O crescimento do segmento de Analytics no ambiente corporativo é um evento relativamente recente, ele só se tornou possível em grande parte pela evolução das tecnologias de processamento e armazenamento de informações.
Os dados compõem uma unidade que já se encontra presente nas mais diversas empresas desde muito tempo. No entanto, há algum tempo atrás, com a ausência da computação, eles eram armazenados de forma física em papéis gerando aquela enorme quantidade de pastas empilhadas num arquivo.
Ainda sim, mesmo com o crescimento da computação ao longo do anos, por muito tempo ainda não existia tecnologia suficiente para produzir análises a partir de uma quantidade considerável de dados.
Além disso, entregar essas análises em uma velocidade que permitisse tomar decisões rápidas e com menor erro relativo foi um desafio por anos.
Então, foi com toda a revolução tecnológica ao longo dessas últimas duas década foi que surgiu a profissão de analista de dados.
Qual o papel do analista de dados?
Com o surgimento do big data e os avanços da tecnologia, as empresas têm mais dados à sua disposição do que nunca. Mas ter muitos dados não adianta muito se você não souber como entendê-los. É aí que entram os analistas de dados.
Eles pegam grandes quantidades de dados e os dividem em partes gerenciáveis e, em seguida, usam métodos estatísticos, algoritmos de aprendizado de máquina e outras técnicas para descobrir padrões e tendências.
Aqui na beAnalytic, acreditamos que o papel do Analista de Dados é: utilizar as ferramentas tecnológicas de forma a obter dados, processá-los e entregar uma informação que seja relevante para um negócio em uma velocidade consideravelmente rápida.
Esses dados precisam servir a objetivos variados, como: estudos para decisões estratégicas, análise de performance, análises financeiras, controle de estoque e dentre diversas outras aplicações que variam de acordo com a necessidade ou negócio.
Sendo assim, os analistas de dados desempenham um papel crítico em ajudar as empresas a entender os dados que coletam. Eles ajudam as organizações a identificar áreas onde podem melhorar, fazer melhor uso de seus recursos e encontrar novas oportunidades de crescimento.
Mas o papel do analista de dados vai além de apenas analisar números. Os analistas de dados também devem ser capazes de comunicar suas descobertas de uma maneira fácil de entender para pessoas não técnicas. Eles devem ser capazes de contar uma história com os dados e explicar os insights que descobriram de maneira clara e concisa. Isso é importante porque os insights de dados só são valiosos se forem acionados e, se os insights não forem compreensíveis, eles não serão acionados.
A demanda por analistas de dados está crescendo rapidamente, pois mais e mais empresas têm reconhecido a importância da tomada de decisão baseada em dados.
De acordo com um relatório da Glassdoor, analista de dados é um dos cargos de crescimento mais rápido nos EUA. Espera-se que essa tendência continue, à medida que o uso de big data e análises avançadas continua a se tornar mais difundido.
Principais tarefas e atribuições
Mas você deve estar se perguntando, como é na prática o dia a dia de um Analista de Dados? A questão maior é que a rotina varia de acordo com o tipo de dado que está sendo trabalhado, mas geralmente existe um fluxo de processos comum a cada projeto:
1. Extração de dados
Antes de mais nada, as análises são necessários obter os dados, afinal são eles a matéria-prima do trabalho quase que artesanal de um analista.
Esses dados podem vir de fontes extremamente simples como uma tabela ou formulários, mas um bom analista geralmente se aproveita de todo o leque de ferramentas de gestão presentes no negócio para obter os dados em grande quantidade e velocidade.
Dessa forma, CRM’s, ERP’s e os Sistemas de Gestão de Projetos são fontes de dados comumente exploradas pelos analistas.
2. Processamento de dados
Após obter os dados, é quase sempre um golpe de sorte eles se encontrarem numa formatação já adequada para análise. Sabendo disso, o trabalho do analista também consiste em peneirar os dados possibilitando evidenciar informações necessárias para o projeto final. Assim, se faz necessário o tratamento dos dados antes da sua efetiva utilização, geralmente esse processo envolve duas etapas:
a) Limpeza dos dados:
A ação de “limpar” os dados geralmente se refere à tarefa de remover de um determinado conjunto que foi obtido, tudo aquilo que não agrega valor ou não é útil para o projeto em questão. Nesse sentido, algumas operações são comuns e podem envolver: a remoção de campos vazios ou irrelevantes ou rever a formatação de colunas e preenchimento de células vazias.
b) Recombinação de campos:
Em algumas situações, uma determinada informação desejada pode vir da combinação de dois campos presentes nos dados originais. Assim, para se obter essa informação o analista precisará realizar operações de somas, médias, produtos, percentuais ou outras operações que são específicas a depender do tipo e complexidade do projeto que esteja sendo trabalhado.
3. Visualização das informações
Com dados formatados e devidas métricas calculadas, pode-se dizer que agora a mágica pode acontecer. Esses dados que já estão lapidados agora são úteis para o projeto e tem como objetivo gerar informação relevante para os stakeholders.
Essa informação é o produto “mastigado” dos dados aplicado a um determinado contexto. A forma mais utilizada, visual e compreensível é a criação de gráficos, seja em formato de relatórios, infográficos ou o mais popular, em dashboards interativos.
Ferramentas mais utilizadas pelos analistas
Para executar suas tarefas o analista de dados costuma utilizar algumas ferramentas específicas e variam de acordo com a função que cada uma agrega nos projetos de dados, são elas:
1. Ferramentas self service
O Power BI da Microsoft e Tableau talvez sejam as mais conhecidas aqui e provavelmente você já tenha baixado ou utilize algumas delas. Essas ferramentas aliam uma boa gama de funcionalidades com um grande poder computacional, sendo adequadas para operar com quantidades massivas de dados.
