Progressão na carreira em ciência de dados

A 89ª edição do Nubank Data Science and Machine Learning Meetup focou na progressão de carreiras em Data Science. 

Este evento significativo marcou o primeiro encontro presencial desde o início da pandemia de COVID-19 em 2020, reunindo uma audiência híbrida tanto no escritório quanto remotamente via Zoom. 

Momentos como este nos aproximam de reinventar uma das maiores indústrias do mundo e construir o futuro roxo. Continue lendo este artigo para aprender os principais pontos e insights da sessão.

Desafios e habilidades para profissionais juniores e de nível intermediário 

Diferentemente das edições anteriores, este meetup foi dedicado a discutir a progressão do nível júnior para sênior e além, a partir de uma perspectiva de Data Science. 

A jornada de profissionais de nível júnior para sénior em Data Science é sobre crescimento, tanto técnico quanto pessoal. No nível júnior, o principal desafio é aprender a traduzir problemas de negócios em problemas de Data Science. Essa habilidade, embora difícil no início, torna-se mais intuitiva com a experiência.

À medida que os profissionais avançam para papéis de nível intermediário, eles precisam aprofundar sua compreensão dos algoritmos e aprimorar sua capacidade de comunicação eficaz com as partes interessadas do negócio. Isso significa não apenas dominar os aspectos técnicos, mas também ser capaz de identificar questões-chave e métricas que impulsionarão o sucesso de projetos que estão envolvidos.

Outro aspecto crucial nesses estágios é o feedback regular e construtivo. Isso ajuda os indivíduos a entender seus pontos fortes e áreas de melhoria. Mas, claro, é essencial ser proativo em buscar feedback e usá-lo para crescer. No Nubank estabelecemos o feedback como um presente, fazendo parte da nossa cultura colaborativa e co-construtiva a partir de times compostos por diferentes expertises e funções.

Outras áreas que devem receber atenção durante a etapa de desenvolvimento de carreira são eficiência e impacto. No início da carreira, cientistas de dados devem se concentrar em construir habilidades técnicas sólidas. À medida que progridem, a capacidade de entregar soluções impactantes de forma eficiente torna-se cada vez mais importante.

Conselhos para  cientistas de dados no início da carreira

Para as pessoas que estão começando em Ciência de Dados, existem várias habilidades fundamentais nas quais se concentrar. A proficiência em linguagens de programação, especialmente Python, é altamente recomendada devido à sua versatilidade e extensas bibliotecas, ou R, devido ao seu forte foco em análise estatística, é essencial. 

Além disso, uma compreensão sólida de análise de dados e visualização de dados fornecerá uma base forte para tópicos mais avançados. 

Construir um portfólio diversificado também é crucial. Envolver-se em uma variedade de projetos pode ajudar a demonstrar uma ampla gama de habilidades e interesses, tornando mais fácil a sua curva de aprendizado em ambientes dinâmicos e com alto volume de informações.

Networking e encontrar mentores podem fornecer orientação e suporte inestimáveis para sua trajetória profissional, facilitando mais aprendizado de temas que ainda não foram explorados e trabalhados. Além disso, estabelecer conexões com profissionais experientes na área pode abrir portas para novas oportunidades de carreira.

Transição para papéis de liderança

No Nubank, a transição de um papel sênior para uma posição de liderança envolve fazer uma escolha significativa: seguir o caminho de gestão ou permanecer como contribuidor individual. Cada caminho tem seus desafios e recompensas que são únicas. 

Para aqueles que escolhem a gestão, o papel requer uma percepção ampla e a capacidade de gerenciar múltiplos projetos simultaneamente. Esse caminho é ideal para quem gosta de ajudar os outros a crescer e ter sucesso em ambientes dinâmicos e multifuncionais. A liderança também envolve desenvolver fortes habilidades de comunicação, especialmente ao interagir com diferentes stakeholders e lideranças executivas. 

É essencial traduzir detalhes técnicos em resultados de negócios e articular como os projetos de Data Science contribuem para os objetivos da empresa. Isso ajuda a ganhar apoio executivo e garante que as iniciativas de Data Science estejam alinhadas com as estratégias de negócios mais amplas, não só de uma unidade mas de todo um ecossistema. 

Por outro lado, permanecer no caminho técnico permite mergulhar profundamente em problemas mais complexos e aperfeiçoar habilidades técnicas avançadas, mantendo-se na vanguarda das inovações tecnológicas. Essa trilha oferece a oportunidade de trabalhar ao lado de outros especialistas altamente qualificados, fomentando um ambiente colaborativo repleto de intercâmbio de conhecimento.

Independentemente da escolha, no Nu sempre há espaço para aqueles que querem construir o futuro roxo. Só é preciso ter em mente que, para isso, será necessário reinventar e fazer história colocando o cliente no centro. Criar espaços, derrubar barreiras e assumir responsabilidades, como verdadeiros donos do negócio. Isso é trabalhar no Nu!