Conte um pouco de você, onde mora, família, estudos, etc.
Meu nome é Luciana, embora tenha nascido e more agora em Belo Horizonte, fui criada em Fortaleza e em Salvador. Sou casada há 11 anos, tenho dois gatos e adoro viajar e fazer trilhas.
Sou estatística por formação e atuo como Head de Analytics na A3Data, que é uma empresa de consultoria de Data & Analytics focada em empoderar as pessoas por meio de dados.
Conte como foi sua história com a área de dados, como começou, quais cursos fez e onde trabalhou.
Quem me conhece sabe o quanto eu amo estatística! Estou sempre falando sobre esse assunto, e é claro que eu não queria ser estatística desde criança.
Na verdade, eu não tinha a menor ideia do que queria ser. Sempre fui apaixonada por matemática, mas não queria ser professora de matemática, daí quando eu estava no 2º ano do Ensino Médio, fomos fazer um teste vocacional no colégio.
No teste havia uma pergunta tipo “Você gosta de analisar resultados de pesquisas de comportamento? ”.
Quando li isso, levantei na mesma hora, fui na mesa da psicóloga e perguntei qual profissão trabalhava com pesquisa e ela começou a me falar sobre estatística.
Desse instante em diante nunca mais tive dúvidas sobre o que queria fazer da vida!
Depois que entrei no curso de Estatística na UFMG, fiz diversos estágios e trabalhei na Empresa Júnior, quando me formei fui contratada na Kroton como analista de avaliação e por lá trabalhei por 11 anos.
Durante todo esse tempo atuei com criação de indicadores, relatórios, pesquisas e modelos matemáticos. Eu já trabalhava com ciência de dados, mas não sabia.
Depois da Kroton fui trabalhar na AeC Contact Center em uma célula de inovação e atuei em diversos projetos complexos de Data Science. De lá fui para a A3Data par atuar com consultoria na área. Depois de um ano, fui convidada para o quadro societário da empresa e liderar o time de Data Science, que é como atuo hoje.
Quais são as tecnologias que vão ter destaque em 2021 na sua opinião?
Eu acredito que iremos focar menos em novos tipos de modelos de Machine Learning ou Deep Learning e vamos evoluir mais em tecnologias e processos para trabalhar com grandes volumes de dados (Scala e PySpark), para trazer mais explicabilidade para os modelos (SHAP, Lime e H2O) e para produtização e monitoramento de modelos com os conceitos de MLOps (MLFlow).
O que você não recomenda que seja feito na área de análise de dados?
Tem três coisas que me preocupam na atuação de cientistas de dados e elas estão até bem relacionadas. A primeira é a pessoa achar que ciência de dados é chamar biblioteca no Python e isso não é uma verdade. É fundamental você ter uma visão do todo de um projeto de Data Science e entender como os modelos funcionam e o que as bibliotecas estão fazendo por trás.
A segunda coisa é a pessoa achar que o trabalho do cientista de dados é treinar modelos, também não é assim que funciona.
A pessoa tem que passar boa parte do processo conversando, tendo empatia para entender seus problemas e desafios e depois comunicar os resultados alcançados com os modelos.
E por último, é o uso de ciência de dados para experimentação. Nós só conseguimos gerar valor de verdade se usarmos modelos para resolver problemas de negócio, apoiar realmente na tomada de decisão. Um modelo só é efetivo se ele fizer sentido pra resolver um problema e for colocado em produção para consumo na ponta.
Qual conselho você deixa para os novos profissionais deste mercado.
Esteja preparado para estudar muito, estamos sempre devendo conhecimento (rs). É uma área muito nova e o tempo todo tem novas tecnologias. Procure uma base sólida em estatística e computação e participe de competições de Data Science.
Observações e agradecimentos finais.
Gostaria de agradecer a oportunidade de falar um pouco sobre a área e parabenizar a ABRACD por sua atuação em Ciência de Dados.
Quem tiver interesse em vir para área de dados, eu recomendo muito, é realmente uma área apaixonante e que demanda e vai demandar cada vez mais bons profissionais. Abraços
