Bem-vindo(a) a mais um incrível artigo no Blog da DSA: Engenheiro de Dados – Por Onde Começar em 7 Passos.

Antes de mais nada, compreenda que Cientistas de Dados e Engenheiros de Dados são profissionais diferentes, com perfis diferentes e que usam essencialmente ferramentas diferentes. É claro que nada impede que um único profissional tenha habilidades para exercer as duas funções e em empresas pequenas isso será uma realidade.

Mas compreender as diferenças ajuda a definir o perfil adequado de cada profissional.

O Cientista de Dados desenvolve modelos e realiza análises usando Matemática, Estatística, Programação e Machine Learning para explicar e prever comportamentos complexos, resolvendo problemas das áreas de negócio, no mundo real.

Um Engenheiro de Dados projeta e constrói arquiteturas de dados e pipelines para ingestão, armazenamento, processamento e execução de aplicações de grande escala com Big Data.

Neste artigo, Engenheiro de Dados – Por Onde Começar em 7 Passos, vamos ajudar você a compreender como iniciar sua carreira como Engenheiro de Dados, função em alta demanda no mercado de trabalho.

Se quiser mais detalhes sobre o dia a dia da função, confira o artigo O Que Faz um Engenheiro de Dados?. E se o seu objetivo é se tornar um Cientista de Dados, então acesse este artigo: Cientista de Dados – Por Onde Começar em 8 Passos.

Boa leitura.

Cientistas de Dados x Engenheiro de Dados

Cientistas de Dados e Engenheiros de Dados trabalharão juntos em uma equipe de Data Science ou Analytics para criar uma solução de ponta a ponta nas empresas que necessitem de modelos analíticos avançados e que sejam operacionalizados em escala.

O Cientista de Dados está interessado em analisar conjuntos de dados, limpá-los, transformá-los, pré-processá-los, executar seus modelos preditivos de Machine Learning, buscar padrões e gerar insights para os tomadores de decisão.

Já o Engenheiro de Dados é o profissional que vai projetar, implementar e manter a infraestrutura necessária para assegurar que todo o processo analítico funcione corretamente, de forma segura e com boa performance. Cabe ao Engenheiro de Dados definir os processos para coletar, armazenar e processar os dados usados nos modelos analíticos criados pelo Cientista de Dados.

Tal como acontece com o Cientista de Dados, não há um caminho formal para se tornar um Engenheiro de Dados, uma vez que é uma mistura única de habilidades que foram reunidas para formar uma disciplina distinta e necessária.

Os requisitos para um Cientista de Dados são tipicamente mais “científicos”, pois é necessário realizar pesquisas e saber como construir e testar modelos avançados. Para os Cientistas de Dados é necessário ênfase em Matemática e Estatística, os pilares da Ciência de Dados.

Os Engenheiros de Dados geralmente têm um perfil mais voltado para infraestrutura de tecnologia. Os profissionais interessados em projetar e construir arquiteturas em larga escala para aplicações intensivas em dados podem avançar para este campo, pois há muito menos ênfase em ciência e matemática e mais em engenharia de software, infraestrutura e arquitetura de soluções.

Assim como qualquer função na área de dados, Engenheiro de Dados é uma função e não uma profissão regulamentada (pelo menos ainda). Logo, pode ser exercida por pessoas com qualquer formação acadêmica, desde que tenham o conhecimento necessário, obviamente.

Perfil Profissional do Engenheiro de Dados

Os Engenheiros de Dados devem entender os conceitos fundamentais em ciência da computação e devem ser bem versados na construção e concepção de aplicações em grande escala; de ponta a ponta.

Eles devem entender os prós e os contras da utilização de bancos de dados relacionais e NoSQL, eles devem saber como projetar soluções para casos de uso com dados em lote (Batch) e fluxo contínuo (Streaming de Dados), eles devem saber o que é preciso para operacionalizar um modelo preditivo e como ajudar a publicar esses modelos criados no “laboratório” (treinamento e validação) para aplicações em tempo real.

Eles devem entender a computação distribuída e ambientes em cluster e devem ser capazes de trabalhar com o Cientista de Dados para ajudar a construir a infraestrutura de armazenamento e processamento de dados.

Eles devem saber quando definir esquemas para o aplicativo a fim de implementar projetos de “Data Lakes” que ajudem na análise em grande escala, mas ainda atendam aplicativos específicos do domínio.

