ACI - Valor que Representa

Associada: Evermonte Executive Search

Ao longo das últimas semanas mapeamos mais de 300 profissionais da área de Data Science, dentre diversos segmentos, e identificamos alguns aspectos e padrões interessantes que podem auxiliar ao traçarmos o perfil do Cientista de Dados em um processo seletivo.
 
SEGMENTO
Quando olhamos para a distribuição destes profissionais no mercado, podemos perceber uma grande concentração nos segmentos de Tecnologia e Serviços Financeiros (Bancos/Fintechs). Instituições financeiras e de Tecnologia têm se preocupado cada vez mais em traçar o perfil dos clientes com o objetivo de oferecer melhores produtos/serviços e prevenir problemas futuros através de práticas e modelos de Machine Learning e Deep Learning.

DIVERSIDADE
Um antigo problema das áreas voltadas a tecnologia segue sendo a distribuição pouco balanceada em relação a igualdade de gênero. Já existem diversos estudos (conforme citamos no artigo: Por que precisamos de mais mulheres em áreas de tecnologia?) que comprovam os benefícios da promoção de um ambiente de trabalho mais diversificado dentro das empresas, oportunizando maior colaboração, inovação e criatividade.

FORMAÇÃO ACADÊMICA
Em relação a formação acadêmica, nenhuma surpresa. Relatamos uma forte presença de cursos de Ciências da Computação e Sistemas da Informação como a base de formação destes profissionais, o que é natural no desenvolvimento de conhecimentos básicos em ETL e os primeiros contatos com linguagens de programação como Python e R.

A maior preocupação gira em torno do segundo idioma. Menos da metade dos profissionais de Data Science possuem o nível de inglês avançado ou fluente. Em uma era de globalização, onde há uma crescente e constante atuação com e equipes internacionais se torna mais do que necessário o aprimoramento da língua inglesa.

CARGOS
Quando olhamos para as nomenclaturas de cargos, existes variações de empresa para empresa. As mais comuns são Data Scientist e Analista de BI. Por mais que exista uma grande diferença de atuação entre o Cientista de Dados e o profissional de BI (conforme exploramos no artigo: Qual a diferente entre BI e Data Science), as empresas ainda estão compreendendo e implementando estas áreas, o que pode gerar estas confusões. Mas, ao mesmo tempo, esta é uma grande oportunidade para estes profissionais se destacarem em um processo de estruturação, se tornando uma peça chave na transformação digital da empresa.

LINGUAGEM DE PROGRAMAÇÃO
Sabemos que existe um universo de linguagens de programação para trabalharmos com ETL’s, Big Data e construção de algoritmos de Machine Learning, porém, as preferidas destes profissionais seguem sendo Python e R.

Quando analisamos as formações em relação às ferramentas utilizadas, percebemos que profissionais com um background em desenvolvimento e programação tendem a preferir trabalhar com Python, justamente pela maior flexibilidade que a linguagem oferece, maior volume de bancos prontos para uso, além de possuir uma comunidade muito ativa no Brasil e no mundo. Já profissionais provenientes de cursos como estatística e matemática tendem a utilizar o R, por ser uma linguagem com a qual trabalharam ao longo de suas formações e pela interface mais amigável, além de possibilitar a construção de algoritmos avançados de Machine Learning quando bem utilizada.

REMUNERAÇÃO
A remuneração também é um fator que vai divergir em função do tamanho da organização e pela relevância que darão às áreas de Data Science. Também existem políticas de remuneração que variam entre empresas regionais, nacionais e multinacionais. De forma geral, distribuímos as faixas de maior concentração conforme o indicador abaixo obtendo uma referência no quesito financeiro.

Um dos grandes diferenciais, se tratando das faixas de remuneração, se dará entre profissionais de Data Science e BI. Se torna natural, pelo nível de complexidade de atuação e impacto direto no negócio, que os profissionais de Ciência de Dados tenham remunerações mais altas do que profissionais de BI. Apesar disto, ambas são áreas complementares dentro de uma estrutura bem consolidada e, performando juntas, podem ser um potente diferencial para o futuro da empresa.
 
PRETENSÃO SALARIAL
Antes de entrarmos no quesito de pretensão salarial, é importante citarmos quais as pretensões de atuação e escopo que estes profissionais estão buscando. Hoje, o que mais tem atraído os profissionais, tanto de Data Science quanto de BI, é a oportunidade de participar da implementação e estruturação desta área. Ainda assim, uma parcela menor prefere participar de projetos de expansão, onde as áreas já estão devidamente estruturadas, entregando resultados e partindo para modelos mais complexos e robustos de Big Data e Machine Learning.

As pretensões salariais encontram-se dentro da média de mercado (crescimento de 20% em relação a remuneração atual), mas podem variar de acordo com o pacote de benefícios que o profissional possui e o pacote previsto em um processo seletivo.

https://www.evermonte.com/posicoes-executivas-em-alta-2019/ 

Fonte: Evermonte Executive Search