O final do ano está chegando e toda vez que isso acontece, costumamos fazer nossas promessas. Estabelecemos metas a serem cumpridas: perder peso, controlar as finanças, estudar mais, fazer exercícios regularmente. Essa rotina anual já está nas nossas vidas desde que nos conhecemos por gente, certo? Mas se eu disser que para você se destacar, melhorar sua carreira e aumentar sua empregabilidade você tem que desenvolver algumas habilidades? O que você faria?
Quem está no mercado há algum tempo provavelmente já percebeu o quanto ele vem mudando. Novas tecnologias vão surgindo e habilidades que até então não eram necessárias ou faziam parte exclusivamente da área de TI, agora fazem parte das inúmeras oportunidades de trabalho para estatísticos e analistas de dados.
Diante das habilidades requisitadas e da falta de desenvolvimento educacional da nossa parte, o que podemos esperar do futuro? Com a implantação do big data nas empresas, o desenvolvimento e os avanços da inteligência artificial, o aprendizado de máquina e a internet das coisas cada vez mais fazendo parte das nossas vidas, qual será o papel do estatístico diante desse dilúvio de dados?
Teremos habilidades suficientes para analisar de forma rápida e precisa toda a informação disponível nas suas mais variadas formas? Como saber se esses dados são ou não confiáveis?
Tudo bem que trabalhamos diariamente com a incerteza, mas nosso futuro não pode ser tão incerto assim. Nós tivemos uma educação que não condiz com o mercado atual, mas precisamos nos atualizar. Não conseguimos mudar o começo, mas podemos mudar o final.
Então pensando no futuro selecionamos 5 habilidades para você desenvolver em 2017. Queremos motivá-lo e inspirá-lo a querer sempre aprender mais. Vamos instigá-lo a desafiar os seus próprios limites. Confira agora o que separamos para você:
1. Linguagens de programação de análise de dados (R e Python)
Aprender a programar é tão importante quanto aprender a ler e escrever. Programação representa hoje o que inglês representava na década de 90. Significa uma oportunidade de enxergar o mundo de várias formas e de causar mudanças nas nossas vidas. As linguagens de programação são um meio para nos tornarmos pessoas mais fluentes em novas tecnologias e aprendermos programando.
“Segundo Mitchel Resnick, muitas estatísticas mostram que a demanda por profissionais que sabem programar será muito maior do que a oferta, e isso trará muitas oportunidades profissionais”
E por que R e Python? Porque são as duas linguagens de programação de análise de dados mais requisitadas no mercado para nossa profissão. A linguagem R possui uma plataforma abrangente de análises estatísticas; importa dados de várias fontes; possui gráficos espetaculares (ggplot2), trabalha com código aberto e possui uma infinidade de pacotes estatísticos. A linguagem Python é excelente para análise de dados e machine learning; possui vários pacotes estatísticos; importa dados da linguagem R e trabalha com ambientes de desenvolvimento integrado, como Spyder e Eclipse.
Se você ainda não está convencido de que aprender a programar é realmente importante, eu recomendo fortemente que você assista esse vídeo aí embaixo. É uma palestra do Mitchel Resnick, professor do MIT, durante o Transformar 2014, com o tema: “Aprender a programar, programar para aprender”.
Para desenvolver a habilidade de programação você tem que treinar diariamente. Leia manuais, assista tutoriais no YouTube, ajude pessoas no GitHub, tente resolver problemas manuais com programação. Pratique muito!
2. Modelagem estatística
Aprender a modelagem estatística é ser capaz de representar a realidade de forma simplificada. Que empresa não gostaria de ter em suas mãos um modelo que fosse capaz de representar de maneira fidedigna um evento de interesse? Empresas querem prever orçamentos, investimentos, lucros e perdas. Bancos almejam modelos cada vez mais capazes de segmentar clientes para que os produtos sejam oferecidos conforme o público. Hospitais querem modelos que preveem os custos hospitalares.
Resumindo, as empresas não querem mais apenas analisar dados do passado. Elas querem antecipar o futuro para que ele possa ser alterado. O que podemos fazer antes que algo aconteça?
Para desenvolver a habilidade de modelagem estatística participe de equipes e projetos que pedem essa prática. Construir e testar modelos ainda é a melhor forma de aprender. Se você não tiver essa oportunidade no momento, recomendo o estudo de livros (bibliografia no final do texto) e de artigos com aplicação de modelagem.