Eles devem ainda conhecer sobre governança e segurança de dados e eles devem estar muito familiarizados com as principais tecnologias que são usadas para construir esses sistemas.

Inevitavelmente surge a pergunta: e por onde eu começo? Abaixo os 7 passos que nós sugerimos, fruto da experiência capacitando milhares de profissionais em nosso portal:

Passo 1 – Faça Uma Auto-Análise

Antes de pensar na carreira de Engenheiro de Dados, faça uma auto-análise sobre seu nível atual de conhecimento. Use papel e caneta se necessário e liste as tecnologias que você conhece atribuindo notas de 1 a 10 para o nível de conhecimento que você acredita ter. Pode ser meio complicado no começo, mas isso vai dar uma boa ideia de onde você está e o que precisa fazer para adquirir o conhecimento necessário para trabalhar como Engenheiro de Dados. Essas perguntas podem ajudar:

  • Qual o seu nível atual de conhecimento sobre tecnologias de armazenamento e processamento de dados?
  • Você se sente confortável em trabalhar com sistema operacional Linux?
  • Você compreende por que computação distribuída é fundamental ao armazenar e processar grandes volumes de dados?
  • Você sabe trabalhar com Cloud Computing? Domina algum provedor em nuvem?
  • Qual seu nível de proficiência em programação de computadores?
  • Domina ou tem alguma proficiência em ferramentas ETL?
  • Saberia extrair dados em tempo real, usando tecnologia local ou em nuvem?

Respondendo essas e outras perguntas você terá uma visão mais clara das áreas onde precisa desenvolver seus skills. Se quiser conhecer mais as tecnologias usadas por Engenheiros de Dados, confira nosso curso gratuito: Big Data Fundamentos.

Passo 2 – Aprenda a Trabalhar com Bancos de Dados Relacionais e Linguagem SQL

Bancos de dados relacionais farão parte de projetos de Engenharia de Dados, seja como fonte, como destino ou durante a execução de um pipeline de dados. Saber trabalhar com bancos de dados relacionais é, portanto, mandatório para Engenheiros de Dados. E o que significa “saber trabalhar”?

Significa conhecer o funcionamento do SGBD (Sistema Gerenciador de Banco de Dados), conhecer as alternativas de otimização e tuning do banco de dados gerenciado pelo SGBD, conhecer os modelos de dados (como modelo transacional e de Data Warehouse), conhecer como os dados podem ser carregados e extraídos de um banco de dados.

SQL é a principal linguagem usada para manipular dados em bancos de dados e amplamente usada em processos ETL (Extração, Transformação e Carga de Dados). SQL fará parte do seu dia a dia como Engenheiro de Dados e conhecer algumas ferramentas usadas em ETL como Apache NiFi, Apache Spark e Apache Airflow pode ser necessário para entrar no mercado de trabalho.

Passo 3 – Aprenda a Projetar, Implementar e Manter Data Lakes

Existem muitas formas e tecnologias para projetar, implementar e manter Data Lakes, sendo Apache Hadoop HDFS, Bancos de Dados NoSQL e Data Stores como o Amazon S3 na nuvem, as tecnologias mais comuns para esse fim. O Engenheiro de Dados deve dominar o máximo possível sobre Data Lakes e seu tipo de armazenamento. Cada vez mais e mais empresas implementam Data Lakes à medida que avançam em suas estratégias de dados. O Data Lake está se tornando o coração de muitas estratégias de dados.

Portanto, saber projetar, implementar e manter um Data Lake é requisito básico para Engenheiros de Dados. Dominar ferramentas ETL que carregam e extraem dados de Data Lakes é igualmente importante.

E aqui podemos incluir também o conhecimento em extração de dados em tempo real, ou seja, saber trabalhar com Streaming de Dados, seja para análise em tempo real ou para armazenamento. O Apache Beam é um exemplo de ferramenta que pode ser usada nesse tipo de tarefa.

O conhecimento em bancos de dados NoSQL como Apache Cassandra, Apache HBase e MongoDB também é importante.

Passo 4 – Desenvolva Suas Habilidades em Cloud Computing e Computação Distribuída

Todos estão indo para a nuvem. Dominar Cloud Computing agora é um requerimento básico para profissionais de tecnologia em geral e no caso do Engenheiro de Dados isso é ainda mais relevante. Dificilmente um Engenheiro de Dados participará de um projeto onde alguma solução em nuvem não seja utilizada e dominar pelo menos um provedor de Cloud Computing é fundamental. Os principais provedores em nuvem são AWS, Microsoft Azure e Google Cloud Platform.

