Como uma pessoa bibliotecária pode seguir na área de análise de dados?
Para seguir na área de análise de dados aprenda Python, R, SQL, Power BI, Tableau, Data Studio… Pronto!
Bem… não é apenas isso.
Esse texto não é sobre quais ferramentas você deve aprender.
Esse texto também não é uma “receita de bolo” que você seguirá cada etapa e ao final, terá um resultado esperado.
Esse texto é uma reflexão para pessoas bibliotecárias que queiram seguir na área de análise de dados lerem, digerirem, filtrarem e quem sabe depois aplicarem em suas jornadas. Seja para se tornarem bibliotecárias de dados ou para realizarem uma “transição de carreira” dentro do mercado.
“Transição de carreira” é um termo um tanto que complexo, porque a biblioteconomia atua com a informação em seu ciclo, independente do local e [SPOILER] às vezes, analisar dados já faz parte desse processo.
Além do que, pode não existir “transição de carreira”, confira esse vídeo sobre.
Eu falo bastante sobre dados, ciência de dados e bem, também cabe o esclarecimento sobre a análise de dados dentro desse contexto.
A análise de dados é o processo de seleção, extração, manipulação, limpeza, transformação e visualização de dados, transformando em informações úteis para seu público (tomadores de decisão).
Dentro de um projeto envolvendo dados, a análise de dados é uma das etapas fundamentais para o entendimento de qual caminho seguir posteriormente.
Diante da minha visão de bibliotecário, meus estudos pessoais, minhas experiências atuais e baseado na série de textos da Cassie Kozyrkov (Chief Decision Scientist no Google, com foco em IA aplicada e arquitetura de processos de ciência de dados) trago as minhas percepções sobre como uma pessoa bibliotecária pode seguir na área de análise de dados.
Bora lá?!
Sumário
Analisar dados está mais próximo da biblioteconomia do que você imagina
Método científico na análise de dados
Contexto Cassie Kozyrkov
A Cassie Kozyrkov é uma referência dentro da área de dados, ela é Chief Decision Scientist no Google (confira esse texto para mais detalhes).
Um cargo bem raro e antes de conhecê-la, também nunca tinha ouvido falar.
Em resumo, o seu trabalho é entender o contexto dos mais diversos sistemas/setores dentro da organização, desde a pesquisa até a aplicação dos algoritmos, afim de se criar as melhores ferramentas e produtos utilizando ciência de dados e IA.
Cassie sem dúvidas é uma inspiração para qualquer pessoas da área de dados.
Recentemente ela escreveu 6 textos com 10 diferenças entre os profissionais analista de dados amadores dos profissionais.
Foram eles que me trouxeram algumas reflexões para esse texto.
Eu recomendo fortemente você ler todos eles:
Habilidades técnicas
Eu falei que esse texto não seria apenas sobre ferramentas, mas não disse que não citaria elas também.
Para se tornar um analista de dados profissional, será necessário o conhecimento técnico em algumas ferramentas.
- Excel: o mais “básico” dentre os softwares profissionais. Ás vezes a análise é muito simples e apenas com o excel já resolve. Atente-se para não começar a criar pequenos “Franksteins” com as planilha. Quando você perceber que está ocorrendo isso, talvez seja a hora de repensar a sua ferramenta.
- Python ou R: Uma linguagem de programação para manipular, limpar, transformar e até visualizar dados é essencial. Analistas de dados trabalham com grandes conjuntos de dados, que necessitam de ferramentas adequadas.
A Cassie não indica você fazer cursos, mas sim desenvolver na prática e ir pesquisando na internet suas dúvidas.
Concordo em parte com ela.
Acredito que fazer cursos, principalmente para pessoas bibliotecárias é uma excelente forma de você aprender. Entretanto o conhecimento se consolidará quando você pegar o que estudou e aplicar em um projeto que você mesmo criou, sem pessoas dizendo o que você precisa fazer ou como. Às vezes nem é no primeiro projeto que você aprenderá tudo, mas depois de alguns.
