Como se

tornar um
Cientista
de Dados?

CONHEÇA MAIS SOBRE UMA DAS

CARREIRAS QUE MAIS CRESCE
NO MERCADO ATUAL DE
TECNOLOGIA

Instituto GEOeduc
R. Com. Remo Cesaroni, 268
São José dos Campos | SP
CEP: 12243-020
E-mail: cursos@geoeduc.com
Telefone: (12) 3922-8224
 Como se
Se você é uma pessoa altamente
analítica, com habilidades
tornar um
matemáticas e tem uma natureza
curiosa e inquisitiva, uma carreira
Cientista
de cientista de dados pode estar
no seu caminho.
de Dados?
Agora, que o dado se tornou o
queridinho do mercado, esse
profissional é, atualmente, um
dos perfis mais requisitados
pelas organizações.

Caso tenha um currículo com

formação básica nas áreas de
Tecnologia da Informação,
Geotecnologias, Engenharia,
Matemática, Estatística,
Administração e outras afins, é
possível que você consiga
desenvolver as competências que lhe
faltam para se encaixar totalmente
nesse perfil, pois o campo de atuação
e as atribuições de um profissional da Perfil
ciência de dados demandam
conhecimentos que são comuns a
essas áreas, além de exigir domínio
das mais modernas metodologias e
ferramentas para tratamento e análise
de dados disponíveis no mercado.
Essa carreira, muito em voga no
momento por causa de uma demanda
Tipos de
crescente do mercado cada vez mais
integrado às redes sociais e
Cientistas
automatizado, ainda não tem bem
definidos os parâmetros dentre os quais
de Dados
devem se encaixar seus profissionais. E
talvez nunca tenha, dada a sua
natureza dinâmica, uma vez que requer
o acompanhamento das tendências
tecnológicas e mercadológicas

Para alguns, os cientistas de dados são pessoas que combinam

habilidades de codificação e estatística com conhecimentos de áreas
específicas e que trabalham para tornar os dados úteis de várias
maneiras. Segundo Ajit Jaokar, existem dois tipos principais. O
Cientista de Dados Tipo A, ou Analista de Dados, também conhecido
como Cientista de Dados Júnior, é principalmente preocupado em dar
sentido aos dados ou trabalhar com ele de forma muito semelhante a
um estatístico (podendo ser um), e pode codificar o suficiente para
trabalhar com dados, mas não é necessariamente um especialista. Os
cientistas do tipo A são conhecidos de diversas maneiras: estatístico,
analista quantitativo, analista de engenharia de suporte à decisão ou
cientista de dados, e provavelmente mais alguns. O Cientista de
Dados Tipo B relaciona-se com a Construção de Modelos (Building).
Eles compartilham algum histórico estatístico com o Tipo A, mas
também são codificadores muito fortes e podem ser engenheiros de
software treinados. Eles criam modelos que interagem com os
usuários, muitas vezes servindo recomendações (produtos, pessoas
que você conhece, anúncios, filmes, resultados de pesquisa). Para
muitos, esse é o Cientista de Dados Pleno ou Master, pois ele é capaz
de fazer o que o cientista júnior faz e um pouco mais, sobretudo na
parte de programação.
 “Em uma startup,
os cientistas de dados
geralmente usam vários chapéus,
como CEO, minerador de dados,
engenheiro de dados ou arquiteto,
pesquisador, estatístico, modelista (como
na modelagem preditiva) ou desenvolvedor."
Vincent Granville (via Data Science Central)

Muitos cientistas de dados podem atuar de forma relativamente livre de matemática e

seu trabalho pode envolver pouca ou nenhuma programação. Afinal, a ciência dos
dados cobre todo o espectro dos dados, não apenas os aspectos algorítmicos ou
estatísticos. Os dados podem vir de um processo mecânico ou robotizado, criando
grandes bancos de dados impossíveis de serem trabalhados por humanos (Big Data)
ou podem não vir de processos automatizados (muitos dados de pesquisa ou ensaios
clínicos, por exemplo, podem ser coletados manualmente ou visualmente e são
considerados small data). Importante: O termo ciência de dados foi cunhado apenas em
2001, depois do surgimento e da popularização do termo Big Data. A popularidade dos
cientistas de dados explodiu a partir de 2010, impulsionada pela necessidade de
equipes de pessoas para analisar os grandes dados que as corporações e os governos
estão colecionando. Apesar de não se referir, portanto, somente a profissionais que
trabalham exclusiva ou massivamente com codificação e estatística, a profissão requer
atualmente um conjunto de conhecimentos mínimos nessas áreas.

