9 perguntas para construir uma carreira em dados na Zup

Neste artigo você vai ver:

Se você chegou até aqui, sabe que a carreira em dados está em alta nos últimos anos. Para se ter ideia, de acordo com o LinkedIn, os cargos de ciência e engenharia de dados estão no top 10 dos mais procurados em 2022.

Com a alta demanda de profissionais, o tema gera curiosidade e até motiva transições de carreira. Por isso, preparamos um conteúdo especial para você saber mais sobre como funciona o dia a dia de quem atua nessa área tão promissora.

Fizemos 9 perguntas sobre a carreira em dados para 9 profissionais de dados na Zup, com cargos de Data Analytics, Data Scientist, Data Engineer, Data Governance e Tech Lead Data Engineer

As respostas estão aqui para você saber mais sobre como é a carreira em dados, o que fazem, o que é preciso saber para trabalhar na área e como é a experiência na Zup, além de algumas dicas especiais.

Tudo pronto para entendermos mais sobre a carreira em dados? Então vamos lá!

Antes de avançar precisamos entender um pouco mais sobre a Carreira em Dados

O time que trabalha com dados é muito próximo e, na prática, utilizam muitas ferramentas em comum para desenvolverem o seu trabalho. A diferença é a forma que cada cargo vai utilizar a sua expertise e os dados para cumprir seus objetivos.

Por exemplo, o time de dados utiliza muito ferramentas como a linguagem Python, Pandas e Spark. Entretanto, a pessoa engenheira de dados cria fluxo de dados, analistas entendem as informações para gerar valor e cientistas criam modelos para prever algum evento ou recomendar alguma ação estudando esses dados. Isto é, cada pessoa desenvolve um papel trabalhando com dados com fins diferentes. Além disso, é possível migrar entre essas funções a partir da curva de aprendizado necessária para cada cargo do time.

Agora vamos para as perguntas e respostas!

1 – Pode definir a função do seu cargo?

Data Analytics: Sou a pessoa que cria produtos e análises capazes de produzir insights, gerando valor e auxiliando na tomada de decisão a partir de dados, que, de primeira, não são tão compreensíveis. Na prática, crio indicadores, visualizações de dados, estudos e validação de hipóteses, além de inferências estatísticas com base em dados.

Data Scientist: Faço análises e modelos preditivos, sou responsável em coletar, transformar e analisar dados, que ajudam a empresa a responder uma pergunta de negócio e atuar de forma preventiva. Isso envolve o uso de métodos científicos baseados em observação, compreensão dos dados e experimentação, com o objetivo de compreender o evento a ser estudado.

Data Engineer: Trabalha em todo o fluxo de vida dos dados. Como a coleta, transformação e padronização; processamento de informações e entrega; além da criação da infraestrutura.

Data Governance: Sou responsável por implementar e aplicar políticas e procedimentos que garantam que os dados sejam usados e mantidos adequadamente dentro de uma organização. Também trabalho com pessoas, processos e tecnologias com o objetivo de garantir visibilidade e boa qualidade da informação, assim como prover o acesso correto aos dados.

Tech Lead Data Engineer: Lidero equipes de engenharia de dados.

2 – Quais são suas atividades do dia a dia?

Data Analytics: Faço consultas SQL, elaboro dashboards de dados e trabalho com Python. Faço a extração de dados de diferentes fontes; aplico estatísticas nas análises; construo KPIs e métricas importantes para serem acompanhadas; e desenvolvo dashboards para facilitar a captação de insights. Escrevo consultas no banco de dados, falo constantemente com os times de negócio para entender regras, processos e dores.

Data Scientist: Também faço consultas SQL e realizo análises de dados utilizando ferramentas estatísticas como Python/R.  Mas uma das minhas principais atividades é contribuir para que os times de negócio tenham previsibilidade através de modelos de machine learning, análise de dados qualitativos/textuais (NLP) ou até mesmo análises baseadas em redes (Social Network Analysis).

Data Engineer: Entendo a documentação de fornecedores de dados, escrevo códigos em Python para extração e tratamento, provisiono ambientes para a execução do código, e disponibilizo os dados tratados em alguma ferramenta de fácil consulta com as devidas permissões para cada pessoa usuária.

Data Governance: Faço implementações de produtos para o próprio time e ações junto às atividades cotidianas, como discussões sobre padronização, qualidade e novas integrações; analiso e documento processos; acompanho e faço a gestão de acessos aos produtos de dados construídos pela equipe; e também faço constante alinhamento com Privacidade e Auditoria. Além disso, monitoro e mapeio acessos aos ambientes e produtos de dados; uso ferramentas e sistemas para garantir a qualidade, linhagem e catálogo dos dados; e coopero com outras áreas para padronizar a criação de novos produtos de dados, que atendem um nível satisfatório de segurança e mapeamento de acessos.

Tech Lead Data Engineer:  Além de uma versão diluída das responsabilidades padrão de uma pessoa engenheira de dados, também sou responsável por acompanhar a execução de tarefas pelo time, planejar as tarefas que serão desenvolvidas no futuro pelo time, organizar a tomada de decisões sobre soluções que serão desenvolvidas, e mediar relações com equipes fornecedoras de dados e consumidoras de dados.

3 – Quais são as principais ferramentas que você usa?

Aqui não tem segredo, o time citou como a ferramenta principal o SQL, Structured Query Language ou Linguagem de Consulta Estruturada, e o Python, outra linguagem de programação.

Alguns programas mais específicos citados para cada cargo foram:

Data Analytics: Power BI, Google Data Studio e Excel.

Data Scientist: Sistema Operacional (Linux), programação em Python, R e SQL, métodos estatísticos e preditivos.

Data Engineer: Apache Airflow e Cloud AWS (S3, EC2, Lambda, Glue, Athena).

Data Governance: Google Sheets e Jupyter Notebook. 

Tech Lead Data Engineer: IDEs para desenvolvimento; Jupyter Notebook e ferramentas de visualização de dados; terminal Linux e ferramentas de plataforma de sistema operacional de servidores; Docker e Spark.

4 – Quais os primeiros passos para quem quer começar na sua área?

Data Analytics:  Estudar muito sobre SQL e ter capacidade de construir dashboards e visualização de dados. Importante conhecer uma linguagem de programação e conhecer estatística para apoiar o negócio com análises. Comunicação e storytelling são habilidades fundamentais para interagir com clientes.

Data Scientist: É importante conhecer SQL para ganhar autonomia na extração do dado. Isso se aplica também a coletar e analisar dados de diferentes formatos. Conhecimento de programação, probabilidade e estatística são fundamentais para a construção de análises estatísticas e modelos de machine learning. Acima de qualquer ferramenta é importante ser uma pessoa curiosa e sempre disposta a aprender e que desenvolva bem o modelo de consultoria aproximando as soluções técnicas de DS das necessidades de clientes.

Data Engineer: Conhecer conceitos de pipelines de dados. Conhecer ferramentas/protocolos para armazenamento/transporte de dados, bancos de dados relacionais, não relacionais, APIs HTTP, formato Json, CSV e Parquet. 

Também é importante saber interagir programaticamente com essas interfaces, utilizando Python e SQL, e conhecer alguma ferramenta de Cloud e os principais serviços para computação, armazenamento e análise de dados.

Data Governance: O primeiro passo é entender como funciona o mundo dos dados a partir dos processos envolvidos: como funciona a coleta, o armazenamento e a análise de dados, no geral, o ciclo de vida dos dados. 

Em um segundo momento, minha dica é se aprofundar no conhecimento sobre metadados, produtos de Governança de dados (como Dicionário e Catálogo de Dados) e implicações sociais sobre os dados (compliance, segurança da informação e LGPD). Por fim, é interessante o aprendizado de uma ou mais linguagens de programação, como SQL e Python.

Tech Lead Data Engineer: Estudar arquitetura de computadores e solução de problemas lógicos, quebra-cabeças mesmo. Depois tentar resolver desafios com quantidades cada vez maiores de dados.

5 – O que é indispensável?

Nosso time da Zup ressaltou muitas habilidades soft e hard skills por área de atuação, segue a lista do que você precisa colocar no seu radar.

Data Analytics:

  • Conhecimento em Python e SQL;
  • Estatística;
  • Ferramentas de visualização de dados (por exemplo: Microsoft Power BI, Google Data Studio e Tableau);
  • Storytelling & Visualização de dados;.

Data Scientist:

  • Programação (Python e SQL);
  • Probabilidade & Estatística;
  • Modelos de machine learning;
  • Storytelling & Visualização de dados;
  • Ceticismo ao lidar com dados;
  • Curtir resolver problemas de negócio;
  • Estudo constante.

Data Engineer:

  • Programação (Python e SQL);
  • Familiaridade com linha de comando e ambiente Linux;
  • Conhecimento de provedores e serviços de cloud;
  • Dominar conceitos de pipelines de dados, por exemplo, ETL, ELT, Data Lake e Data Warehouse.

Data Governance:

  • Dominar soft skills;
  • Gestão de dados e metadados;
  • Saber classificar informações, qualidade de dados e controle de acessos;
  • Conhecimento de SQL e Python;
  • Noção sobre banco de dados e LGPD.

Tech Lead Data Engineer: 

  • Ter curiosidade, nosso campo nunca para de criar coisas novas; 
  • “Nerdice”, pois tem muitas coisas que são detalhes do que fazemos, em especial das ferramentas; 
  • Ter paciência, porque é difícil entender o que as pessoas precisam, o que temos de fazer e o que deve ser feito;
  • Conhecer Python, pois tem muita coisa nessa linguagem;
  • UML, já ouviu “entendeu ou quer que eu desenhe?”, essa é uma pergunta muito razoável aqui; 
  • Spark, quando entendeu como funciona, entendeu a base da engenharia de Big Data.

6 – Que conteúdo você indica para trabalhar na área? 

Data Analytics: Minha sugestão é estudar bastante sobre estatística, Python, visualização de dados e SQL.

Data Scientist: Indico vários livros e materiais, por exemplo:

Data Engineer: Minha indicação é ler documentações oficiais de cada ferramenta e tomar cuidado com conteúdos muito antigos, pois as ferramentas evoluem rapidamente.

Data Governance: Tenho várias indicações, inclusive cursos e leituras: 

Sem contar o domínio teórico e prático de gestão de dados, conhecimento em sistemas de informação, entendimento sobre regras e legislações sobre uso de dados.

7 – Como é trabalhar na Zup?

Data Analytics: Hoje, trabalho com Learning Analytics, focado em analisar o desenvolvimento de quem passa e passou pelo nosso treinamento. Está sendo uma experiência muito bacana, aprendendo novas regras de negócio e conceitos.

Data Scientist: É ser um desbravador. O cargo é relativamente novo na Zup e existe muito a ser desenvolvido. Também é estar sempre aberto ao aprendizado. Na Zup, temos clientes com problemas de negócio a resolver, isso requer da gente uma alta capacidade de adaptação para atuar em diferentes frentes de conhecimento.

Data Engineer: Sempre temos novos desafios, constantemente buscando novas ferramentas e soluções para entregar um produto melhor.

Data Governance: Desafiador e gratificante ao mesmo tempo. É um desafio no sentido de conseguir orquestrar as demandas das diferentes áreas de dados (DA – Data Analytics, DE – Data Engineer, e DS – Data Science) para melhorar a nossa visibilidade do que produzimos, mas também gratificante, pois o time de zuppers é engajado no tema, o que torna o trabalho leve e sempre caminhando.

8 – Qual o maior desafio que superou trabalhando na área?

Data Analytics: Entrar em um mundo diferente (análise para educação), com conceitos novos, regras novas e até conceitos estatísticos diferentes (como não estamos lidando com dados lineares, é utilizado até um nível de correlação diferente).

Data Scientist: Realizar a transição de carreira de Data Analytics para Data Scientist.

Data Engineer: O maior desafio atual e ainda em andamento é a adequação da estrutura para lidar com maior volume e novos fornecedores de dados. Além de construir pipelines cada vez mais robustas.

Data Governance: Meu maior desafio superado foi a participação no desenho de um produto que estávamos construindo. Tive que correr para aprender questões complexas de engenharia de dados que não estava acostumado a trabalhar, com o objetivo de encaixar processos de governança de dados como padrão do desenvolvimento. Foi um grande desafio também trabalhar no aprimoramento das soft skills.

Tech Lead Data Engineer: Lidar com emergências paralelas em projetos diferentes.

9 – Qual sua maior conquista na Zup?

Data Analytics: Realizei análises cruciais entre participantes dos programas de treinamentos e pessoas do mercado, comparando os dois grupos e provando o poder da cultura do preparo. Também estou desenvolvendo uma plataforma de insights focado nos KPI’s dos treinamentos.

Data Engineer: Participei da integração de ferramentas, apesar da documentação limitada;  influenciei o time com boas práticas de programação;  e miguei ambientes entre clouds diferentes.

Data Governance: Minha maior conquista foi conseguir passar a importância da Governança de Dados para os times que atuei. Percebi que a partir das conversas que tivemos, profissionais passaram a contribuir para aplicar as boas práticas de controle de acesso e também documentar processos e mapear os dados que trabalham. Não posso esquecer também de estar aprendendo com um time que reúne profissionais excelentes da área.

Tech Lead Data Engineer: Ter tornado meu time referência na gestão de muitos projetos paralelos e ao mesmo tempo de capacidade técnica.

Vem pra Zup

Gostou de conhecer mais sobre a experiência da carreira em dados e um pouquinho da vivência dentro da Zup? Esperamos que tenha sido um incentivo a mais para você fazer parte do nosso time, venha conferir nossas vagas abertas.

Capa do artigo sobre carreira em dados na Zup. Na foto, aparece parcialmente um notebook com um tablet com gráficos e uma canetas apoiados em cima dele.
Foto de Larissa Abrão.
Analista de conteúdo e copywriter
Jornalista, que trabalha com conteúdo e mídias sociais, sempre buscando oportunidades para contar boas e curiosas histórias.

Este site utiliza cookies para proporcionar uma experiência de navegação melhor. Consulte nossa Política de Privacidade.