É assim que eu aprendo.
- SQL e modelagem de dados: SQL a princípio para consultas em um banco de dados relacional que seja necessário para você extrair os dados. Modelagem de dados para que você entenda como são criados os bancos de dados relacionais e suas estruturas.
- Ferramentas de visualização de dados/BI: Entra nessa categoria o Power BI, o Tableau, Google Data Studio, Qliksense, Oracle Analytics… Ferramentas que possam desenvolver relatórios/dashboards onde a visualização dos dados é o maior enfoque.
Caso seja uma análise pontual, apenas a visualização com bibliotecas como Matplolib e Seaborn do Python já resolvam, entretanto caso seja um relatório que deve ser gerado e atualizado diariamente, semanalmente, mensalmente aí talvez já seja interessante utilizar essas ferramentas.
“Soft skills”: a Cassie lista algumas habilidades muito interessantes que analistas de dados devem ter:
- Conhecimento do negócio: é fundamental o profissional analista ter conhecimentos do negócio para saber onde deve focar suas análises.
- Colaboração: saber trabalhar em equipe é fundamental para quaisquer profissional. Analistas de dados estarão em contato com diversificadas outras pessoas que poderão auxiliá-lo.
- Pragmatismo: analistas de dados devem ser focados em extrair o máximo de informações úteis (com foco no negócio) dos dados, dentro do tempo mais rápido possível.
- Comunicação: analistas de dados lidarão com os tomadores de decisão na maior parte do tempo e não é função destes entenderem a parte técnica da análise. Para isso os analistas, precisam comunicar da melhor forma possível para que a informação possa de fato ser compreendida. Ainda dentro da comunicação, a capacidade auditiva do analista em absorver e compreender as necessidades do tomador de decisão é de extrema relevância para se manter o foco dentro da exploração.
- Curiosidade proativa: analisar dados é questionar além do que é esperado. Para isso é necessário realizar perguntas e encontrar novas fontes de dados para respondê-las, caso não haja dados suficientes no conjunto trabalhado.
- Resiliência: ao se analisar dados é necessário explorar ao máximo as hipóteses criadas, mas nem sempre se tiramos boas conclusões ou a resolução para negócios. Por isso a resiliência poderá auxiliar a sobreviver à frustração.
- Contenção: não se deve tirar conclusões precipitadas dos dados, principalmente daqueles no qual você não conhece a fundo. O profissional analista de dados deve sempre se conter ao realizar afirmativas e trabalhar com perspectivas.
- Humildade: não leve suas análises muito a sério, elas são perspectivas que você encontrou e não necessariamente “verdades”.
Analisar dados está mais próximo da biblioteconomia do que você imagina
Dados são caracteres sem muito sentido se você não adicionar contexto e transformá-los em informação.
O profissional analista de dados entende o contexto dos dados, explora eles e transforma em informações úteis para os tomadores de decisão, para os estatísticos realizarem análises específicas e para os cientistas de dados desenvolverem modelos de ML.
Não apenas eles devem levar informações que já eram esperadas (análise passiva), como devem mostrar novos caminhos e inspirar (análise ativa) o seu “público-alvo”.
A biblioteconomia realiza esse mesmo “processo” com a informação. Entende o seu usuário, o contexto da informação e da organização, busca as melhores informações e leva para o usuário não apenas o que ele solicita, mas também o que ele poderá precisar.
É essa a visão que pessoas bibliotecárias que queiram atuar na área de análise de dados deveriam conhecer.
Muda-se o contexto, muda-se o objeto, mudam-se as ferramentas, mas o processo é muito similar.
Método científico na análise de dados
Para se analisar dados é necessário aplicar o método científico.
O conceito de método científico é mais trivial para nós da biblioteconomia, mas eu já gaguejei em explicar ele quando questionado de surpresa. Passou na minha cabeça os seus tipos (dedutivo, indutivo, hipotético dedutivo…) e toda a complexidade do processo científico e eu me confundi.
