SEGMENTO
Quando olhamos para a distribuição destes profissionais no mercado, podemos perceber uma grande concentração nos segmentos de Tecnologia e Serviços Financeiros (Bancos/Fintechs). Por isto, 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, a fim de 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. Entretanto, 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. Portanto, em uma era de globalização onde há uma crescente e constante atuação com e equipes internacionais, torna-se 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. Embora 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, a fim de se tornar 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 do Cientista de Dados 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.
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. Visto que 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), no entanto podem variar de acordo com o pacote de benefícios que o profissional possui e o pacote previsto em um processo seletivo.