A demanda por Cientistas de Dados e profissionais de Data Science tem sido imensa nos últimos anos. Isso vai mudar com a Pandemia?

O surto da pandemia de COVID-19 está tendo um impacto imenso nas economias em todo mundo, e as taxas de desemprego estão aumentando. Dadas as perturbações econômicas, parece provável que muitos países experimentem uma recessão.

As organizações estão começando a lidar com a forma como a desaceleração econômica influenciará os investimentos que estão fazendo em geral. E uma pergunta pertinente neste momento é se a demanda por profissionais de Data Science permanecerá alta (como esteve até agora) ou vai desacelerar. Você não precisa procurar muito para encontrar evidências de que o foco nessa área tem sido forte: um relatório de 2017 da IBM, por exemplo, previu que o número de posições em Data Science nos EUA aumentaria em 364.000, para 2.729.000 até 2020. Em 2019, o LinkedIn classificou “Cientista de Dados” como o cargo mais promissor nos EUA com base em vagas, salário e oportunidades de progressão na carreira e relatou um aumento de 56% nas vagas de Cientistas de Dados em relação ao ano anterior . O crescimento exponencial dos dados – e o desejo do mercado de usá-los para obter melhores resultados nos negócios – tem sido amplamente citado como uma razão da crescente demanda por talento analítico.

Aqui mesmo na Data Science Academy vemos o fenômeno, com o aumento exponencial de profissionais e empresas que buscam nossos treinamentos a fim de obter capacitação de alto nível para encarar os desafios do mercado.

A atual recessão vai desacelerar o crescimento da demanda por profissionais de Data Science? Mudanças nas metas e no foco das organizações tornarão possíveis as perdas de emprego nesses campos? Para as empresas que já haviam iniciado a transformação digital, as mudanças trazidas pela Pandemia do COVID-19 tem na verdade acelerado os negócios e muitas dessas empresas estão contratando Cientistas de Dados e Engenheiros de Dados disponíveis no mercado. Porém, para uma empresa comum e na qual transformação digital era apenas um relatório guardado na gaveta, a menor demanda por Cientistas de Dados será um sinal de que menos Ciência de Dados está acontecendo em suas organizações, o que significa que haverá uma dependência contínua da intuição e de outros guias menos poderosos para a tomada de decisões e ações.

Mas vamos deixar os “achismos” de lado e realizar análise baseada em fatos e, claro, dados. E aí então podemos avaliar O Impacto da Pandemia nas Carreiras em Data Science.

Previsões: Influências nos Investimentos em Analytics no Próximo Ano

Para entender o que os gerentes estão pensando a respeito dos projetos de Ciência de Dados para o próximo ano, contatamos vários líderes da empresa em conversas individuais e analisamos a demanda agregada nos quadros de empregos. Com base no que aprendemos, pensamos que, à medida que as organizações tentam imaginar uma nova realidade econômica do COVID-19, quatro fatores determinam suas decisões sobre o investimento contínuo em Análise e Ciência de Dados.

1-Retorno comprovado do investimento. O ROI é uma das primeiras métricas usadas quando as empresas recorrem ao corte de custos em uma recessão. Isso será verdadeiro para analisar investimentos em suas equipes de Data Science. Indivíduos, grupos ou projetos que não mostram um retorno claro do investimento provavelmente serão colocados na lista de possíveis cortes de economia de custos. Isso pode resultar em uma diminuição no crescimento do investimento ou em uma redução real no emprego.

O ROI é um padrão rígido para a Ciência de Dados, em parte porque muitos algoritmos nunca são implantados em aplicativos de produção. Segundo algumas estimativas, 85% dos projetos de Big Data falhavam (esses são números de 2017 e não encontramos números mais recentes). Conseguir o sucesso em projetos de Data Science e documentar adequadamente o ROI pode ser um desafio: um relatório da McKinsey afirma: “Enquanto os investimentos em análise estão crescendo, muitas empresas não estão vendo o ROI esperado. Elas lutam para empregar análises em alguns casos de uso bem-sucedidos para escalá-las em toda a empresa, incorporando-as à cultura organizacional e à tomada de decisões cotidiana.”

Por outro lado, as equipes de dados que provaram seu valor podem prosperar. John Morris, diretor-gerente de ciência de decisão de operações da Delta Air Lines, disse-nos que “a liderança executiva certamente buscará orientação na equipe de Ciência de Dados durante uma recessão, porque a análise tem um histórico comprovado de adição de valor baseado em dados.”

Insight 1: Se os profissionais de dados mostraram seu valor para a empresa antes da Pandemia, provavelmente serão os grandes responsáveis por conduzir a empresa durante o momento de turbulência. Perde o emprego quem não é capaz de entregar valor.

