar decisões? E quais decisões? São outros os profissionais de dados que respondem a essas perguntas. Uma vez que as respostas a elas surjam, dá-se início ao processo de usar os dados para chegar a modelos indiquem as melhores soluções para os problemas identificados – e aqui, novamente, entra outro grupo de profissionais.

Mesmo quando todo o processo se encerra e as conclusões tiradas dele já estão evidentes para toda a equipe, ainda resta a tarefa de apresentá-las para o restante da empresa – que, possivelmente, também será impactado pelas decisões que os dados sugerem como melhores. Como fazer isso da melhor maneira possível? Aqui, novamente, outro grupo de profissionais surge para realizar a tarefa.

Tudo isso deve deixar claro que a ciência de dados não é apenas um campo com enorme potencial de crescimento, mas também extremamente amplo e atraente para profissionais de diversos backgrounds diferentes. E o infográfico abaixo, preparado pela equipe do curso de data science da Udacity, ajuda a desvendar a variedade de pessoas e tarefas que, juntas, compõem o trabalho conhecido como “ciência de dados”. Confira: