wiki

Cientista de Dados: mudanças entre as edições

← Edição anterior
 
(27 revisões intermediárias por 3 usuários não estão sendo mostradas)
Linha 1: Linha 1:
= Evolução na profissão =
= Evolução na profissão =
Destacar os passos na vida do profissional até chegar onde está. Começando eventualmente por estágio ou curso técnico, explicando os cursos, certificações ou áreas de trabalho ao longo da carreira. As promoções de cargo até a atual função.
* Curso de informática básica (word, excel, power point) - ICASU
* Curso de montagem manutenção e configuração de
computadores e redes - PRODUTEC
* Curso técnico em informática - Escola Agrotécnica - IFTM
* Sistemas de Informação - UNIUBE
* Estágio em desenvolvimento Delphi - Sankya
*Ciência da Computação - UFU
* Estágio em manutenção de computadores - UFU
* Curso técnico em música - Conservatório Estadual
* Iniciação científica - UFU - Marcelo Maia
* Estágio em desenvolvimento web PHP - UFU
* Mestrado em mineração de dados aplicada à engenharia de software - UFU - Marcelo Maia
* Analista de BI (Business Intelligence) Junior - Algar Telecom
* Analista de Dados DW (Data Warehouse)
* Analista de DBM (Data Base Marketing)
* Cientista de Dados
* Engenheiro de Dados
* Líder Cientista de Dados Pleno
* ChatBot Designer
* Agile Coach
 
<br>
<br>


= Descrição da atividade atual =  
= Descrição da atividade atual =  
Descrever o dia-a-dia do profissional. Funções, responsabilidades e atividades assumidas pelo profissional.
* Analista de Dados
* Engenheiro de Dados
* Cientista de Dados
 
<br>
<br>


= Requisitos mínimos para exercer a profissão =
= Requisitos mínimos para exercer a profissão =
- curso técnico, superior ou habilidade necessária para a função que exerce
Conhecimentos:
- Conhecimentos básicos necessários para sua atuação, não só técnicos mas também comportamentais.
*Inglês
* Lógica
* Estrutura de Dados: Lista, Matriz, Tabelas
* Teoria de Conjuntos: Interseção, União
* Estatística descritiva e probabilidade: Comparação de percentuais,
frequência, probabilidade, confiança.
* Conhecimento do negócio e do problema a ser resolvido
 
Habilidades:
* SQL
* Programação: Python, R, Knime
*  Modelagem de dados em bancos relacionais: DER(Diagrama Entidade e
Relacionamento)
* Plotagem de gráficos e dashboards: Spotifre, Tableau, Qlik, Google Data
Studio
 
Atitudes:
* Autodidata: Ler documentação de API, Bancos de Dados e Ferramentas.
* Pensamento crítico: Fazer as perguntas certas com base nos dados.
* Criatividade: Propor novos métodos para resolver os problemas de análise.
* Perseverança: Não desistir no primeiro modelo.
* Colaboração: Compartilhar resultados, positivos e negativos.
* Documentação: Documentar processos de ETL e Modelagem.
 
 
<br>
<br>


= Ferramentas usadas no dia-a-dia =
= Ferramentas usadas no dia-a-dia =
- Softwares ou recursos físicos obrigatórios ou necessários para que o profissional possa exercer sua atividade.
* Knime
* Google Data Studio
* Jupyter
* Linguagens de programação : Python , R
* SQL
<br>
<br>


= Tecnologias envolvidas =
= Tecnologias envolvidas =
 
* Big Data
Conhecimento técnico e científico aplicado na atividade profissional utilizando ferramentas, processos e recursos físicos.
* Cloud
Neste caso, escolher uma tecnologia e aprofundar a ponto de poder discutir em sala de aula
* Iot
Exemplos:
* SO, Banco de Dados, Linguagens, Metodologia ágil para o Engenheiro de Software
* Redes de Computadores, Roteamento, sistemas de comunicação e comutação para o Analista de Redes
* Criptografia, Certificação Digital, Banco de Dados, Ambiente Web para Analistas de Segurança
* Banco de Dados, Normalização, Tuning, redundância para o DBA
* E assim por diante ....
<br>
<br>