Na realidade só era necessário ser mais simples com o conceito.
O método científico é através de algumas etapas:
- Observação;
- Criação de hipóteses;
- Testes de hipóteses (experimentação);
- Aceitação ou rejeição das hipóteses;
- Novas observações ou agregação de novos fatos;
- Inicia o ciclo novamente.
Na análise de dados é esse método que deve se ter como guia, até mesmo na concepção científica de “verdade”.
Mesmo que as hipóteses tenham sido testadas, procurando evidências da sua veracidade e da sua falseabilidade ela serão apenas uma hipótese verdadeira/falsa dentro do contexto daquela análise, não necessariamente uma verdade absoluta ou mesmo que outra análise não possa derrubá-la.
“Sem dados, você é apenas mais uma pessoa com uma opinião”. Isso é verdade, mas infelizmente também é: “Com dados, você ainda é apenas mais uma pessoa com uma opinião.’’ -Cassie
Qual é a visão do profissional analista de dados?
Em seus textos, a Cassie trouxe que o profissional analista de dados está em busca das melhores perguntas para se fazer aos dados, não das melhores respostas.
Me pareceu como um processo de duplo diamante, o analista expande a visão, o negócio (tomador de decisão) converge, o analista expande dentro do caminho guiado pelo negócio e o negócio converge. Esse ciclo se mantém até se chegarem a uma informação satisfatória.
Em muitos casos há a possibilidade de isso ocorrer de forma híbrida, a mesma pessoa que é analista também é tomadora de decisão. Não é fácil, mas para ela não cair nas armadilhas dos dois lados deve saber a hora de colocar o chapéu de analista e quando tirar para colocar de tomador de decisão.
O profissional analista precisa expandir a visão do tomador de decisão, inspirando a buscar novos caminhos e novas perspectivas.
Mas… nem tudo são flores. Haverá muito erro com isso, principalmente no início de um projeto, muito tempo será desperdiçado pelo tomador de decisão, mas a missão do analista é fazer isso de forma mais rápida.
Velocidade é uma das características que o profissional analista precisa ter.
A Cassie trouxe alguns exemplos:
- Velocidade de obtenção de dados promissores e relevantes. (Conhecimento do negócio.)
- Velocidade de preparação de dados para manipulação. ( Habilidades de software.)
- Velocidade de obtenção de dados resumidos. ( Habilidades matemáticas.)
- Velocidade de obter resumos de dados em seus próprios cérebros. (Habilidades de visualização de dados.)
- Velocidade de obtenção de resumos de dados no cérebro das partes interessadas. ( Habilidades de comunicação.)
- Velocidade de inspirar o tomador de decisão. ( Perspicácia nos negócios.)
Velocidade aqui é relativa, não adianta criar análises muito rápidas, porém sem valor para o negócio.
Para se iniciar uma análise o ideal é começar simples e focado na solução para o negócio.
Considerações finais
Pessoas bibliotecárias que queiram adentrar no mundo de dados, especificamente na área de análise de dados podem utilizar muito dos conhecimentos da sua formação como base.
Serão necessários novos conhecimentos e habilidades para se aprimorarem, mas a visão que profissionais da informação possuem, tem muito a agregar e ser agregado pela área de análise de dados.
Todos os artigos da Cassie foram divulgados na newsletter do Data Hackers.
Se você tem interesse em dados não pode deixar de assinar ela.
Sobre cursos da área de dados, eu indico a Alura, devido a sua didática, qualidade de conteúdo e diversidade de cursos dentro de um mesmo plano.
Caso você não seja aluno ainda e queira se tornar, confira meu cupom de desconto especial aqui.
Agora me diga, você tem interesse em seguir na área de análise de dados?
Ou se você já segue, quais são as sua percepções sobre o tema?
Compartilhe e vamos conversar nos comentários.
Se você chegou até aqui e curtiu, dê palmas, compartilhe e se inscreva para me acompanhar.
Ainda há muito a se explorar…
