22 de Março de 2019
Dados

Data Science ou Data Analytics: qual o meu nível de conhecimento?

Coordenador dos cursos de dados da Digital House explica diferenças entre os cursos Data Science e Data Analytics

Você já parou para pensar na quantidade de dados que são gerados espontaneamente a cada interação de usuários a partir de seus computadores ou dispositivos móveis? De acordo com uma pesquisa de 2017 desenvolvida pela empresa americana Domo, nos últimos cinco anos, a Internet ganhou mais de um bilhão de novos usuários. A pesquisa apurou ainda que 2,5 quintilhões de bytes de dados são gerados por dia: só no Instagram, 46.740 fotos são postadas por minuto. Em todo o mundo, nas mais diversas áreas do mercado, as informações que podem ser extraídas dos dados estão transformando as relações de negócios. Nesse contexto, novas direções acadêmicas preparam profissionais diferenciados para oferecer soluções personalizadas. Os cursos de dados abrangem uma área bastante ampla de estudos multidisciplinares. Para saber por onde começar, é necessário definir prioridades. Analista ou cientista de dados? José Borbolla Neto, Coordenador dos Cursos de Dados da Digital House, explica a seguir em alguns tópicos as principais diferenças entre Data Science a Data Analytics para orientar essa escolha.

Data Science X Data Analytics: o que muda?

O que varia entre os dois cursos é o nível de profundidade em disciplinas mais técnicas. O cientista de dados deve ir além das competências práticas de um profissional de TI (Tecnologia da Informação). Ele deve fazer uma conexão entre questões teóricas e visão de negócios. É importante ser multidisciplinar e ter noções de estatística, programação, algoritmo, matemática, business e design.

Nível de complexidade (para o cientista de dados)

O cientista de dados lida com problemas em que a quantidade de dados e o volume de informações é muito grande. Imagine trabalhar em um banco, por exemplo: dependendo da natureza do problema, há vários caminhos que podem ser percorridos. São dados de fontes diferentes que precisam “conversar” entre si. O profissional desta área será capaz de captar, manejar, modelar e operar grandes volumes de dados, construindo soluções completas, algoritmos, APIs, entre outros, em situações de negócio com altos níveis de complexidade, com o objetivo de transformar dados não estruturados em inteligência estratégica.

Nível de complexidade (para o analista de dados)

Para o analista, possuir um nível introdutório das disciplinas técnicas é suficiente. O profissional utiliza as principais ferramentas disponíveis no mercado para lidar com um volume menor de informações e problemas de menor complexidade. Dados não estruturados são organizados e posteriormente cruzados pelo analista, para que, assim, possa haver um melhor aproveitamento das informações. “Data Science e Data Analytics são perspectivas diferentes e complementares para um mesmo grupo de conhecimentos. Em Data Science, nos aprofundamos nas camadas mais técnicas de banco de dados, programação, estatística, algoritmos, modelagens etc. Por sua vez, em Data Analytics abordamos estas questões mais técnicas de maneira introdutória, enquanto o foco principal fica no tratamento e organização dos dados, principais ferramentas de BI/análise, além de elementos e técnicas relacionadas à visualização e apresentação das informações”, explica Borbolla.

Dados são oportunidades de negócios

Com o avanço tecnológico, a quantidade de dados disponíveis é cada vez maior e representa novas oportunidades de negócios. “Temos aí um ouro bruto que deve ser explorado, e isso vale para todas as áreas profissionais – dos bancos aos hospitais, as possibilidades de aplicações são diversas”, comenta Borbolla. “O estudo dos dados representa um processo de transição para uma nova área, uma oportunidade de mergulhar no mercado de trabalho mais bem preparado, transformando dados não estruturados em insights de negócios. Data Science e Data Analytics não são duas áreas distintas, apenas tratam de especialidades diferentes”. Aproveite para saber por que dados é a o profissão que é a mina de ouro dos negócios.

Perfil do profissional

A velocidade das mudanças tecnológicas impacta diretamente no perfil de quem trabalha na área. Uma camada de dados deixou de ser invisível e passou a revelar e gerar informações que podem ajudar a tornar o comportamento dos consumidores previsíveis, segmentando-os por perfis comportamentais ou psicológicos. O conhecimento prático, a visão de negócios, as habilidades técnicas e científicas desenvolvidas durante os cursos de dados tornam os profissionais aptos a lidar com problemas e prontos para utilizar ferramentas que automatizam processos.

Quer saber mais? Descubra agora como começar uma carreira em dados.

Comentários