= Ética profissional =
= Ética profissional =
- Apontar qualquer situação em que é necessário ética. Seja alguma situação vivida pelo profissional ou que ele tenha tido conhecimento. Importante ressaltar o comportamento adequado do profissional dentro de uma empresa ou de um negócio.
* Segurança da Informação.
- Caso o profissional não sugira nada, a equipe deverá pesquisar e discutir algum caso
* Não forçar resultados.
- Os casos, tanto podem tratar de comportamentos éticos positivos quanto de situações onde a ética tenha sido desvirtuada.
* Transparências nos métodos de análise.
* Admitir e aprender com os seus erros e de terceiros
<br>
<br>


= Exemplo de resultado tangível =
= Exemplo de resultado tangível =
- Citar um exemplo de algum resultado real produzido pelo profissional. Aqui pode ser o exemplo de um equipamento, de um sistema embarcado, de um sistema web ou mobile, de um projeto ou documento que retrate a contribuição do convidado no negócio onde ele atua.
Recomendação de produtos para empresas : SmartFiPro
<br>
<br>


= Upload da apresentação =
= Upload da apresentação =
- Colocar aqui o link ou o arquivo da apresentação
https://drive.google.com/open?id=1Fjm_fIbpl-f_zPWl3lqvpyaQqnSMlMm5
<br>
<br>


Linha 46: Linha 92:


* 01. O que é BigData?  
* 01. O que é BigData?  
**
**É um termo que descreve o enorme volume de dados que sobrecarrega as empresas diariamente e que precisam ser processador e armazenados.
<br>
<br>


* 02. O que são Dashboards? Para que servem? Cite um exemplo de Tomada de Decisão baseado num deles.
* 02. O que são Dashboards? Para que servem? Cite um exemplo de Tomada de Decisão baseado num deles.
**  
** Dashboards são painéis feitos por um cientista ou analista de dados utilizados para apresentar os resultados da coleta, limpeza, transformação e análise de dados ao cliente. É muito comum utilizar gráficos nas dashboards pois facilita o entendimento do resultado apresentado. Existem vários tipos de dashboards, todos com suas características específicas e um cientista de dados pode escolher entre um Dashboard Analítico, que permitem que as empresas tenham uma visão granular de seus dados para descobrir padrões e tendências específicas, e um Dashboard Estratégico, que gerenciam atividades de nível superior, mostrando informações importantes sobre o desempenho geral de um negócio e oportunidades.
<br>
<br>


* 03. Qual a característica da Linguagem R? É procedimental, lógica, funcional? Mais interessante que o Python?
* 03. Qual a característica da Linguagem R? É procedimental, lógica, funcional? Mais interessante que o Python?
**  
** o R também apresenta uma série de recursos para plotagem de gráficos, como personalização de: cor, tipo e tamanho de letra, símbolos, títulos e subtítulos, pontos, linhas, legendas, planos de fundo e muito mais. É uma linguagem orientada a objeto. R e Python são duas tecnologias interessantes, é difícil determinar qual é mais interessante visto que ambas possuem características úteis para determinados problemas.
<br>
<br>


* 04. O que faz o Analista de DBM?
* 04. O que faz o Analista de DBM?
**  
** Realiza a gestão do DBM da companhia junto ao fornecedor contratado, acompanhando de perto as melhorias e as alterações. Entende as regras de negócio da empresa e replica os conhecimentos na estrutura do DBM (Database Marketing). Implementa e acompanha métricas de negócios e realizar melhorias nas bases de dados e nos processos da área de DBM. Atua com a criação e gestão de mailings extraídos da base para suporte nas ações mercadológicas. Elabora apresentações sobre conclusões das análises descritivas.
<br>
<br>


* 05. Qual a diferença entre DataWarehouse e Data Mining?
* 05. Qual a diferença entre DataWarehouse e Data Mining?
**  
** DataWarehouse é uma coleção de dados, orientados por assunto, integrados, variáveis com o tempo e não voláteis, para dar suporte ao processo de tomada de decisão. Data Mining é um conjunto de técnicas de estatística e inteligência artificial aplicadas à análise de grandes volumes de dados, para dar subsídio nas tomadas de decisão.
<br>
<br>