A computação distribuída em clusters de computadores é a base para o armazenamento e processamento de grandes volumes de dados e quase todos os frameworks usados para esse fim são baseados no conceito de computação distribuída. Esse conhecimento é requisito básico para Engenheiros de Dados.

Você pode adquirir esse conhecimento construindo um ambiente de cluster no seu computador através de máquinas virtuais, exatamente como ensinamos na Formação Engenheiro de Dados. Uma forma prática de adquirir o conhecimento que será usado no dia a dia.

Passo 5 – Desenvolva Suas Habilidades Sobre Governança e Segurança de Dados

Ao implementar uma arquitetura de dados e construir um pipeline de extração, transformação e carga de dados, duas questões farão inevitavelmente parte do trabalho do Engenheiro de Dados.

Primeiro a Governança de Dados e Metadados, o que será usado para organizar, pesquisar, selecionar e descartar dados de forma criteriosa.

Segundo, algo bastante óbvio: segurança. Se os dados estão se tornando um dos ativos mais importantes da empresa, a segurança de armazenamento e acesso se torna algo crítico. Quem pode acessar os dados no Data Lake? Um departamento pode ter acesso de leitura a dados de outro departamento? Os dados devem ser criptografados? Qual a política de backup dos dados? Todas essas perguntas devem ser respondidas e uma política de segurança de acesso aos dados deve ser criada e implementada.

Conhecimento em protocolos de autenticação, como Kerberos e LDAP, normalmente serão um diferencial.

Passo 6 – Domine Pelo Menos Uma Linguagem de Programação

O Engenheiro de Dados precisa saber programar? Não e Sim! Vamos explicar!

O conhecimento em programação de um Engenheiro de Dados não precisa ser do nível de um Engenheiro de Software, mas é importante dominar pelo menos uma linguagem, pois isso vai permitir construir pipelines de dados personalizados e customizar as soluções de dados para as necessidades da empresa.

Além disso, todo e qualquer software é construído com uma linguagem de programação, certo? Dominar uma linguagem, portanto, vai permitir que você leia e compreenda mensagens de erro, faça debug no caso de eventuais problemas e até mesmo corrija pequenos bugs ou faça customização nas ferramentas quando forem open-source, o que predomina em projetos de Ciência de Dados.

Python, Java e Scala são as linguagens mais comumente usadas por Engenheiros de Dados no dia a dia.

Passo 7 – Domine o Sistema Operacional Linux

Raramente. Muito raramente. Você encontrará um Engenheiro de Dados que não saiba trabalhar com Linux, seja localmente ou em nuvem. Todas as principais tecnologias de armazenamento e processamento de dados foram criadas para o universo Unix e Linux é um tipo de Unix. Não tente lutar contra isso. Use seu Windows para assistir vídeos no YouTube ou navegar pela internet, mas na hora de trabalhar de forma profissional busque sua proficiência em Linux.

Em diversas situações, ao acessar remotamente um servidor na nuvem por exemplo, tudo que estará à disposição é um terminal para executar as ações necessárias de configuração. Saber trabalhar com Linux é fundamental para quem pretende seguir a carreira de Engenheiro de Dados. Exatamente por isso oferecemos um curso gratuito de Introdução ao Sistema Operacional Linux, para quem adquire a Formação Engenheiro de Dados.

Engenheiro de Dados é uma das funções em maior demanda no universo da Ciência de Dados. Prepare-se e busque sua vaga!


Quer iniciar sua carreira como Engenheiro de Dados e se tornar um profissional altamente requisitado no mercado de trabalho? Que tal começar com uma Formação completa, com cursos 100% online e 100% em português? E se os cursos forem totalmente práticos, com exemplos e casos de uso do mundo real? E se você tivesse suporte em até 24 horas, até mesmo nos finais de semana e feriados? E se você tivesse a chance de fazer networking de qualidade com profissionais de alto nível em todo Brasil e no exterior? E se ao final você tivesse um certificado de conclusão para compartilhar nas suas redes sociais e demonstrar suas habilidades aos empregadores? E se você ainda pudesse estudar do smartphone ou tablet?

Tudo isso e muito mais já é possível. Clique no link abaixo e comece agora mesmo:

Formação Engenheiro de Dados

Equipe DSA