A ci¬ncia de dados ® tão ampla quanto o número de problemas que ela consegue resolver.
A ciência de dados é tão ampla quanto o número de problemas que ela consegue resolver. É um campo que se atualiza cada vez mais rápido. Entender como se dá o processo de evolução da tecnologia e como as pessoas a usam para solucionar problemas é tão importante para o profissional desempenhar um bom trabalho quanto conhecimentos técnicos.
De forma geral, trabalhar em data science aplicada ao negócio exige pelo menos três pilares de conhecimento: linguagens de programação e fundamentos de engenharia de software, um conhecimento mínimo das seguintes disciplinas matemáticas: cálculo, álgebra linear, probabilidade e estatística e, principalmente, funcionamento do negócio. Essa estrutura é necessária para usar o conhecimento técnico acadêmico na busca de geração de resultados também para o negócio.
SQL, Python e R são apenas algumas das linguagens básicas utilizadas no dia a dia como data scientist. Podemos acrescentar ainda Scala, C++, Java e Julia, bastante utilizadas em projetos de data science.
Saber como funciona a dinâmica de trabalho do time de desenvolvedores é importante, especialmente entender lógica de programação e como as pessoas dividem e trabalham com o código. No papel do data scientist, muitas vezes, é necessário traduzir as soluções encontradas, seja em algoritmo, seja em código, na busca da solução do problema do time posto pelos desenvolvedores. Por isso é fundamental entender qual sua forma de trabalhar e de pensar.
A data science é uma ferramenta poderosa de resolver problemas. Por isso, é imprescindível conhecer bem o negócio para o qual se está trabalhando. Mesmo com um background mais técnico, de áreas como matemática ou estatística, o cientista de dados terá que focar este conhecimento para resolver problemas práticos de um negócio real.
A curiosidade é uma característica inerente do profissional que trabalha com ciência de dados. Este é um dos motivos porque diversos tipos de conhecimento são úteis para a profissão. É importante entender como se dá a relação das pessoas com a tecnologia, como a sociedade se move junto com ela e relacionar estes pontos com seu escopo de trabalho.
De gamificação à literatura, de política à comunicação. Todo conhecimento pode ser válido para o trabalho de quem está na data science desde que ajude a relacionar comportamentos, compreender a realidade em que aquele negócio está inserido e entender como as pessoas tomam decisões.
*Por Paulo Nascimento, cientista de dados da Liferay. Trabalha no time de desenvolve o Analytics Cloud fazendo pesquisa e implementação de algoritmos de inteligência artificial e machine learning.