Se você ainda não acredita que esta habilidade é importante, consulta as vagas disponíveis no grupo “” do Facebook, e veja quantas vezes essa habilidade é requisitada.
3. Visualização de dados
O conteúdo visual é um forte aliado para demonstrar resultados. Ajuda a entender de forma mais dinâmica as estratégias de um negócio e define uma tomada de decisão. Essa é uma prática que vem sendo adotada constantemente por meios de comunicação em massa e apresentada cada vez mais, em reuniões dentro das empresas.
A visualização de dados permitirá que você transmita informações impactantes por meio de visualizações expressivas, onde milhões de linhas são representadas por gráficos, imagens e quadros. Essa é a linguagem que o mercado entende.
Se essa é uma das habilidades que você pretende desenvolver em 2017, comece experimentando colocar os resultados de suas análises em gráficos e compartilhe com seus amigos. Em um segundo momento, explique o que os dados querem dizer, e pergunte aos ouvintes se você conseguiu passar a mensagem. Esse é um ótimo exercício.
4. Desenvolvimento de negócios
Se você não conhece o negócio que você trabalha, então todo o seu trabalho pode estar comprometido. Ao contrário do que muita gente pensa, nós não somos pagos apenas para “fazer contas” e escrever alguns códigos estranhos no computador. Todas as suas atividades e o sucesso delas depende do quanto você conhece do seu mercado; do seu negócio.
Eu particularmente, tive que aprender muita coisa no ramo da saúde; de operadoras de planos de saúde até hospitais, passando por clínicas e laboratórios. Você pode até achar estranho no começo. Mas como você pretende interpretar um resultado da sua análise se não sabe o que ele significa em termos de negócios?
Minha dica para refinar essa habilidade é: participe de projetos de outras áreas na empresa que você trabalha. Sempre busque obter a visão sistêmica. O conhecimento do negócio trará novos insights para suas análises.
5. Comunicação
A comunicação é sempre um fator crítico para a maioria dos estatísticos e profissionais da área de exatas. No entanto, é muito importante que você se comunique de forma concisa, clara e precisa. Na maioria dos casos, os resultados de suas análises serão utilizados para tomada de decisão, então é muito importante que você minimize os ruídos e faça a mensagem chegar ao seu cliente de forma eficiente.
Eu sei que para você essa pode ser a habilidade mais difícil, e por isso precisa ser desenvolvida. “Quebre o gelo” e peça para apresentar alguns trabalhos. Faça isso com frequência e a prática será incumbida de dar o background que você precisa.
Bom pessoal, essas são as 5 habilidades que eu selecionei para você fazer a sua promessa de final de ano, e vir com tudo em 2017.
Lembre-se: todas elas são importantes, mas você não precisa aprender tudo de uma vez.
Por hoje é só! Um abraço e até semana que vem.
Amplie seu conhecimento
Camargos, Lucas (2016, 13, dezembro). Dragões de garagem #93 – Linguagens de programação (podcast). Recuperado de http://dragoesdegaragem.com/podcast/dragoes-de-garagem/dragoes-de-garagem-93-linguagens-de-programacao/
Graybill, F. A. “Theory and application of the linear model”. 1976.
Porvir Educação. (2014, setembro 12). Transformar 2014 – Palestra Mitchel Resnick . Assistido em
Zanelato, Jessi; Eliza, Ana (2016, 11, julho). PodProgramar 1 – Como nos tornamos programadoras (podcast). Recuperado de https://mundopodcast.com.br/podprogramar/1-programadoras/
Zanelato, Jessi; Eliza, Ana (2016, 10, agosto). PodProgramar 2 – Primeiros passos para programar (podcast). Recuperado de https://mundopodcast.com.br/podprogramar/2-primeiros-passos-programar/
Zanelato, Jessi; Eliza, Ana (2016, 10, setembro). PodProgramar 3 – Linguagens de programação (podcast). Recuperado de https://mundopodcast.com.br/podprogramar/3-linguagens-de-programacao-1/
Material usado
Homem na luneta: http://bit.ly/2gykw7h
Siga-nos nas redes sociais
Facebook: https://www.facebook.com/oestatistico
Twitter:
Instagram:
Pinterest:
