Inteligência de Dados: o que é, carreiras na área e como começar

Inteligência de Dados: o que é, carreiras na área e como começar

Em maio de 2017, a revista The Economist publicou um artigo* que se tornou um bordão quando se fala em Ciência de Dados e Big Data: “Data is the new oil” (“Dados são o novo petróleo”, em tradução livre).

A analogia se referia às mudanças no ranking das empresas mais valiosas dos EUA. Durante todo o século XX, a lista foi liderada por empresas do setor de óleo e gás. A partir do século XXI, porém, big techs passaram à frente, por causa dos dados.

Meia década depois, porém, o consenso é o de que já não basta as empresas apenas possuírem esse “novo petróleo”. É preciso criar “refinarias” para transformá-lo em produtos de valor agregado, como análises preditivas e decisões automatizadas.

É nesse cenário que uma nova expressão vem ganhando importância: Inteligência de Dados. Sim, provavelmente você deduziu: ela é o segredo para as empresas criarem as “refinarias” desse “novo petróleo” (os dados).

Isso abre uma gama de oportunidades a diversos profissionais e especializações da área de dados, desde Analistas e Cientistas até Engenheiros de Dados. Como? É o que vamos entender a seguir.

O que é Inteligência de Dados?

Inteligência de Dados pode ser entendida tanto como uma área multidisciplinar quanto como uma cultura organizacional, que usa ferramentas analíticas e de Inteligência Artificial (IA) para transformar grandes quantidades de dados (big data) em conhecimentos úteis às pessoas de negócio, sejam colaboradores ou tomadores de decisão.

Em resumo, o objetivo maior é fazer com que massas complexas de dados cheguem como produtos acabados, como informação e conhecimento, a qualquer pessoa da empresa — os chamados “data citizens” (“cidadãos de dados”, em tradução livre).

— “Tudo bem” — você pode estar se perguntando — “mas isso não só mais uma expressão nova, uma buzzword, para o que já se fala desde o hype do Big Data? Não é a mesma coisa que Business Intelligence (BI)?”

Sim e não. Por ser uma expressão nova (como várias em tecnologia), naturalmente é envolta em alguma confusão e ambiguidade. Há quem use o termo como uma “nova embalagem” para vender softwares de BI e consultorias, é claro. Mas o que nos interessa, aqui, é que o conceito em si agrega valor aos negócios e abre oportunidades a profissionais.

Imagem mostra desenho de um cérebro conectado a fios e pontos, cuja uma das partes contém a representação de um circuito eletrônico, o que dá a ideia de conexão entre capacidades tecnológicas e humanas.
Área multidisciplinar alia parte técnica (ferramental e tecnologia) e humanos (cultura organizacional) e abre muitas oportunidades a profissionais de dados. Fonte: clicdata.com

Obviamente, há um processo complexo para empresas atingirem tal maturidade. Não é um silo com meia dúzia de Data Scientists atuando isolados, um dashboard com gráficos coloridos ou a última ferramenta da moda em BI que destravarão a Inteligência de Dados em uma empresa.

É necessário um processo de inovação, capacitação e melhoria contínua entre partes técnicas (dados, ferramental e tecnologia) e humanas (cultura) para se chegar a tal excelência. É aí que se abrem as oportunidades para diversas especializações na área de dados.

Carreiras na área

Para tornar a Inteligência de Dados realidade, uma empresa necessita de um time multidisciplinar, que irá criar as bases tecnológicas para transformar dados brutos em informação e conhecimento. Além disso, outros papéis, menos técnicos, também são necessários. Vamos conhecê-los.

Data Engineering

Data Engineering ou Engenharia de Dados é a especialização que cuida da forma como os dados são capturados, armazenados e servidos dentro de uma empresa. É o primeiro elo da cadeia da Inteligência de Dados.

Uma pessoa Engenheira de Dados precisa dominar conhecimentos sobre:

  • armazenamento de big data em nuvem;
  • uso de ferramentas de data lake (“lago de dados”, para onde vão todos os dados brutos de uma empresa) e data warehouse (“armazém de dados”, onde estão os dados mais acessíveis para análises); e
  • soluções que permitem gerir dados distribuídos (armazenados em muitos servidores diferentes).

