Seguem 5 lições aprendidas, baseadas em um bate-papo que fiz, com alunos de data science da VAI Academy.

1. Humildade, dados não são só dados.
2. Simplicidade
3. Importância de aliados
4. Caminho que gosta, tem habilidade e relevância no mercado
5. Tentar gerar valor de verdade

Itens detalhados a seguir.

Dados nunca são só dados

Não é só pegar a base de informações e trabalhar sobre ela.

Sempre existe um processo, que roda no mundo real e produz algo de verdade. Seja a fabricação de algum produto, seja a execução de algum serviço. O analista deve entender minimamente o processo, o que aqueles dados significam. A gente não consegue fazer isso sozinho. Devemos contar com o apoio de quem roda o trabalho no dia-a-dia, pessoas operacionais.

A abordagem de entrar a fundo no processo dá trabalho, é muita quebração de pedra até chegarmos numa formulação correta. É necessário ouvir mais do que falar.

Uma postura arrogante, do tipo “sou engenheiro de machine learning e isso não é comigo”, não vai resolver o problema na vida real. É tipo querer ficar só com o filé mignon e deixar os colegas com os ossos. Até porque a solução pode vir de algumas formas, muitas vezes é possível melhorar o processo com solução simples – uma planilha Excel que nem precisa de nada avançado.

Sempre brinco, dizendo que o trabalho analítico em cima de dados é quase uma desculpa para entrar no processo e melhorá-lo. Não importa se utilizamos redes neurais profundas ou algum algoritmo simples. O que importa é gerar resultados melhores do que o atual, em menos tempo, com maior qualidade.

Simplicidade

É sempre melhor começar com uma abordagem simples e ir evoluindo, do que mobilizar uma quantidade enorme de recursos para tentar resolver tudo de uma vez.

Sabe aquele sistema perfeito, pensado nos mínimos detalhes para resolver todos os problemas de alguma área da empresa? Pois é, ele nunca vai existir. Muito menos, se for construído do zero.

Esse pensamento se traduz na Lei de Gall:

“Um sistema complexo desenhado do zero nunca funciona e não pode ser remendado para fazer funcionar” – John Gall, no livro Systemantics.

Camadas simples feitas sobre outras camadas simples tornam a solução final bastante complexa, acredite. A natureza é assim, conforme a evolução das espécies: melhorias incrementais ao longo de muito tempo, com seleção natural das melhores soluções.

Pense simples. Como dizia Steve Jobs, “A simplicidade é a maior das sofisticações”.

Aliados

Alguém muito forte tecnicamente tende a pensar de forma individualista, para garantir a qualidade do trabalho final. Porém, à medida em que os trabalhos tornam-se mais complexos, é impossível um indivíduo ou uma equipe muito pequena darem conta.

É mais interessante aliar-se à outras boas pessoas, com alto nível técnico. E também, à gestores, patrocinadores outros stakeholders. Isso tudo exige soft skills.

Uma dica é que, uma pessoa bem intencionada, com genuíno desejo de aprender e ajudar, de alguma forma ou de outra vai fazer aliados ao longo da carreira.

Outra forma de construir boas relações é ensinando e ajudando outros. Tem gente que vai se abrir, outras não, é sempre assim. Com aquelas que mostrarem abertura, aumentar o elo.

Uma equipe de 10 vendedores médios com um bom líder vai performar mais do que um único vendedor acima da média.

Caminho que gosta, tem habilidade e relevância no mercado

Vira e mexe, alguém me pergunta: será que um MBA numa área de Data Science é legal para o futuro? Ou uma especialização em algum outro tema da moda?

Respondo com outra pergunta: é isso que você gosta de fazer? Tem jeito para esta natureza de trabalho? Essa carreira envolve muita matemática, programação e conhecimentos hard, além de exigir uma quantidade mínima de soft skills.

Não adianta a pessoa só olhar para um tema da moda e correr atrás. Até porque, quando ela ficar pronta, o tema não vai mais estar na moda. Lembro de uma época, mais ou menos 2008, em que o petróleo estava no topo: descoberta do pré-sal, Petrobrás empresa mais valiosa do Brasil, etc… Nessa época, um Engenheiro de Geologia especialista em petróleo era a profissão mais valorizada do mundo. A questão é que não é fácil ser bom, qualquer seja a área. É necessário ter muitos anos de estudo, dedicação, muitos anos de prática, para chegar nesse nível. Quem tivesse começado naquela época teria perdido o bonde, porque, alguns anos depois, o mercado voltou ao normal.

É claro que mirar um ramo promissor ajuda. A pergunta que faço é se a pessoa tem o perfil, não está seguindo modinhas.

O ideal é um equilíbrio. Intersecção de fazer algo que gostamos, temos habilidade e tem relevância para o mercado, independente do que está na moda ou não. Estarmos preparados, fazendo um bom trabalho nessa área escolhida. Se vier o bonde da Fortuna, embarcamos, mas não é garantido que ele passe.

Gerar valor de verdade

Sempre tento me guiar em trabalhos que vão dar um retorno à sociedade. Isso não precisa ser necessariamente em causas sociais ou ambientais. Penso que fazer um bom trabalho numa boa empresa vai gerar produtos melhores, mais baratos ou maior disponibilidade de produtos à sociedade. E isso retorna a nós, de alguma forma ou outra.

O que não acho justo é querer entrar em algum cargo público ou empresa com a única finalidade de “se dar bem”, seja com salário, bônus ou estabilidade na posição.

Expectativas

Por fim, as perspectivas são muito boas, numa carreira de dados. Quando estamos navegando numa grande onda, de alguma forma progredimos junto.

Por ser um ramo de conhecimento recente, há muita gente que não entende nem a aplicabilidade – vide post anterior.

Mais e mais dados existirão nos próximos anos. Há uma estimativa da Statista de que 60% dos dados industriais ainda não são capturados – e que, dos dados capturados, 50% não são usados para tomada de decisões. Há um enorme oceano azul de possibilidades.

Vamos em frente.

Veja também: https://ideiasesquecidas.com/2022/09/29/data-science-skills