CIO, pare de procurar o cientista de dados ‘unicórnio’

O cientista de dados perfeito é, teoricamente, uma pessoa um tanto mítica: líder em ciência de dados, tecnologia e negócios. Obviamente, esses candidatos praticamente não existem. E, para falar a verdade, não são necessariamente as melhores apostas na hora de montar uma boa equipe.

Conforme os times de ciência de dados vêm ganhando destaque, as empresas estão deixando de tentar encontrar profissionais para desempenhar diferentes funções. Em vez disso, as organizações têm percebido os benefícios de contratar colaboradores com habilidades especializadas e complementares.

É verdade que os cientistas de dados ainda são bastante requisitados. Para se ter dimensão desse fato, as ofertas de emprego em ciência de dados aumentaram 256% desde dezembro de 2013. Parece que nenhum setor está imune a essa escassez, pois as empresas globais buscam continuamente talentos qualificados.

Embora muitas ofertas de emprego ainda anunciem a busca por “cientistas de dados”, as descrições estão começando a se inclinar para necessidades mais especializadas. Além disso, as organizações estão buscando candidatos com fortes habilidades sociais que possam complementar equipes.

Bob Rogers, cientista chefe de dados da Big Data Solutions da Intel, reconheceu essa mudança em 2015: “É verdade que ter conhecimentos avançados de matemática e programação é fantástico para um cientista de dados. Mas, em qualquer empresa, você não encontrará apenas um cientista de dados fazendo tudo isso – assim como Michael Jordan não poderia ter marcado tantos pontos sem Scotty Pippen ao seu lado, todos os cientistas de dados trazem suas próprias habilidades e, juntos, formam uma equipe ideal.”

A nova equipe de ciência de dados

As especialidades da ciência de dados são numerosas e estão em expansão. Desde mineração de dados e análise estatística até deep learning e cloud computing, os profissionais da área têm diversas opções quando se trata de escolher onde se concentrar. Com isso, as empresas têm diversas possibilidades ao criar uma equipe de ciência de dados.

Ao formar um time, é essencial entender como o projeto será introduzido, mantido e dimensionado, não apenas em termos de tecnologia, mas também em termos de papéis individuais. Algumas empresas optam por formar uma equipe usando uma estrutura centrada em TI. Aqueles que usam essa opção geralmente utilizam algum tipo de software de machine learning como serviço (MLaaS). A totalidade do projeto, incluindo a preparação de dados, treinamento de modelo, criação de interface e implantação, tudo acontece dentro da infraestrutura de TI e é liderada pela equipe de TI.

Outra opção é usar uma estrutura integrada. Aqui, a equipe de ciência de dados prepara os dados e treina os modelos, e a equipe de TI assume a tarefa de avaliar e implantar os sistemas. Essa abordagem requer uma equipe robusta de ciência de dados com conjuntos de habilidades complementares. Uma terceira opção é executar todo o processo, desde a preparação dos dados até a implantação, dentro de uma equipe dedicada de ciência de dados. Nesse cenário, a equipe de ciência de dados deve ter conhecimentos e habilidades em infraestrutura de TI para implantar os modelos.

Frequentemente, as empresas constroem uma equipe que incorpora cientistas de dados, funcionários de TI e analistas de negócios ou pessoas que podem traduzir as descobertas em valor comercial. A comunicação aberta entre essas três equipes, trabalhando em conjunto, reduz o risco de os modelos não serem implantados ou problemas de infraestrutura inadequados. Obviamente, criar a parte de ciência de dados da equipe pode ser difícil com a atual lacuna de habilidades. E com essa luta para encontrar talentos, novos papéis e especialidades estão surgindo no mundo da ciência de dados.

Especialidades de ciência de dados em alta

Embora sempre tenha sido difícil desempenhar funções como Chief Data Officer ou mesmo como um experiente engenheiro de deep learning, há novas posições que surgiram nos últimos anos e que as empresas desejam contratar.

Cada vez mais empresas estão criando métodos orientados à segurança cibernética, a fim de melhorar a prevenção de ataques. Enquanto as abordagens de segurança tendem a ser aplicadas após a violação, a ciência de dados tem ajudado as organizações a prevenir invasões. Usando o aprendizado de máquina, os profissionais podem encontrar recursos comportamentais em ambientes isolados, o que dificulta que os cibercriminosos passem despercebidos. Com o aumento e aperfeiçoamento dos hackers, não é de se admirar que as empresas estejam recrutando cientistas de dados especializados em segurança.

Outro cargo no mundo da ciência de dados que está ganhando destaque é o de cientista de dados financeiros. Profissionais de finanças há muito tempo realizam tarefas de ciência de dados, como avaliação e previsão de riscos. A ciência de dados ajuda a melhorar e automatizar muitas dessas tarefas. Um candidato que entende de finanças e também possui um conhecimento sólido em análise de dados, programação e técnicas estatísticas se torna um cientista de dados financeiros que pode melhorar de forma importante o desempenho dos negócios.

Não tente encontrar o profissional perfeito

As empresas que montam uma equipe de ciência de dados não devem perder tempo tentando encontrar o profissional perfeito, porque isso atrasará drasticamente a contratação. Em vez disso, as organizações devem se concentrar nas habilidades técnicas necessárias para formar o time e nas habilidades básicas necessárias para trabalhar em equipe. Na minha opinião, as grandes empresas provavelmente continuarão a procurar especialistas em segurança e finanças, pois mais candidatos provavelmente receberão treinamento nessas áreas para atender a essa necessidade.

Embora a inteligência artificial e o aprendizado de máquina possam revolucionar um negócio, essas tecnologias não podem fazer muito sem a criação de modelos e de infraestrutura adequada, fazendo com que valha a pena desacelerar nesses aspectos para que o projeto seja dimensionado corretamente.