Trata-se de um profissional crítico para organizações que precisam escalar operações em big data. São Data Engineers que irão garantir disponibilidade, rapidez e qualidade no fornecimento dos dados que irão alimentar ferramentas analíticas e de inteligência artificial.

Salários variam de R$ 7 mil a R$ 12 mil, podendo chegar a R$ 17 mil para seniores e passar de R$ 20 mil para líderes na área, em grandes empresas.

Data Science

Data Science ou Ciência de Dados é a especialidade que junta conhecimentos em estatística e programação para criar análises quantitativas mais e robustas e para colocar modelos de Machine Learning (Aprendizado de Máquina, um ramo da Inteligência Artificial) em funcionamento.

São Data Scientists que pegam os dados organizados e fornecidos pela Engenharia de Dados para realizar mineração de dados, detecção de padrões e estudos mais profundos, tentando encontrar relações e alimentar modelos automatizados.

Entre as competências de uma pessoa Cientista de Dados estão:

  • conhecimentos em Estatística e Matemática aplicada a análises;
  • conhecimentos em programação de computadores, principalmente na linguagem Python, a mais utilizada na área;
  • conhecimentos nos principais algoritmos de Machine Learning;
  • conhecimentos relacionados ao domínio de negócio em que está, a fim de conseguir transformar análises e automações em resultados para a empresa.

Salários variam de R$ 5 mil a R$ 10 mil, podendo chegar a cerca de R$ 15 mil em empresas de grande porte e chegar a mais de R$ 20 mil para postos muito avançados ou de liderança.

Data Analytics

Data Analytics ou Análise de Dados é uma especialidade responsável, principalmente, grosso modo, pelo monitoramento de indicadores de negócios e a comunicação dos insights a tomadores de decisão do negócio.

Entre as competências de uma pessoa Data Analysts, costumam estar:

  • acompanhamento, em tempo real, de ferramentas analíticas, bem como a construção de gráficos e dashboards (painéis de informações) nessas ferramentas;
  • realização de análises quantitativas ad-hoc (de uso pontual) para criação de relatórios e apresentações;
  • projeções e previsões sobre dados já amadurecidos pela empresa;
  • fornecimentos de conselhos, a partir dos dados, que subsidiem a atividade de outros profissionais e a tomada de decisão por parte de gestores.

Vale esclarecer, porém, que Data Analytics é um conceito usado de diferentes maneiras, em diferentes organizações, o que pode gerar algumas confusões. 

Enquanto em algumas empresas tal pessoa pode apenas pegar dados prontos para montar painéis em um software como o Microsoft Power BI, em outras pode abarcar atividades mais avançadas, que se confundem com a Ciência de Dados.

Assinatura Awari | Cursos Data Science

Salários variam de R$ 4 mil a R$ 7 mil, podendo chegar a cerca de R$ 11 mil em empresas de grande porte e a R$ 15 mil para cargos de liderança.

Machine Learning Engineering

Machine Learning Engineering ou Engenharia de Aprendizado de Máquina é uma especialização mais recente, que cuida de modelos de Machine Learning e de Deep Learning (Aprendizado Profundo) — onde estão as maiores revoluções da IA na atualidade, como reconhecimento e geração de texto, voz e imagens.

Você pode pensar no Engenheiro de ML como um Data Scientist especializado na construção, implementação e manutenção de algoritmos de aprendizado. Isto é, um profissional que atua mais na parte de Computação e Engenharia desses modelos do que com estatísticas e análises.

Como a Inteligência de Negócios envolve o uso crescente de IA, ML Engineers serão cada vez mais necessárias para construir e manter modelos computacionais complexos em funcionamento.

Salários variam de R$ 8 mil a R$ 15 mil, podendo chegar a cerca de R$ 18 para seniores e passar de R$ 20 mil para cargos muito avançados e de gestão.

DataOps/MLOps

DataOps é uma denominação que vem de “Data Operations”. MLOps é a correspondência para “Machine Learning Operations”. São similares e abrangem uma especialização ainda mais recente na área.

Para entendê-las, é necessário conhecer DevOps. Na Tecnologia da Informação (TI), até a década de 2000, era comum haver uma divisão entre desenvolvedores de softwares (quem programa) e administradores de sistemas (quem cuida da infraestrutura dos servidores).

Com revoluções na área, que levaram à entrega contínua de software e ao fornecimento de softwares como serviços (Saas), por meio da web, surgiu a função de DevOps, como uma unidade entre desenvolvimento e operações. 

