Você não precisa de uma “pessoa de dados”
O mercado amadurece à medida que as novas tecnologias facilitam analisar métricas e extrair insights a partir de uma base de consumidores
Trabalho há anos com dados, então o título pode parecer controverso vindo de mim. Meu papel com esse artigo não é desmerecer a ciência de dados. Pelo contrário. Quero contribuir para que qualquer pessoa possa entender tudo que essa área envolve.
Digamos que você tenha um problema elétrico no seu quarto – uma tomada que, de uma hora para outra, parou de funcionar. É natural contratar um eletricista que você já conhece e que tempos atrás resolveu um problema na fiação da sua cozinha.
Hoje, rodar uma operação sem pensar em dados é acreditar que uma cadeira com apenas dois pés vai ser capaz de sustentar você.
Estamos acostumados a fazer esse tipo de suposição: para a solução de um problema, acionamos nosso conhecimento básico sobre uma especialidade e concluímos quem é a melhor pessoa para esse trabalho. Não chamaremos o eletricista para pintar as paredes (a não ser que ele também seja pintor) da mesma forma que não iremos a um ortopedista por conta de uma dor de garganta.
Saindo do campo das analogias, vamos pensar então na área de dados. Talvez você tenha colocado uma campanha de marketing na rua e queira metrificar como ela está impactando os clientes e, por consequência, refletindo na marca e no negócio. Talvez seja hora de abandonar as suposições anedóticas e basear as decisões do time de forma sistematizada, ou seja, a partir de dados.
E então vem a conclusão: precisamos de uma pessoa de dados! Um BI (profissional de business intelligence, para quem não está acostumado com a sigla).
Ótimo. Como alguém da área, nada me deixa mais feliz do que saber que cada vez mais empresas valorizam a importância do que fazemos. Hoje, rodar uma operação sem pensar em dados é acreditar que uma cadeira com apenas dois pés vai ser capaz de sustentar você.
Mas é preciso entender duas coisas:
1. Nem toda pessoa de dados vai corresponder às necessidades do seu projeto
2. Você não tem culpa por ter imaginado que uma "pessoa de dados" pudesse dar conta de tudo que precisa.
Começando pelo final, explico o ponto 2: você não tem culpa porque, quando falamos de dados, falamos de uma área que se transformou exponencialmente nos últimos anos. Aqui, pego carona em um texto publicado no blog da Data Captains, "A Guide to Data Roles". O artigo contextualiza a popularização que o título "data scientist" ganhou no começo da década de 2010.
O engenheiro de dados "arruma a casa", transformando o caos em uma base organizada.
Como o texto aponta, isso não significa que a área de dados inexistia antes. O sintoma por trás desse boom é um amadurecimento do mercado à medida que as novas tecnologias têm facilitado escalar um negócio, extrair insights a partir de uma base de consumidores e analisar métricas que antes da internet nem sonhávamos em acompanhar.
Então, a culpa não é sua. Assim como você sabe que um dentista não corrigirá sua dor no ciático, acredito que, daqui a alguns anos, os diferentes cargos e funções dentro do campo de dados ficarão mais claros para todo mundo.
Isso me leva ao ponto 1. Quem é, afinal, a "pessoa de dados"? Ela não é uma só, porque, na prática, não há uma coisa só a ser feita a partir de dados. Ainda aproveitando o artigo da Data Captains, fiz uma releitura do gráfico produzido por eles para ilustrar o escopo dos principais arquétipos da área.
A pessoa engenheira de dados é alguém com uma enorme caixa de ferramentas técnicas. Ela “arruma a casa”, transformando o caos, organizando a base de dados e construindo pipelines que tornem eficaz o trânsito de dados de um software a outro, por exemplo.
Em algum momento, chega a hora de olhar para esses dados, já organizados, e começar a fazer inferências: que história esses dados nos contam? Como podemos visualizá-los melhor? Como criamos um relatório relevante a partir disso? Ajudar uma empresa a resolver essas perguntas é o trabalho da pessoa analista de dados.
Já a pessoa cientista de dados traz uma bagagem com ainda mais hard skills em matemática e estatística, elevando a análise dos seus dados e focando em aspectos como automatização e aprendizado de máquina.
Aprendizado de máquina é assunto suficiente para um próximo artigo, então, prefiro pular o quarto arquétipo proposto pela Data Captains para endereçar outro termo essencial: BI.
O cientista de dados traz uma bagagem com mais matemática e estatística, focando em aspectos como automatização e aprendizado de máquina.
Nos últimos anos, é possível que toda empresa que trabalha, em maior ou menor escala, com tecnologia, tenha conectado ao seu quadro de colaboradores uma pessoa de BI.
Desafio um instituto de pesquisa a rodar uma série de entrevistas com brasileiros ocupando esse cargo, para chegar a um denominador comum do que todos eles fazem. E, indo contra toda a filosofia de dados que orienta a minha carreira, trago aqui uma boa dose de achismo: é possível que pouca coisa em comum seja encontrada.
Como comentei antes, o campo de dados evoluiu muito rapidamente e a pessoa de business intelligence acabou virando um “coringa”. O cargo traz um perfil muito mais generalista, e é comum que em uma empresa X ele esteja muito mais perto do que um engenheiro de dados faz, enquanto na empresa Y, o foco seja na análise e extração de insights, por exemplo.
Cabe lembrar que nada disso é escrito em pedra. Diferentes títulos e cargos parecem proliferar mais rápido do que nunca. Sei que quem é da área deve estar se perguntando: “Guido, e o profissional que olha para visualização de dados?”, ou “por que você não explicou o que uma pessoa de listening faz?”.
A ideia aqui não é trazer todas as respostas, mas sim provocar a reflexão em quem precisa de uma "pessoa de dados". Quem não metrifica, analisa e implementa melhorias a partir do que coletou, sai perdendo. Mas tenha claro o que precisa, para que a pessoa mais adequada chegue a você.
