HABILIDADES PRIMÁRIAS PARA TRABALHAR COM CIÊNCIA DE DADOS E BIG DATA

Autores

  • Anderson da Cruz Brito Fatec Faculdade de Tecnologia de Presidente Prudente
  • Marcelo Buscioli Tenório Fatec Faculdade de Tecnologia de Presidente Prudente

Palavras-chave:

Ciência de dados, Big data, Habilidades

Resumo

Ciência de dados é uma área multidisciplinar que tem como base principal o estudo e a análise dos dados, extraindo conhecimento de grandes volumes de dados, com o objetivo de obter melhores resultados e facilitar decisões. O objetivo deste trabalho é apresentar os desafios, oportunidades e evoluções em ciência de dados e big data, a fim de transcorrer as carreiras e habilidades interdisciplinares que norteiam os profissionais denominados cientistas de dados, abordando a amplitude e o leque existente no mercado para os profissionais que desejam atuar na carreira de cientista de dados. A metodologia adotada foi de caráter exploratório qualitativo, identificando e extraindo das referências, as habilidades e conhecimentos necessários para a ciência de dados e big data, tal como para o profissional cientista de dados. A pesquisa permitiu a extração de dados positivos, preconizando possíveis caminhos de aprendizagem para novos profissionais, dando-lhes subsídios e parâmetros de ferramentas e linguagens necessárias. A pesquisa apresenta abordagens e discussões evolutivas da ciência, tecnologia, extração, manipulação e visualização de dados, sem ignorar a privacidade, permissão e utilização dos dados. Conclui-se que a geração e utilização dos dados é inevitável e seu volume tornou-se exponencial e de essencial valia, fornecendo insights e consolidando o país como uma economia de negócios, ampliada a partir da gerência dos mesmos, possibilitando-nos idealizar futuras pesquisas, no âmbito da privacidade, permissão e utilização destes dados.

Referências

BACKER, Rich. Carreiras em Ciências de Dados. Disponível em <https://intellipaat.com/jobs/jobs-in-data-science/> Acesso em 10 out 2017.

BARDIN, L. Análise de conteúdo. São Paulo: Edições 70. 2011.

BAUDISCH, R Alfred. Ciência de Dados é explorar Big Data para prever o futuro. 2016. Disponível em: <https://medium.com/@AlfredBaudisch/o-que-%C3%A9-ci%C3%AAncia-de-dados-data-science-7af5bdac101a/> Acesso em 08 out. 2017.

BUCKLAND, M. Information as thing. Journal of the American Society for Information Science. v. 42, n. 5, p. 351. 1991.

CAMPOS, Fabio Rocha. A gestão da inovação em serviços intensivos em conhecimento: oportunidades e desafios do big data. 2015. 124 páginas. Dissertação (mestrado) – Universidade Estadual de Campinas, Instituto de Geociências. 2015. Disponível em: < https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=2806987> Acesso em: 08 out. 2017.

CECI, Flavio; Silva, Dhiogo C.; SELL, Denilson; Gonçalves, Alexandre L. Towards a semiautomatic approach for ontology maintenance. 7 CONTECSI – International Conference on Information Systems and Technology Management. USP, São Paulo, 2010.

CONWAY, D. (2010), “The Data Science Venn Diagram”. Disponível em <http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram> Acesso em 12 out 2017.

CRESWELL, W John. Projeto de Pesquisa, métodos qualitativos, quantitativos e misto, 2° ed 2007, 184p e 188p.

DAVENPORT, T.H., Big data no trabalho derrubando mitos e descobrindo oportunidades, 2014.

DAVENPORT, T., Prusak. L., Conhecimento empresarial. Rio de Janeiro: Campus, 1999. 237p

D.J. Patil, Thomas., Cientista de Dados o profissional mais cobiçado do século 21: 2013. Disponível em <http://hbrbr.uol.com.br/cientista-de-dados-o-profissional-mais-cobicado-do-seculo-21/> Acesso em 09 set. 2017.

FIALHO, F. A. P., et al. Gestão do conhecimento e aprendizagem: as estratégias competitivas da sociedade pós-industrial. Florianópolis: Visualbooks, 2006.

FLICK, U. Introdução à pesquisa qualitativa. São Paulo: Artmed, 2009.

FOLKSILVA. Luiz. Disponível em:<http://folksilva.github.io/articles/zerando-o-jogo/>. Acesso em 09 set. 2017.

GARCIA, A., Xéxeo, Geraldo; PASSOS, L. Carlos; REIS, Francisco; LOBO, Nelson, RABELO, Lísia; JUNIOR, A. Rabelo. FBCDataWare: um Data Warehouse para cardiologia. In: 4º SIMPÓSIO ARGENTINO DE INFORMÁTICA E SAÚDE – SADIO, 10., 2001. Disponível em: <http://www.sis.org.ar/tlibres/B/b_10.PDF>. Acesso em 03 out. 2017.

GARCIA, A.C. B.; VAREJÃO, Flávio M.; FERRAZ, Inhaúma N. Aquisição de Conhecimento. In: Sistemas inteligentes: fundamentos e aplicações. Organização: REZENDE, Solange O. Editora Manole, São Paulo, 2005.

GOUVEIA, R, L. O que é Ciência de Dados: 2015. Disponível em <https://www.slideshare.net/lmbg/o-que-a-cincia-de-dados-data-science-discusso-do-conceito> Acesso em 20 ago. 2017.

GUERREIRO, C., Carreira em Big Data: Cientista de Dados- Guia Completo. 2017. Disponível em <http://blog.tecnologiaqueinteressa.com/2015/05/carreira-em-big-data-e-ciencia-de-dados.html> Acesso em 03 out. 2017.