* 06. Como funciona o ETL? Dê um exemplo de utilização prática.
* 06. Como funciona o ETL? Dê um exemplo de utilização prática.
**  
** ETL: Extract, Transform, Load. É o processo de extrair dados de diversas fontes transformando os no formato necessário para gravar em uma base de destino que poderá ser usada para gerar relatórios e análises preditivas.
*** Extract : Extrair dados de sistemas da empresa: Vendas, Estoque, Financeiro.
*** Transform: Transformar os tipos de dados dos sistemas, padronizando os tipos de colunas nas tabelas.
*** Load: Inserir os dados transformados nas tabelas do banco de destino: DW - Data Warehouse
<br>
<br>


* 07. Para que serve um CahtBot?
* 07. Para que serve um ChatBot?
**  
** Um ChatBot serve pra sanar dúvidas comuns entre os usúarios de algum site e podem evoluir conforme mais dúvidas vão aparecendo, utilizando machine learning.
<br>
<br>


* 08. O que é DataLake?
* 08. O que é DataLake?
**
**DataLake é basicamente um repositório de armazenamento dos dados conhecidos como "BigData". Eles são depositados ali ainda em estado bruto, sem o processamento e análise e até mesmo sem uma governança. A ideia é manter na organização dados que podem ser estrategicamente úteis, mesmo que eles, na realidade, não sejam requeridos em nenhum momento posterior. O data lake seria o local de armazenamento dessas informações.
<br>
<br>


* 09. O que significa "Ser Ágil"?
* 09. O que significa "Ser Ágil"?
**
**Ser ágil significa realizar entregas de valor para o cliente de forma organizada e com qualidade.
<br>
<br>

Edição atual tal como às 20h08min de 19 de agosto de 2021

Evolução na profissão

  • Curso de informática básica (word, excel, power point) - ICASU
  • Curso de montagem manutenção e configuração de

computadores e redes - PRODUTEC

  • Curso técnico em informática - Escola Agrotécnica - IFTM
  • Sistemas de Informação - UNIUBE
  • Estágio em desenvolvimento Delphi - Sankya
  • Ciência da Computação - UFU
  • Estágio em manutenção de computadores - UFU
  • Curso técnico em música - Conservatório Estadual
  • Iniciação científica - UFU - Marcelo Maia
  • Estágio em desenvolvimento web PHP - UFU
  • Mestrado em mineração de dados aplicada à engenharia de software - UFU - Marcelo Maia
  • Analista de BI (Business Intelligence) Junior - Algar Telecom
  • Analista de Dados DW (Data Warehouse)
  • Analista de DBM (Data Base Marketing)
  • Cientista de Dados
  • Engenheiro de Dados
  • Líder Cientista de Dados Pleno
  • ChatBot Designer
  • Agile Coach


Descrição da atividade atual

  • Analista de Dados
  • Engenheiro de Dados
  • Cientista de Dados


Requisitos mínimos para exercer a profissão

Conhecimentos:

  • Inglês
  • Lógica
  • Estrutura de Dados: Lista, Matriz, Tabelas
  • Teoria de Conjuntos: Interseção, União
  • Estatística descritiva e probabilidade: Comparação de percentuais,

frequência, probabilidade, confiança.

  • Conhecimento do negócio e do problema a ser resolvido

Habilidades:

  • SQL
  • Programação: Python, R, Knime
  • Modelagem de dados em bancos relacionais: DER(Diagrama Entidade e

Relacionamento)

  • Plotagem de gráficos e dashboards: Spotifre, Tableau, Qlik, Google Data

Studio

Atitudes:

  • Autodidata: Ler documentação de API, Bancos de Dados e Ferramentas.
  • Pensamento crítico: Fazer as perguntas certas com base nos dados.
  • Criatividade: Propor novos métodos para resolver os problemas de análise.
  • Perseverança: Não desistir no primeiro modelo.
  • Colaboração: Compartilhar resultados, positivos e negativos.
  • Documentação: Documentar processos de ETL e Modelagem.