“Embora o cientista de dados seja

geralmente retratado como um
programador experiente em Python, SQL,
Hadoop e estatísticas, esta é apenas a
ponta do iceberg, popularizado por
universidades e cursos focados no
ensino de apenas alguns elementos da
ciência dos dados.”
 Big Data

Nos últimos anos, muito se falou em Big Data, pois o

volume de informação acumulada sobre todas as
corporações, governamentais ou não, negócios e clientes
é imenso e cresce exponencialmente.

Toda essa informação é extremamente valiosa para a

tomada de decisão, portanto surgiu a necessidade de se
trabalhar com ela com precisão e rapidez, para que os
resultados obtidos retroalimentem essa cadeia de dados e,
relacionados com novos dados obtidos a cada instante,
possam tornar esse processo cada vez mais inteligente,
eficiente e automático. Para isso, surgiu a demanda de se
trabalhar com analistas capazes de entender os dados e
os problemas de negócio, pensar nas fórmulas capazes de
fazer as mais adequadas relações entre esses dados, para
obter os mais eficientes resultados e programar nas
linguagens mais adequadas para a melhor eficiência do
processamento.
 Para trabalhar com conjuntos de dados
gigantescos e desestruturados de forma
automatizada, eficiente e rápida, foi
essencial que se desenvolvessem
programas que permitissem que
máquinas fizessem esse trabalho,
impossível para a limitada capacidade
física e mental do ser humano. A palavra
aprendizagem (Learning), para o
conceito de Aprendizagem de Máquina,
Machine significa que os algoritmos dependem de
alguns dados, usados como um conjunto
Learning de treinamento, para afinar alguns
parâmetros de modelo ou algoritmo.

Em resumo, o aprendizado de
máquina refere-se a um conjunto
de algoritmos que se formam em
um conjunto de dados para fazer
previsões ou realizar ações para
otimizar alguns sistemas. Por
exemplo, utiliza-se o aprendizado
de máquina para classificar
potenciais clientes em prospects
bons ou ruins, para fins de
empréstimo, com base em dados
históricos.
 Análise O objetivo da análise espacial é
descrever os padrões existentes nos
dados espaciais e estabelecer
Espacial e correlações entre as diferentes variáveis
geográficas. Parte importante da Ciência
GIS de Dados, a análise espacial é
fundamental para a compreensão das
razões para a distribuição espacial de
dados decorrentes de fenômenos
distribuídos no espaço geográfico e para
a tomada de decisão referente a tudo
que se relaciona com o dado espacial.
Por esse motivo, tornou-se essencial
identificar e localizar esse dado, tratá-lo,
O geoprocessamento trouxe
corrigi-lo e certificá-lo, e para essa
à tona ferramentas
tecnológicas potentes e cada finalidade surgiu o Geoprocessamento.
vez mais precisas e velozes
para realizar a
automatização e otimização A análise espacial e o GIS são
dos processos que fazem a
parte fundamental da Ciência dos
análise, gestão e
representação do espaço e Dados Espaciais. As estatísticas
dos fenômenos que nele espaciais estão sempre
ocorrem. Foi assim que
associadas a quase todos os
surgiu o GIS, Geographic
Information System (ou SIG, dados trabalhados em
Sistema de Informação correlações de dados para
Geográfica), um sistema tomada de decisão em negócios e
projetado para capturar,
armazenar, manipular, isso é um dos fatores que tornam
analisar, gerenciar e o dado espacial um dos mais
apresentar dados espaciais estudados, coletados e refinados.
ou geográficos.
 Business
Intelligence
Por meio das ferramentas tecnológicas mais
modernas, a Inteligência de Negócios, ou Business
Intelligence (BI), é um processo direcionado para a
análise de dados e a apresentação/visualização de
informações com o propósito de ajudar executivos,
gerentes e outros usuários finais corporativos a tomar
decisões empresariais informadas.

Os analistas da inteligência de negócios ajudam com a

visualização das relações entre variáveis de dados, descobrem
padrões e tendências nos dados históricos de uma empresa.
Há nítida semelhança e complementação entre um analista de
inteligência de negócios e um cientista de dados, e muitas
vezes este último acumula as duas funções. Os analistas de BI
exploram as tendências passadas, enquanto os cientistas de
dados descobrem preditivos e a significância por trás dessas
tendências, ajudando as empresas a atenuar a incerteza do
futuro, dando-lhes informações valiosas para a tomada de
decisão.

