Já vi muitos trabalhos que não rodaram (meus inclusive). Digo que, raramente, o gargalo é técnico (o algoritmo que foi mal projetado, falta de conhecimento técnico do time, algo assim).
Na imensa maioria das vezes, a causa é falta de aderência ao processo: alguma demanda que veio top down e é bonita só no ppt, algo que não resolve uma dor real do pessoal operacional, uma ferramenta que demora muito para rodar ou necessita de parâmetros demais, etc.
Não raras vezes, é preferível algo mais simples e que seja aderente à realidade operacional, do que algo mais complexo. Porém, os gerentes e diretores, em geral, se iludem achando que maior complexidade resolverá o problema.
Socorro, sou júnior!
(Reflexões para data scientists em começo de carreira)
Um erro que você pode cometer é o de querer fazer N cursos, ter certificados inúmeros, para tentar começar a fazer um projeto, entrar na área, etc. O certificado vai significar pouca coisa na prática.
Mais do que isso, tenha coragem para começar alguma coisa relevante. Que seja um projeto novo que envolva dados na empresa, ou algum projeto paralelo, pessoal mesmo, de preferência que envolva dados reais e clientes reais. E corra atrás da teoria que for necessária para entregar.
Nota: Vou iniciar essa série, de pequenas dicas para pessoas em início de carreira, por sugestão da leitora Fernanda Pavan.
Recomendação de vídeo
Uma aula sensacional do prof. Clóvis de Barros, sobre honrar compromissos, ética e o cobertor curto das escolhas.
Forgotten Lore 