Ferramentas usadas no dia-a-dia

  • Knime
  • Google Data Studio
  • Jupyter
  • Linguagens de programação : Python , R
  • SQL


Tecnologias envolvidas

  • Big Data
  • Cloud
  • Iot


Ética profissional

  • Segurança da Informação.
  • Não forçar resultados.
  • Transparências nos métodos de análise.
  • Admitir e aprender com os seus erros e de terceiros


Exemplo de resultado tangível

Recomendação de produtos para empresas : SmartFiPro

Upload da apresentação

https://drive.google.com/open?id=1Fjm_fIbpl-f_zPWl3lqvpyaQqnSMlMm5

Dúvidas


  • 01. O que é BigData?
    • É um termo que descreve o enorme volume de dados que sobrecarrega as empresas diariamente e que precisam ser processador e armazenados.


  • 02. O que são Dashboards? Para que servem? Cite um exemplo de Tomada de Decisão baseado num deles.
    • Dashboards são painéis feitos por um cientista ou analista de dados utilizados para apresentar os resultados da coleta, limpeza, transformação e análise de dados ao cliente. É muito comum utilizar gráficos nas dashboards pois facilita o entendimento do resultado apresentado. Existem vários tipos de dashboards, todos com suas características específicas e um cientista de dados pode escolher entre um Dashboard Analítico, que permitem que as empresas tenham uma visão granular de seus dados para descobrir padrões e tendências específicas, e um Dashboard Estratégico, que gerenciam atividades de nível superior, mostrando informações importantes sobre o desempenho geral de um negócio e oportunidades.


  • 03. Qual a característica da Linguagem R? É procedimental, lógica, funcional? Mais interessante que o Python?
    • o R também apresenta uma série de recursos para plotagem de gráficos, como personalização de: cor, tipo e tamanho de letra, símbolos, títulos e subtítulos, pontos, linhas, legendas, planos de fundo e muito mais. É uma linguagem orientada a objeto. R e Python são duas tecnologias interessantes, é difícil determinar qual é mais interessante visto que ambas possuem características úteis para determinados problemas.


  • 04. O que faz o Analista de DBM?
    • Realiza a gestão do DBM da companhia junto ao fornecedor contratado, acompanhando de perto as melhorias e as alterações. Entende as regras de negócio da empresa e replica os conhecimentos na estrutura do DBM (Database Marketing). Implementa e acompanha métricas de negócios e realizar melhorias nas bases de dados e nos processos da área de DBM. Atua com a criação e gestão de mailings extraídos da base para suporte nas ações mercadológicas. Elabora apresentações sobre conclusões das análises descritivas.


  • 05. Qual a diferença entre DataWarehouse e Data Mining?
    • DataWarehouse é uma coleção de dados, orientados por assunto, integrados, variáveis com o tempo e não voláteis, para dar suporte ao processo de tomada de decisão. Data Mining é um conjunto de técnicas de estatística e inteligência artificial aplicadas à análise de grandes volumes de dados, para dar subsídio nas tomadas de decisão.


  • 06. Como funciona o ETL? Dê um exemplo de utilização prática.
    • ETL: Extract, Transform, Load. É o processo de extrair dados de diversas fontes transformando os no formato necessário para gravar em uma base de destino que poderá ser usada para gerar relatórios e análises preditivas.
      • Extract : Extrair dados de sistemas da empresa: Vendas, Estoque, Financeiro.
      • Transform: Transformar os tipos de dados dos sistemas, padronizando os tipos de colunas nas tabelas.
      • Load: Inserir os dados transformados nas tabelas do banco de destino: DW - Data Warehouse


  • 07. Para que serve um ChatBot?
    • Um ChatBot serve pra sanar dúvidas comuns entre os usúarios de algum site e podem evoluir conforme mais dúvidas vão aparecendo, utilizando machine learning.


  • 08. O que é DataLake?
    • DataLake é basicamente um repositório de armazenamento dos dados conhecidos como "BigData". Eles são depositados ali ainda em estado bruto, sem o processamento e análise e até mesmo sem uma governança. A ideia é manter na organização dados que podem ser estrategicamente úteis, mesmo que eles, na realidade, não sejam requeridos em nenhum momento posterior. O data lake seria o local de armazenamento dessas informações.


  • 09. O que significa "Ser Ágil"?
    • Ser ágil significa realizar entregas de valor para o cliente de forma organizada e com qualidade.


Disponível em “http://3.143.69.156/wiki/index.php?title=Cientista_de_Dados&oldid=83928”