“(...) O BI é sobre painéis, gestão de dados, organização de

dados e produção de informações a partir de dados. Enquanto a
ciência dos dados é sobre o uso de estatísticas e ferramentas
complexas para prever ou analisar o que poderia acontecer. (...)
Enquanto o BI diria "O que aconteceu e o que deveria ser
mudado?", a Ciência dos Dados perguntaria "Por que aconteceu
e o que pode acontecer no futuro?" É a diferença entre "O quê",
"Por quê" e "Como" que diferencia esses dois termos. (...)”
Srishti Deoras (2017)
 Experiência e
Capacitação

Um dos
profissionais
com maior
demanda no
mercado
atualmente é
o cientista de
dados.

Para que seu perfil atenda aos requisitos de um cargo em ciência

de dados, é crucial ter habilidades e competências técnicas
relativas à atuação desse profissional no mercado, mas é
necessária a comprovação dessas habilidades e conhecimentos,
mediante certificações ou declarações de conclusão de cursos. O
domínio de ferramentas tecnológicas e metodologias de análise,
bem como conhecimentos em estatística e processamento de
dados é fundamental. Além disso, proficiência em língua
estrangeira é um elemento muito valorizado entre os cientistas de
dados. Experiência acadêmica e de mercado, com atuação em
projetos e publicações científicas são igualmente consideradas
importantes formas de validação curricular.
Atualização Se você pretende
transformar o seu
Curricular currículo em um
currículo de cientista
de dados, a dica é:
cursos, cursos,
cursos e mão na
massa.

Experiência de mercado e atualizações segundo as práticas e

conceitos mais inovadores e vanguardistas das áreas de atuação
do profissional são cruciais. É essencial ler e se informar
continuamente sobre o assunto, fazer cursos e procurar
participar de projetos na área, ainda que de forma tangencial ou
mesmo autonomamente.

Uma coisa é certa: investir em capacitação e treinamento é o

primeiro passo para a realização desse upgrade curricular. E, se
você ainda não está certo se essa carreira é a mais certa para
você, ou se ainda não pode fazer um investimento em um curso
superior de longo prazo ou alto custo, saiba que é possível
agilizar isso por meio de cursos de capacitação de curta duração.

Há muitos cursos que ensinam sobre as técnicas, os

conhecimentos e as ferramentas que se deve dominar para
construir um bom currículo na área.

Não perca tempo esperando e mergulhe de cabeça nos estudos.

A evolução tecnológica não espera por ninguém.
Cursos e Links
para saber
mais sobre o
assunto

Para finalizar, indicamos aqui alguns cursos do Instituto GEOeduc

que podem lhe interessar:

Análise Multicritério de apoio à decisão com QGIS: + info http://bit.ly/2AuKJyy

Análise Espacial com QGIS 2.16: + info http://bit.ly/2BeLEqH
Google Earth Pro com Ferramentas Avançadas: + info http://bit.ly/2BbRngM
Google Maps API: + info http://bit.ly/2iABgy3
Análise Espacial com ArcGIS: + info http://bit.ly/2j3YhgT
Serviços Básicos de uma Infraestrutura de Dados Espaciais: + info http://bit.ly/2jqUuap
Smart Cities: novas demandas de mercado na área GIS: + info http://bit.ly/2iFq4QB
Introdução ao GIS com o QGIS: + info http://bit.ly/2A2zfBG
Introdução ao GIS com ArcGIS: + info http://bit.ly/2AmuvLK
Geodatabase com ArcGIS: + info http://bit.ly/2BLbizh

Se quiser saber mais Data Science Central: + info http://bit.ly/2lG3Bri

Data Science Academy: + info http://bit.ly/2vhb0js
sobre essa carreira
Masters in Data Science, para + info. ver:
promissora, as fontes http://bit.ly/21ZMyi2
para a construção http://bit.ly/2fakkPv
Computer World: + infohttp://bit.ly/2AD6f6T
deste artigo foram: Convergência Digital: + info http://bit.ly/2j0wm19
INPE: + info http://bit.ly/2iApYd8
http://searchbusinessanalytics.techtarget.com/definition/business-intelligence-BI
https://analyticsindiamag.com/business-intelligence-different-data-science/
https://www.prospects.ac.uk/job-profiles/data-analyst