Como Se Tornar um Analista de Dados

Um belo dia você decide que quer ser um(a) analista ou cientista de dados, por onde começar? Confira aqui 5 dicas importantes que podem te ajudar nesta jornada!


Um belo dia você decide que quer ser um(a) analista ou cientista de dados, por onde começar? Você com certeza vai precisar dominar habilidades importantes para chegar no seu objetivo, mas quais são essas habilidades? Na minha percepção, ao invés de tentar aprender um checklist de habilidades e ferramentas, o melhor é se empenhar em algum projeto que resolva um problema real, de preferência em uma área que você tenha interesse, e naturalmente, você vai adquirir os conhecimentos necessários.

Talvez você já leu uma dúzia de artigos sobre como se tornar um profissional que trabalha com análise de dados e percebeu que a maioria deles tinha sugestões pouco práticas do tipo “saiba Álgebra Linear, Estatística e Inteligência Computacional”, isso por que é comum as pessoas que possuem muita experiência em determinada área pensarem que o que alguém precisa aprender é o que elas já sabem, usam todos os dias, mas levaram anos para se tornarem bons de fato. Esse definitivamente não é o meu caso, já que eu acabei de iniciar a minha carreira como Analista de Dados, no momento em que escrevo este artigo.

Meu objetivo com este artigo é apresentar uma ideia geral de quais passos podem te ajudar nessa jornada.

 

1. Questione

O cerne da ciência de dados é responder perguntas, os questionamentos podem variar de “posso prever a probabilidade de um time ganhar uma partida?” até “qual a porcentagem de brasileiros que têm acesso a educação pública?” e por aí vai, estes são só alguns exemplos, quanto mais interessante são as perguntas que você responde, mais valor o seu projeto entrega.

Para exercitar este pensamento analítico você pode começar a ler artigos que realizam análises de dados e observar quais perguntas são respondidas, além disso, alguns artigos como esse aqui, te possibilitam baixar os dados e até disponibilizam o código usado na análise. Você também pode buscar datasets gratuitos com diversas temáticas, alguns muito populares são disponibilizados no kaggle e reddit.

Com os dados que você tem disponível passe a questionar o que pode ser extraído de relevante dali, e para responder essas perguntas nós iremos precisar dos dados, é claro, mas também de algo a mais, o que nos leva ao próximo passo.

 

2. Escolha uma linguagem

Analistas de dados constantemente respondem perguntas usando modelos matemáticos e ferramentas estatísticas. O ponto chave aqui não é focar nas ferramentas mas em aprender o suficiente para começar um projeto, aprender os conceitos é mais importante do que aprender sintaxes, mas você vai precisar escolher uma linguagem de programação que tenha afinidade e te dê um bom suporte para implementar as suas análises, as mais utilizadas nessa área são R e Python.

Python é uma linguagem muito recomendada para iniciantes, além disso te permite implementar técnicas complexas de data science e também de extração de dados. O intuito aqui não é te indicar nenhum curso, mas se necessário você irá encontrar com facilidade tutoriais e cursos na internet para aprender como realizar análises de dados utilizando a linguagem.

 

3. Construa um projeto

Depois de ter buscado o dataset do seu interesse, formulado suas perguntas e escolhido a linguagem que irá te fornecer boas ferramentas, é hora de construir o seu próprio projeto. Não foque inicialmente em algo extremamente complexo, todo mundo começou de algum lugar, mesmo se sentir que o que você está fazendo não é super impressionante siga o seu caminho, o importante é o aprendizado.

Lembre-se também que boa parte do seu trabalho pode ser gasto na uniformização e preparação dos dados, tipicamente você precisará extrair dados de uma ou mais fontes distintas e normalizar estes dados de forma que eles estejam prontos para uso, o que pode ser considerado uma tarefa chata por muitos, mas encare como um desafio e divirta-se no processo.

Uma boa base de conhecimentos estatísticos será fundamental para guiar as suas análises e explorações e te ajudará a entender melhor como são os dados que você está trabalhando. Além disso, conhecer sobre estatística também irá ajudar a validar suas análises. Reserve um tempo para estudo das técnicas mais comuns que você encontrou na leitura dos artigos, citada no passo 1.

Construir um projeto, irá te ajudar a exercer na prática as habilidades necessárias para trabalhar no dia a dia futuramente, além disso você ainda possuirá um portfólio para mostrar a potenciais empregadores, o que nos leva ao quarto passo.

 

4. Compartilhe seus projetos

Uma vez que você tenha trabalhado em alguns projetos de análise de dados é uma boa ideia compartilhar isso, uma ótima ferramenta é o GitHub. Compartilhar os seus projetos é uma boa prática porque te força a pensar em como apresentá-los da melhor maneira, além de poder receber comentários sobre como melhorá-los.

Para uma boa apresentação do projeto devemos focar na forma como os dados são visualizados, isso torna as tendências e relações muito mais fáceis de entender, além do mais, nós somos criaturas visuais, a maioria das pessoas não vai conseguir abstrair informações simplesmente olhando uma tabela gigante de números. Como analista você deve ser capaz de criar gráficos que ajudem as pessoas a entender e visualizar as informações geradas pelos dados.

Além disso, a escrita é sem sombra de dúvidas uma habilidade que você irá utilizar ao descrever as suas análises, usar uma linguagem clara, direta e de fácil entendimento é essencial. Lembre-se que as melhores habilidades analíticas do mundo não valem muito se você não consegue explicar o que significam e convencer o mundo sobre as suas descobertas.

 

5. Expanda seus horizontes

Continue sempre estudando, o conselho mais clichê de todos, mas é verdade. As empresas querem contratar cientistas e analistas de dados que façam descobertas críticas sobre o negócio, aquelas que permitem uma economia considerável de custos e que deixam os clientes satisfeitos. Faça sempre um avanço nos seus questionamentos, respondendo perguntas cada vez mais complexas. Se você olhar para os seus projetos de dois meses atrás e não sentir uma pontada de vergonha em alguma coisa que deixou pra trás, provavelmente você não está se esforçando o bastante.

Aqui vão algumas sugestões para você continuar aprendendo coisas novas com seus projeto: tente trabalhar com um dataset ainda maior do que os que você já esteja acostumado, comece um projeto que necessite de um conhecimento além do que você já possui, tente otimizar algum dos seus projetos para que ele fique mais rápido, veja se você consegue ensinar algo novo para outra pessoa a partir do projeto que você fez.

 

6. Você consegue

Pode parecer cansativo à primeira vista, seguir todos esses passos, mas a chave para conseguir é estar motivado e gostar do que faz. Se você estiver constantemente trabalhando em projetos e compartilhando-os, tenho certeza que você irá construir as habilidades que precisa para conseguir se tornar um analista de dados. O objetivo aqui não foi fornecer um roadmap exato com os assuntos que você deve saber, mas se você seguir estes passos e continuar se esforçando, chegará mais longe do que imagina.

Desejo boas energias a todos que estejam nesta caminhada e nos vemos em um próximo artigo!

 

Se Inscreva Na Nossa Newsletter Tenha Acesso Aos Melhores Artigos