Cientista de Dados x Big Data x Analista de Dados

Nesses últimos cinco anos, conhecemos termos que até pouco tempo não era utilizado nem mesmo no meio da tecnologia, como Cientista de Dados, Big Data e Analista de dados.

O mercado de dados nunca teve tão aquecido no mundo para área de exatas; a todo momento, vemos grandes empresas como Google, Apple, Amazon, Facebook, dentre outras fazendo volumosos investimentos em ferramentas de tratamento de dados, inteligência artificial e de apresentações de relatórios.

Como todo novo mercado, surgem algumas dúvidas em relação aos seus profissionais, e isso é o que busco, com este artigo, esclarecer: o que faz cada um desses profissionais de dados?

Cientista de Dados

É o profissional que cuida absolutamente de tudo relacionado a limpeza, preparação e análise do banco de dados.

Cotidianamente suas funções são utilizadas em recomendações de buscas, pesquisas na internet e vinculação de propaganda segmentada no mercado digital.

Big Data

Essa área está responsável para analisar insights com o objetivo de melhores tomadas de decisões e movimentos estratégicos de negócios. Os principais setores que utilizam a capacidade de um big data são os sistemas de finanças, varejo e comunicação.

Analista de Dados

Seu setor inclui automatização de insights em um determinado conjunto de dados, além de pressupor o uso de consultas e procedimentos de agregação de dados. Normalmente os vemos no gerenciamento de energia, jogos, planos de saúde e turismo.

Qual a habilidade necessária para trabalhar como cientista de dados, big data e analista de dados?

O Cientista de Dados precisa ter conhecimento sólido em SAS (Statistical Analysis System) ou R, Pyton, Hadoop, SQL e bancos de dados não relacionais (Mongo, Cassandra, etc.).

Já o Big Data necessita ter habilidades analíticas, criatividade, matemática e estatística, ciência da computação e pegada de negócio.

Enquanto o Analisa de dados precisa programar, ter conhecimento em matemática e estatística, conhecimento em machine learn, visualização de dados e configuração de dashboards.

Quanto ganham esses profissionais?

Aqui no Brasil é difícil dizer, já que a área não é tão difusa assim, mas, em recente em uma pesquisa realizada nos Estados Unidos pela Simple Learn apontou que os salários ficam conforme aponta a imagem abaixo.

Aplicações

Cientista de dados

• Pesquisa na Internet: os mecanismos de pesquisa usam algoritmos de ciência de dados para fornecer melhores resultados para consultas de pesquisa em uma fração de segundos.
• Anúncios digitais: todo o espectro do marketing digital usa os algoritmos da ciência de dados - de banners de exibição a outdoors digitais. Esta é a razão média para os anúncios digitais aumentarem a CTR do que os anúncios tradicionais.
• Sistemas de recomendação: Os sistemas de recomendação não apenas facilitam a localização de produtos relevantes a partir de bilhões de produtos disponíveis, mas também adicionam muito à experiência do usuário. Muitas empresas usam esse sistema para promover seus produtos e sugestões de acordo com as demandas do usuário e a relevância das informações. As recomendações são baseadas nos resultados de pesquisa anteriores do usuário.

Aplicações de Big Data:

• Big Data para serviços financeiros: empresas de cartão de crédito, bancos de varejo, assessorias de gestão de patrimônio privado, seguradoras, fundos de capital de risco e bancos de investimento institucionais usam big data para seus serviços financeiros. O problema comum entre todos eles é a enorme quantidade de dados multiestruturados que vivem em múltiplos sistemas diferentes e que podem ser resolvidos com big data. Assim, o big data é usado de várias maneiras, como: 
• Análise do cliente
• Análise de conformidade
• Análise de Fraude
• Análise operacional
• Big Data nas comunicações: conquistar novos assinantes, reter clientes e expandir-se dentro das atuais bases de assinantes são as principais prioridades para os provedores de serviços de telecomunicações. As soluções para esses desafios residem na capacidade de combinar e analisar as massas de dados gerados pelo cliente e dados gerados por máquina que estão sendo criados todos os dias.
• Big Data para o Varejo: Pode ser aplicado como resposta para manter o jogo e ser competitivo e entender melhor o cliente para atendê-lo. Isso requer a capacidade de analisar todas as fontes de dados diferentes com as quais as empresas lidam diariamente, incluindo weblogs, dados de transações de clientes, mídias sociais, dados de cartões de crédito de lojas e dados de programas de fidelidade.

Aplicações de Análise de Dados:

• Cuidados de saúde: O principal desafio para os hospitais com pressões de custo é o de tratar o maior número de pacientes possível, tendo em mente a melhoria da qualidade do atendimento. Os dados de instrumentos e máquinas estão sendo usados cada vez mais para rastrear e otimizar o fluxo, o tratamento e o equipamento dos pacientes usados nos hospitais. 
• Viagens: A análise de dados é capaz de otimizar a experiência de compra por meio do mobile / weblog e da análise de dados de mídia social. Os locais de viagem podem obter insights sobre os desejos e preferências do cliente. Os produtos podem ser vendidos por meio da correlação das vendas atuais com a navegação subsequente, aumentando as conversões de pesquisa para compra por meio de pacotes e ofertas personalizadas. Recomendações de viagem personalizadas também podem ser fornecidas por análise de dados com base em dados de mídia social.
• Jogos: o Google Firebase ajuda na coleta de dados para otimizar e gastar dentro e fora dos jogos. As empresas de jogos ganham insights sobre os desgostos, os relacionamentos e os gostos dos usuários.
• Gerenciamento de energia: A maioria das empresas está usando análise de dados para gerenciamento de energia, incluindo gerenciamento de rede inteligente, otimização de energia, distribuição de energia e automação predial em empresas de serviços públicos. A aplicação aqui é centrada no controle e monitoramento de dispositivos de rede, equipes de despacho e gerenciamento de falhas de serviço. As concessionárias têm a capacidade de integrar milhões de pontos de dados no desempenho da rede e permitem que os engenheiros usem as análises para monitorar a rede.

O trabalho desses profissionais está mudando o mundo atual e promete fazer muito mais para o nosso futuro, e, quem, como eu, tem curiosidade em saber como funciona exatamente, esse é um bom momento para aprender desde coisas avançadas como uma análise preditiva baseado em uma árvore de decisões como relembrar coisas simples, como cálculos em conjuntos e matrizes para tomada de decisões no ambiente do negócio.