Atualmente, tais profissionais cuidam dos bastidores de servidores e sistemas (principalmente em nuvens) para que softwares rodem sem problemas.

DataOps e/ou MLOps fazem algo similar, só que para garantir que conjuntos de modelos Machine Learning tenham toda a infraestrutura necessária para rodarem de forma harmoniosa, sem problemas. 

Dados salariais são pouco padronizados para a realidade brasileira, mas a remuneração se equipara a de um Engenheiro de Dados ou a de um Engenheiro de ML, dependendo do caso.

Segurança de Dados

Já chamada de DevSecOps (união de DevOps com segurança), é a especialização responsável por assegurar que os dados da empresa estejam protegidos de ataques, vazamentos e outros problemas relacionados.

É um campo em expansão. Conforme mais negócios são operados por meio da tecnologia, mais ameaças de ataques a dados surgem. Regulamentações de dados, como a Lei Geral de Proteção de Dados (LGPD), no Brasil, também impulsionam a área.

Dados salariais também são pouco padronizados, mas há menções a cargos que remuneram na faixa que vai de R$ 7 mil, podendo ultrapassar R$ 20 mil em casos mais avançados.

Data Architecture

Data Architecture ou Arquitetura de Dados é uma especialidade mais de planejamento e gestão de quais dados serão obtidos e armazenados e como isso será feito, seja do ponto de vista tecnológico, seja conceitual, seja relacionado à legislação. 

Pessoas Arquitetas de Dados costumam trabalhar próximos ou junto da Engenharia de Dados e ajudam a projetar o pipeline (fluxo) de dados dentro de uma organização, desde sua captura até a maneira como serão servidos a ferramentas analíticas e de IA.

Salário se equiparam aos de Engenharia de Dados e, em empresas de grande porte, podem passar dos R$ 20 mil.

Data Governance

Ligado a questões políticas e não técnicas de dados, Governança de Dados é uma espécie de área guardiã e difusora da cultura de padronização, privacidade, segurança e boas práticas de dados em organizações. 

É mais comum em grandes companhias, que dependem de políticas de dados robustas, e pode ter uma gama de outras funções subordinadas. Atua no âmbito cultural da Inteligência de Negócios, fazendo com que tudo esteja documentado e com que os colaboradores se tornem, de fato, “data citizens” (cidadão de dados) dentro da empresa.

Salários variam de R$ 4 mil a R$ 7 mil para analistas, chegando a R$ 10 mil para sêniores e também passando de R$ 20 mil para líderes e cargos em grandes empresas.

Como começar?

Há oportunidades de sobra na Inteligência de Dados, não? Imagine o desafio de transformar uma empresa, onde humanos e mecanismos de IA possam atuar colaborativamente, seja monitorando crises, seja enxergando oportunidades antes dos concorrentes ou seja gerando resultados fenomenais?

Como a tendência é o campo só crescer e as especializações se diversificarem ainda mais nos próximos anos e décadas, quem sabe está aí sua oportunidade de entrar em uma carreira nova, empolgante e com futuro mais do que promissor? 

A Awari tem cursos que cobrem boa parte das especialidades da Inteligência de Dados. Além disso, é uma plataforma completa com mentorias individuais, cursos com aulas ao vivo e suporte de carreira na área de Dados.

Conheça nossos cursos de Data Science, com intensivos de Ciência de Dados, Machine Learning, Engenharia de Dados e Data Analytics. Saiba mais sobre a nossa jornada personalizada e materiais complementares feitos por especialistas no mercado.


(*) O artigo da revista The Economist, publicado em 6 de maio de 2017, é The world’s most valuable resource is no longer oil, but data(“O recurso mais valioso do mundo não é mais o petróleo, mas os dados”, em tradução livre”).

Avance sua carreira

Conheça a Awari

Dê seu próximo passo profissional com nossos cursos e aprenda com mentorias individuais dos melhores profissionais do mercado.

Saiba mais

Conheça a Awari

Dê seu próximo passo profissional com nossos cursos e aprenda com mentorias individuais dos melhores profissionais do mercado.

Saiba mais

Escrito por

Avance sua carreira

e cuide do seu futuro

Esse é o momento para investir em seu futuro e dar seu próximo passo profissional. Comece agora e crie sua conta na Awari:

Começar agora