Pare de procurar o data scientist “unicórnio”

Empresas não devem perder tempo a tentar encontrar o profissional perfeito. Isso só atrasará a contratação e, logo, a inovação.

O Data Scientist perfeito é, teoricamente, uma pessoa um tanto mítica: líder em Data Science, tecnologia e negócios. Obviamente, estes candidatos praticamente não existem. Para falar a verdade, não são necessariamente as melhores apostas na hora de montar uma boa equipa.

Conforme as equipas de Data Science vêm ganhando destaque, as empresas estão a eixar de tentar encontrar profissionais para desempenhar diferentes funções. Em vez disso, as organizações têm percebido os benefícios de contratar colaboradores com varias especializações complementares.

É verdade que os Data Scientist ainda são bastante requisitados. Para se ter dimensão deste facto, as ofertas de emprego para esta função aumentaram 256% desde dezembro de 2013. Parece que nenhum setor está imune a esta escassez, as empresas globais procuram continuamente talentos qualificados.

Embora muitas ofertas de emprego ainda anunciem a procura de Data Scientist, as descrições estão a começar a inclinar-se para necessidades mais especializadas. Além disso, as organizações procuram candidatos com fortes skills sociais que possam complementar as equipas.

Bob Rogers, da Big Data Solutions da Intel, reconheceu esta mudança em 2015: “É verdade que ter conhecimentos avançados de matemática e programação é fantástico para um Data Scientist. Mas, em qualquer empresa, não encontrará apenas um Data Scientist a fazer tudo isso – assim como Michael Jordan não poderia ter marcado tantos pontos sem Scotty Pippen ao seu lado, todos os Data Scientist trazem as suas próprias skills e, juntos, formam uma equipa ideal.”

A nova equipa de Data Scientist

As especialidades da data Science 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 devem focar. Com isto, as empresas têm diversas possibilidades ao criar uma equipa de Data Scientist .

Ao formar uma equipa, 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 equipa usando uma estrutura centrada em TI. Aqueles que usam esta opção geralmente utilizam algum tipo de software de machine learning como serviço (MLaaS). A totalidade do projeto, incluindo a preparação de dados, fromação de modelo, criação de interface e implantação, tudo acontece dentro da infraestrutura de TI e é liderada pela equipa de TI.

Outra opção é usar uma estrutura integrada. Aqui, a equipa de Data Scientist prepara os dados e treina os modelos, e a equipe de TI assume a tarefa de avaliar e implementar os sistemas. Esta abordagem requer uma equipa robusta de Data Scientist com um conjunto de skills complementares. Uma terceira opção é executar todo o processo, desde a preparação dos dados até a implantação, dentro de uma equipa dedicada de Data Scientist. Nesse cenário, a equipa de Data Scientist deve ter conhecimentos e skill sem infraestrutura de TI para implementar os modelos.

Frequentemente, as empresas constroem uma equipa que incorpora Data Scientist, funcionários de TI e analistas de negócios ou pessoas que podem traduzir as descobertas em valor comercial. A comunicação aberta entre estas três equipes, a trabalhar em conjunto, reduz o risco dos modelos não serem implementados ou problemas de infraestrutura inadequados. Obviamente, criar a parte de Data Science da equipa pode ser difícil com a atual lacuna de skills. E com esta luta para encontrar talentos, novos papéis e especialidades estão a surgir no mundo da Data Science.

Especialidades de data Science 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 a criar métodos orientados à segurança cibernética, com a finalidade de melhorar a prevenção de ataques. Enquanto as abordagens de segurança tendem a ser aplicadas após a violação, a Data Science tem ajudado as organizações a prevenir invasões. Usando o machine learning , 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 a recrutar Data Scientist especializados em segurança.

Outro cargo no mundo da Data Science que está a ganhar destaque é o de Data Scientist financeiros. Os profissionais de finanças há muito tempo realizam tarefas de Data Scientist, como avaliação e previsão de riscos. A Data Science ajuda a melhorar e automatizar muitas destas tarefas. Um candidato que entende de finanças e também possui um conhecimento sólido em análise de dados, programação e técnicas estatísticas tornam-se um Data Scientist financeiros que pode melhorar de forma importante o desempenho dos negócios.

Não tente encontrar o profissional perfeito

As empresas que montam uma equipa de Data Scientist não devem perder tempo a tentar encontrar o profissional perfeito, porque isso atrasará drasticamente a contratação. Em vez disso, as organizações devem se concentrar nas skills técnicas necessárias para formar a equipa e nos conhecimentos básicos necessários para trabalhar em equipa. Na minha opinião, as grandes empresas provavelmente continuarão a procurar especialistas em segurança e finanças, mais candidatos provavelmente vão receber formação nestas áreas para responder as necessidades de recrutamento crescente..

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

Artigos relacionados

O seu comentário...

*

Top