Hoje, toda organização precisa de um um time de dados, isso é fato. Se a escolha é construir em casa ou contratar uma empresa para tratar de suas demandas é uma questão de estratégia. A contratação de times externos, como o Data Lab da Valorian, é cada vez mais comum pela dificuldade de encontrar esses profissionais no mercado, dificuldade de entrosamento e das diferentes experiências que cada um dos papéis precisam ter para cada tipo de projeto que sua organização precisa desenvolver. Ainda, sabemos que a área de dados, incluíndo Data Science, Inteligência Artificial e Machine Learning além de serem relativamente novas elas estão evoluindo com rapidez, isso aumentam as chances de se escolher pessoas erradas para os papéis errados.
Aqui na Valorian nosso time tem os seguintes papéis:
Engenheiro de software (Software Engineer) – Começamos nossa lista com um papel central na área de tecnologia atual, porém negligenciado por muitas empresas que “trabalham com projetos de dados”. Um dos maiores erros em qualquer projeto de dados é esquecer que quem usará os resultados gerados pelo time de dados são, na maior parte do tempo, seres humanos. Um dos relatos mais comuns das empresas que foram mal sucedidas na implantação de projeto de dados é que no fim ficaram com arquivos CSV gigantes, Planilhas Eletrônicas inúteis ou, pior, formulas matemáticas complexas que deveriam resolver seus problemas. O papel do time de software é disponibilizar ao usuário comum os dados ou modelos de uma forma útil ao usuário que irá utilizá-lo, seja como Aplicativo Mobile, Aplicação Web ou um simples campo no ERP do cliente.
Cientista de Dados (Data Scientist)– Aqui temos outro grande equívoco quando quando as empresas criam times de dados, a contratação de estatísticos, principalmente acadêmicos, para trabalhar nesse papel. O termo cientista leva a toda essa confusão. Na Valorian o Cientista de Dados é responsável por mapear, entender e criar um plano de solução para problemas de negócio que nosso cliente têm. É uma pessoa Sênior que lidera o time de dados e mantém todos focados no problema a ser resolvido, no que é necessário para entregar valor ao cliente. Precisa ser uma pessoa com vivência em negócios, capaz de falar com executivos e traduzir sua língua para o time técnico. Além disso, uma pessoa que seja capaz de formular hipóteses e confirmá-las ou refutá-las com o uso de dados, daí o nome cientista. O pior é que vemos muitos profissionais de BI, de visualização de dados, estatísticos e acadêmicos, muitas vezes jovens e sem experiência consolidada em negócio, condenando grandes e promissores projetos de dados.
Engenheiro de Dados (Data Engineer) – Também chamado de Engenheiro de Big Data, esse é um papel técnico que tem por objetivo criar os mecanismos mais seguros e eficientes para que o projeto de dados tenha sempre a mão os dados necessários para se trabalhar. Ele será responsável por mapear as fontes de dados da empresa como planilhas, documentos, imagens, banco de dados, data warehouses, dentre outros, e criar caminhos, integrações e locais que tornem o trabalho com esses dados fácil e eficiente. Um alerta que fazemos é que é imprescindível para esse papel entender sobre LGPD para garantir a governança no acesso aos dados.
Engenheiro de Aprendizagem de Máquina (Machine Learning Engineer) – O engenheiro de aprendizado de máquina é o responsável pela a escolha das técnicas que serão usadas para resolver os problemas mapeados pelo cientista de dados. Além disso, treinará e refinará esses modelos até estarem aptos para produção. É um papel que exige profissionais experientes e que saibam trabalhar com diversos tipos de modelos de aprendizagem diferentes. Normalmente ele tem um time subordinado com especialistas em diversas áreas do aprendizado de máquina como Visão Computacional, Entendimento de Linguagem Natural, Análise de Séries Temporais, etc…
Engenheiro de Inteligência Artificial – Esse é um papel que é muito negligenciado por organizações menores ou que não são da área de tecnologia. Sem sombra de dúvidas o aprendizado de máquina (Machine Learning) é a área da Inteligência Artificial mais popular de todas, porém é apenas um pequeno pedaço de toda a I.A. Para se trabalhar com projetos que envolvam Inteligência Artificial (incluindo ou não Machine Learning) é imprescindível ter no time alguém que enderece as técnicas certas para cada tipo de problema. Por exemplo, os carros da Tesla usam muitas técnicas de Machine Learning combinadas, porém ele é na verdade um Agente Inteligente, uma das grandes áreas da IA. Aqui vale o ditado, “Para quem só sabe usar martelo, tudo vira prego!“.
Áreas da Inteligência Artificial
Engenheiro de Automação de Processos (Process Automation Engineer) – Também conhecido como Robotic Process Automation, está presente e é muito necessário em vários times de dados. É um dos responsáveis por implementar os Agentes Inteligentes que usarão os modelos de Machine Learning desenvolvidos e treinados pelo Engenheiro de ML garantindo sua relação com o mundo exterior.
Gerente de Produto de Dados/Inteligência Artificial (AI Product Manager ou AI Product Owner ) – User Centric, o mundo está centrado no usuário, e é assim que deve ser. Enquanto o Cientista de Dados é o responsável por garantir que os objetivos de negócio estejam sempre em foco enquanto o time técnico se diverte com os algoritmos complexos, o A.I. PM garantirá que ele sirva de forma devida aos interesses do usuário que terá que lidar com ele no dia a dia. Normalmente é a ponte entre o time de IA e o time de Software. É extremamente desejável que esse PM tenha experiência em projetos de I.A., pois seu ciclo de vida e complexidade são muito diferentes dos projetos de Software.
Executivo de Inteligência Artificial – Podendo ter vários outros nomes como Chief Artificial Intelligence Officer, Head de Inteligência Artificial, Head de Machine Learning, etc… Esse profissional tem por responsabilidade pensar a Inteligência Artificial como recurso estratégico e de sobrevivência da organização. Deve entender profundamente de I.A., de negócios e de gestão; estar atualizado sobre o estado da arte da I.A. e estabelecer que áreas da I.A. devem ser desenvolvidas prioritariamente em sua organização para, no mínimo, manter sua competitividade.
Existem muitos outros papéis que estão presentes em projetos com objetivos específicos, como por exemplo o Cientista de I.A. para projetos de P&D, porém o principal ponto é: Conte com alguém experiente na hora de montar seu time para um projetos de dados. Alguém que entenda que papéis poderão atingir os objetivos que sua organização pretende.