IEXPERTIFY. Disponível em: <http://bigdata.iexpertify.com/?p=15>. Acesso em 12 out. 2017.

INTELLIPAAT. Disponível em: <https://intellipaat.com/jobs/jobs-in-data-science/>. Acesso em 09 set. 2017.

LAUDON, K. C.; LAUDON, J. P. Sistemas de informação gerenciais: administrando a empresa digital. 5. ed. São Paulo: Prentice Hall, 2004.

MAGALHAES, Paulo. Entenda o que é Ciência de Dados: 2016. Disponível em <https://eleflow.com.br/2016/11/16/entenda-o-que-e-a-ciencia-de-dados/> Acesso em 13 out. 2017.

MAGALHAES, Paulo. Saiba como a Ciência de Dados vai ajudar a desenvolver empresas Disponível em <https://eleflow.com.br/pt/2016/11/18/saiba-como-a-ciencia-de-dados-vai-ajudar-a-desenvolver-empresas/> Acesso em 13 out 2017.

MALHOTRA, Naresh K. Pesquisa de marketing: uma orientação aplicada. 4ª Ed. Porto Alegre: Bookman, 2004.

MARTON, F.; Fai, P. Two faces of variation. Paper presented at 8th European conference for learning on instruction. Göteborg: Göteborg University, August, 24-28, 1999.

MATOS, David. Conceitos fundamentais em estatística. 2017. Disponível em < http://www.cienciaedados.com/carreiras-em-data-science/> Acesso em 12 out. 2017.

MATOS, David. Carreiras em Data Science. 2017. Disponível em <http://www.cienciaedados.com/carreiras-em-data-science/#comments> Acesso em 09 out. 2017.

MIRANDA, R. C. da R. "O uso da informação na formulação de ações estratégicas pelas empresas". Ciência da Informação, Brasília, v.28, n.3, p.284-290, set./dez. 1999.

O’BRIEN, J. A. Sistemas de informação: e as decisões gerenciais na era da Internet. 2. ed. São Paulo: Saraiva 2004.

PINHEIRO, Carlos André Reis. Inteligência analítica: mineração de dados e descoberta de conhecimento. Rio de Janeiro: Ciência Moderna, 2008.

PAIXAO, Alexandre; SILVA, Veronica; TANAKA, Asterio. De Business Intelligence a Data Science: um estudo comparativo entre áreas de conhecimento relacionadas. 2015. Disponível em <http://www.essentiaeditora.iff.edu.br/index.php/citi/article/download/6347/4058> Acesso em 08 out. 2017.

PIRES, Moura, Nuno. O que é Ciência de Dados e porque ela é importante para o seu negócio. 2014. Disponível em: < https://www.ecommercebrasil.com.br/artigos/o-que-e-ciencia-de-dados-e-porque-ela-e-importante-para-o-seu-negocio/> Acesso em 07 out. 2017.

RIBEIRO, Priscilla C.C., VIEIRA, Leandro S. Tecnologia da Informação e Competitividade na Indústria Siderúrgica Brasileira: um Estudo de Caso na CSN. Revista de Economia da Universidade de Santa Catarina, julho a dezembro de 2001.

SARACEVIC, T. Ciência da Informação: origem, evolução e relações. Perspectivas em Ciência da Informação. Belo Horizonte, v. 1, n. 1, p. 41-62, 1996.

SAS. Machine Learning: O que é e porque é importante. 2017. Disponível em: <https://www.sas.com/pt_br/insights/analytics/machine-learning.html> Acesso em 09 out. 2017.

SCHÖNBERGER-MAYER, Viktor; CUKIER Kenneth. Tradução Paulo Palzonoff Junior. Big Data: como extrair volume, variedade, velocidade e valor da avalanche de informação cotidiana. Rio de Janeiro: Elsevier, 2013.

SCHUTZER, Elisabeth, PEREIRA, Neócles A. Sistemas de informação. In: BATALHA, M. et.al. Gestão Agroindustrial. Grupo de Estudos e Pesquisas Agroindustriais – GEPAI. São Paulo: Atlas, 1999. p.147-168.

SOBEK. Disponível em: <http://sobek.ufrgs.br/newSobekSite/new-sobek.php/> Acesso em 13 fev. 2018.

SPINOLA, Mauro, PESSÔA, Marcelo. Tecnologia da Informação. In: Gestão de Operações. 2a ed. Professores do Departamento de Engenharia da escola Politécnica da USP e da Fundação Carlos Alberto Vanzolini. São Paulo: Editora Edgard Blücher,1998, cap.4. p.97-104.

TEIXEIRA, Hélio. Ciência de dados verdades e mentiras sobre esta pratica cientifica. Disponível em: <http://www.helioteixeira.org/gramatica-da-colaboracao/ciencia-de-dados-verdades-e-mentiras-sobre-esta-pratica-cientifica/> Acesso em 09 out. 2017.

VORHIES, William. Data Scientists Automated and Unemployed by 2025: 2016. Disponível em <https://www.datasciencecentral.com/profiles/blogs/data-scientists-automated-and-unemployed-by-2025> Acesso em 12 out. 2017.

Publicado

21-12-2019

Como Citar

BritoA. da C.; TenórioM. B. HABILIDADES PRIMÁRIAS PARA TRABALHAR COM CIÊNCIA DE DADOS E BIG DATA. Revista Alomorfia, v. 3, n. 1, p. 1-18, 21 dez. 2019.

Edição

Seção

Artigos