Atualmente, os dados são considerados um tesouro. Ajay Banga, CEO da Mastercard, disse que “dados são o novo petróleo, a diferença é que o petróleo vai acabar um dia”. A comparação é feita pois ambos são itens de muito valor, mas que precisam ser “refinados”. Ou seja, a maior riqueza não está nos dados em si, mas na possibilidade de usá-los de forma analítica.
Nos últimos anos, com a explosão da internet e da tecnologia, a criação e o armazenamento de informações cresceram exponencialmente, aumentando o volume de dados gerados e armazenados na mesma proporção. A aprendizagem no mundo de Data Science é cada vez mais necessária para se trabalhar com uma imensa massa de informações e gerar inteligência em cima disto.
Através da limpeza, agregação e manipulação dos dados, o cientista prepara o caminho para a realização de análises avançadas. A ciência de dados permite a interpretação das informações extraídas após a análise, o que pode ser usado como vantagem competitiva pelas empresas. É possível, por exemplo, melhorar as vendas criando recomendações para os usuários, detectar fraudes e golpes, melhorar o diagnóstico de pacientes analisando os dados dos exames médicos.
O papel da análise de dados nas organizações é incluir a precisão nos resultados, poupando erros e desperdícios, melhorando as decisões tomadas, a produção, a criação, o processo, a logística e o lucro. Portanto, o cientista de dados é um profissional que tem valor para outras áreas do mercado além da de T.I. As funções deste profissional incluem desenvolver estratégias para analisar dados, prepará-los para análise, explorar, analisar, visualizar e construir modelos com dados, etc.
Marcelo Manzano, coordenador acadêmico do MBA em Data Science da FIAP, afirma que a Ciência de Dados se apoia em um tripé formado por matemática aplicada e estatística, linguagem de programação (principalmente R e Python) e negócios. O mercado de trabalho que se abre para os profissionais que se especializam na área por meio de um MBA em Data Science é imenso: “O mundo está caminhando para automação, ciência de dados, machine learning e inteligência artificial. Todas as áreas vão precisar de um cientista de dados, de uma forma ou de outra, seja uma área comercial, seja uma área de linha de produção, seja uma área de inter-relação humana.” avalia o coordenador.