Os cientistas de dados verticais têm um conhecimento muito profundo em algum campo restrito. Eles podem ser cientistas de computação muito familiarizados com a complexidade computacional de todos os algoritmos de classificação. 

Como se tornar um cientista de dados

Podem até ser estatísticos que sabem tudo sobre valores próprios, decomposição de valores singulares e sua estabilidade numérica, e convergência assimptótica de estimadores de máxima pseudo-probabilidade, ou um engenheiro de software com anos de experiência escrevendo código Python (incluindo bibliotecas gráficas) aplicado ao desenvolvimento de APIs e à tecnologia de rastreamento da web. 

Os cientistas de dados horizontais são uma mistura de analistas de negócios, estatísticos, cientistas de computação e especialistas em domínio. Eles combinam visão com conhecimento técnico. 

Confira 3 erros que cometi durante minha carreira como cientista de dados

Eles podem não ser especialistas em valores próprios, modelos lineares generalizados e outras técnicas estatísticas semi-obsoletas, mas conhecem técnicas mais modernas, orientadas a dados, aplicáveis a dados não estruturados, streaming e grandes dados, como (por exemplo) o teorema muito simples e aplicado da Analytic Bridge para construir intervalos de confiança. Eles podem projetar códigos e algoritmos robustos, eficientes, simples, replicáveis e escaláveis.

Características do cientista de dados horizontal

Eles têm alguma familiaridade com conceitos de Six Sigma, mesmo que não conheçam a palavra. Em essência, a velocidade é mais importante do que a perfeição para estes profissionais analíticos.

Leia sobre 4 lições para se tornar um cientista de dados mais horizontal

Eles têm experiência em produzir histórias de sucesso a partir de grandes, complicados e confusos conjuntos de dados – inclusive em medir o sucesso.

Experiência em identificar o problema real a ser resolvido, os conjuntos de dados (externos e internos) que eles precisam, as estruturas de banco de dados que eles precisam, as métricas que eles precisam, em vez de serem consumidores passivos de conjuntos de dados produzidos ou coletados por terceiros sem a habilidade de coletar/criar os dados corretos.

Estes são os 10 principais hábitos que aprendi durante minha carreira como cientista de dados

Eles conhecem regras e armadilhas a evitar, mais do que conceitos teóricos. Entretanto, eles têm um pouco mais do que apenas conhecimentos básicos de complexidade computacional, boa amostragem e desenho de experimentos, estatísticas robustas e validação cruzada, desenho moderno de bases de dados e linguagens de programação (R, linguagens de scripting, conceitos de redução de mapas, SQL).

Possuem habilidades com excel avançado e habilidades de visualização, e podem ajudar a produzir painéis úteis (aqueles que as pessoas realmente usam diariamente para tomar decisões) ou ferramentas alternativas para comunicar insights encontrados em dados (oralmente, por e-mail ou automaticamente – e às vezes em modo máquina a máquina em tempo real).

Eles pensam fora da caixa. Por exemplo, quando eles criam um mecanismo de recomendação, eles sabem que ele será difundido por spammers e usuários concorrentes, assim eles colocam em prática um mecanismo eficiente para detectar revisões falsas. 

Quer um guia prático para se tornar um cientista de dados? Clique aqui!

Eles são inovadores que criam coisas verdadeiramente úteis. Ironicamente, isto pode afugentar empregadores potenciais, que, apesar das alegações em contrário e por razões óbvias, preferem o bom soldado ao criador perturbador.

 

Os cientistas de dados verticais se assemelham mais à cientistas de dados falsos. Eles são o subproduto de nosso rígido sistema universitário que treina as pessoas a se tornarem ou um cientista da computação, um estatístico, um pesquisador de operações ou um cara do MBA – mas não todos os quatro ao mesmo tempo. 

Esta é uma das razões pelas quais criamos nosso programa de ciência de dados. Esta é também uma das razões pelas quais os recrutadores não conseguem encontrar cientistas de dados: eles encontram e recrutam principalmente cientistas de dados verticais. As empresas ainda não estão acostumadas a identificar os cientistas de dados horizontais – os verdadeiros criadores de dinheiro e geradores de ROI entre os profissionais analíticos. As razões são duas:

 

  1. Os recrutadores sem treinamento percebem rapidamente que os cientistas de dados horizontais carecem de alguns dos conhecimentos tradicionais que um verdadeiro cientista de computação, ou estatístico, ou MBA deve ter – eliminando os cientistas de dados horizontais do pool de candidatos. Você precisa de um recrutador familiarizado tanto com engenharia de software, analistas de negócios, estatísticos e cientistas da computação, e capaz de identificar qualidades não resumidas por palavras-chave típicas de currículo, e identificar quais (falta de) habilidades são críticas das que podem ser negligenciadas, para detectar essas puras jóias. 

 

  1. Os cientistas de dados horizontais, diante das perspectivas de poucas oportunidades de trabalho e tendo o conhecimento real para gerar um ROI significativo, acabam criando seu próprio start-up, trabalhando independentemente, às vezes competindo diretamente com as próprias empresas que precisam de cientistas de dados reais (supostamente raros). Depois de terem fracassado mais de uma vez ao conseguir uma entrevista de emprego com a Microsoft, eBay, Amazon ou Google, eles nunca mais se candidatam, reduzindo ainda mais o pool de talentos qualificados.

 

Published On: novembro 24th, 2021 / Categories: Uncategorized /

Aprenda a conseguir trabalho

Se inscreva para receber acesso gratuito ao módulo Conseguindo Trabalho!

Obrigado por se inscrever!
Houve um erro ao enviar sua inscrição. Tente novamente mais tarde.

Ao acessar, você concorda em receber nossos comunicados.