Aqui na beAnalytic utilizamos bastante o Power BI devido ao custo da ferramenta, facilidade de uso e por ela oferecer uma aparência melhor dos gráficos.
Essas ferramentas abrangem quase todo o processo de construção de um projeto de Análise de Dados, isso claro, se houver uma gestão bastante eficiente dos dados necessários, o que as tornam bastante poderosas nas mãos de bons analistas!
2. Linguagens de Programação
Para se ter funcionalidades mais poderosas de geração de gráficos e principalmente de extração e processamento de dados, pode ser necessário utilizar a programação.
Aqui na beAnalytic os nosso analistas costumam utilizar linguagens como Python ou R. Apesar de não ser uma atribuição direta do analista de dados, ter conhecimento sobre essas linguagens pode abrir portas para a criação de modelos de Inteligência Artificial, por exemplo.
3. Excel
Por ser um dos softwares mais populares do mundo quando se fala de gestão, é imprescindível que o analista tenha uma bom domínio sobre ele. Ocasionalmente o Excel, ou até outros editores de planilhas, faz parte do fluxo de trabalho de um Analista de Dados. Isso por que, dependendo da empresa ou do setor, essas ferramentas servem como fonte de dados.
No entanto, você pode estar se perguntando: mas o Excel também não gera gráficos e relatórios?
A resposta é: Sim! A ferramenta é capaz de produzir análises e gerar relatórios gráficos, no entanto, quando pensamos em uma quantidade gigantesca de dados, nas automações e na extrações desses dados dos softwares, a tarefa de armazenar e analisar tudo pelo Excel demandaria um tempo absurdo além de que, se torna muito mais difícil de cruzar informações e garantir a confiabilidade delas no médio prazo.
4. SQL
Por trás de diversas aplicações, inclusive em tudo que envolve dados é muito comum existir um servidor SQL por trás. Ele é utilizado como uma forma robusta e estruturada para fazer o armazenamento dos dados, o que o torna uma importante fonte para os Analistas, é de lá que o ouro vem.
Dessa forma, o acesso a esse tipo de servidor é feito por códigos escritos em uma linguagem específica, também referenciada como SQL, cujo conhecimento é imprescindível para o analista de dados.
Hard Skills e Soft Skills de um bom analista de dados
Para esclarecer esses termos, caso ainda não conheça, as chamadas Hard Skills são as suas habilidades técnicas, aquelas que você aprendeu num curso de BI, de programação ou na faculdade. Já as Soft Skills são as habilidades comportamentais, que muitas vezes são características necessárias para exercer uma profissão ou função.
As Hard Skills bom analista de dados vem do equilíbrio do conhecimento em 3 áreas:
- Computação e tecnologia da informação
Primeiramente, ter um bom domínio das ferramentas mais modernas disponíveis para um projeto, como o Power BI, que como falamos é a principal no dia a dia de um analista. Além disso, um bom profissional de dados deve ser capaz de entender o funcionamento dos sistemas dos quais o seu cliente utiliza para as extrações de dados. Saber programar em Python, R e SQL também é algo que pode ajudar muito a conseguir uma vaga e resolver problemas mais rapidamente. -
Matemática
Em algum momento você deve ter feito aquela pergunta ao seu professor de matemática: mas para quê isso vai servir na minha vida? A questão maior é: o que funciona no ambiente da tecnologia sem isso? Quase nada.
Ser bom com números é um dos pré-requisitos de um bom profissional nessa área, já que o seu dia a dia consiste em criar métricas e gráficos matematicamente corretos.
Além disso, ele deve ter a capacidade de trabalhar com diversas dimensões de dados diferentes o que é necessário um grande esforço lógico. Esse é o desafio diário de um analista. -
Negócios
Como assim? Preciso entender de negócios para ser um analista de dados? Sim e muito. Isso se você quiser ser um bom analista, claro! Mas por que?
Para aplicar as ferramentas e técnicas disponíveis de maneira efetiva, qualquer analista precisa considerar o cenário e esses variam de acordo com o tipo de negócio que se está trabalhando.
Os indicadores de vendas de um supermercado, por exemplo, é consideravelmente diferente dos indicadores de uma agência de publicidade. Ambos são contextos de venda, mas o cenário é diferente.
Logo, o papel do analista é buscar entender ao máximo o modelo de negócios ao qual ele está trabalhando no momento a fim de adequar todas as análises ao cenário e trazer informações e insights valiosos. Essa é uma habilidade que se desenvolve de forma empírica, mas você pode desenvolver mais rápido se tiver curiosidade e sede de aprendizado.
Agora, pensando nas Soft Skills, algumas das habilidades que buscamos quando realizamos processos seletivos para Analista de Dados são:
- Atenção aos detalhes
O trabalho do analista é muito minucioso, uma informação errada pode comprometer toda a credibilidade com cliente e gerar resultados não agradáveis, por isso, ter um cuidado redobrado com tudo que entrega é imprescindível. - Resiliência
Em segundo lugar, um bom analista de dados tem essa como sendo uma das suas principais características. Essa habilidade diz muito sobre o que a função exige: encontrar o que ninguém encontra, ou seja, é algo muito similar a um garimpo de ouro e nem sempre se acha ouro de primeira! - Ambição
É algo que está mais relacionado com a nossa cultura, porém serve para qualquer área que se trabalhe. Essa habilidade é necessária para prover o crescimento de um profissional, pois pensamos que quem a tem bem desenvolvida alcança patamares altos e com rapidez. Aqui acreditamos que devemos ser o trampolim para todos os colaboradores.
Leia também:
• Business Intelligence: por que sua empresa precisa disso
• Diferença entre Analista, Cientista e Engenheiro de Dados