2-Suporte de liderança pré-COVID-19. O suporte existente em nível C (CEO, CIO, CDO, etc…) para uma cultura orientada a dados será outro fator importante que determina o nível de investimento contínuo de uma empresa durante uma recessão. Se o suporte no nível C criou uma cultura orientada a dados, é provável que o uso da Ciência de Dados seja difundido e faça parte da estratégia principal da empresa.

No entanto, uma pesquisa de 2019 da Deloitte com executivos de grandes empresas descobriu que 63% não acreditam que suas empresas sejam orientadas por dados. Da mesma forma, apenas 31% dos executivos de nível C de grandes empresas dos EUA pesquisados ​​pela New Vantage Partners classificaram suas empresas como orientadas por dados. A falta de liderança analítica forte e uma cultura de apoio a tomada de decisões baseada em dados apresentam um fator de risco significativo.

De acordo com Charles Thomas, que liderou grupos de dados e análises na USAA, Wells Fargo e agora General Motors, uma forte liderança de equipe de Data Science é fundamental para o seu destino nas crises econômicas. “Os CEOs costumam formar grupos de análise centralizados, mesclando unidades menores porque acreditam que mais valor pode ser gerado se reunidos”, ele nos disse. Esses grupos, mesmo que recebam algum apoio de nível sênior, ainda precisam lutar para destacar seus benefícios incrementais aos negócios, a fim de obter recursos e demonstrar sua validade. Os melhores líderes desses grupos de análise, observou ele, aprimoraram sua capacidade de se concentrar nos resultados dos negócios: “[Eles] chegaram aonde estão por causa de sua capacidade de comunicar seu valor (além das proezas técnicas) a toda a organização.” Um líder de análise que está fazendo seu trabalho corretamente, disse ele, “abriu caminho com parceiros de negócios”.

Insight 2: Aqui entra a história do copo com água até a metade. Ele está meio cheio ou meio vazio? Os pessimistas e mal informados dirão: “Viu, as empresas não estão orientadas a dados” ou “Vamos correr para outra profissão” ou ainda “Data Science é apenas “modinha”. Mas os realistas e profissionais de verdade dirão: “Veja o universo de oportunidades” ou “Há muito trabalho a ser feito, quem vai conduzir as mudanças?” ou ainda “É no momento conturbado que mais precisamos de análise de dados, para que as decisões sejam as mais informadas possíveis”. Você escolhe em qual grupo vai estar. Nós escolhemos estar no segundo grupo.

3-Maturidade do Analytics. Até que ponto uma empresa está realizando valor com seus dados? Muitos dos chamados modelos de maturidade medem o desenvolvimento do processo de Ciência de Dados pela progressão de uma organização, do uso de estatísticas descritivas, modelos preditivos e análises prescritivas mais complexas. Sob esses modelos, as análises descritivas e preditivas correm maior risco porque não afetam diretamente a tomada de decisões, a menos que sejam agrupadas ou incorporadas a um sistema baseado em regras, um modelo de pontuação baseado em aprendizado de máquina ou uma otimização – ou seja, a menos que eles sejam implantados.

Em uma recessão, quando houver uma ênfase maior no corte e na eficiência de custos, deve haver um aumento na demanda por análises prescritivas. A otimização será aplicada a tudo, da produção à logística, ao gerenciamento de recursos humanos, e as organizações analiticamente maduras deverão observar um aumento na demanda por serviços de Ciência de Dados. A realidade é que os grupos de análise em organizações analiticamente maduras que conseguiram criar implantações de produção para seus algoritmos estão mais seguros em uma recessão.

Insight 3: Um dos 4 pilares da Ciência de Dados é exatamente a análise prescritiva (conheça todos os pilares em detalhes com nosso curso gratuito Introdução à Ciência de Dados). Mas a análise prescritiva só pode ser exercida, praticada e ensinada por quem já esteve no campo de batalha, quem já implementou projetos na vida real e quem sabe como um projeto pode gerar valor para uma empresa. A experiência será mais importante do que nunca e se você ainda não tem experiência, procure quem tenha e quem poderá ajudar você a desenvolver a sua, com exemplos e projetos práticos orientados ao mercado de trabalho.

4-A estrutura organizacional do grupo de análise. Como as análises são entregues e implantadas pode influenciar seu valor percebido para uma organização. Uma estrutura centralizada, mais comum em organizações maiores, consiste em um grupo de consultoria interno ou em um centro de excelência. Uma estrutura incorporada permite que funções individuais tragam seu próprio suporte analítico. Uma estrutura híbrida possui alguns membros em um grupo central e outros incorporados nas unidades de negócios.

Um grupo totalmente incorporado pode ser mais suscetível a cortes se houver cortes em todas as unidades de negócios. Estruturas centralizadas também podem ser bastante vulneráveis, principalmente em organizações menos analiticamente maduras e principalmente se o grupo não tiver demonstrado seu ROI. Em uma organização analiticamente madura, no entanto, o oposto pode ser verdadeiro: como Thomas observou pela GM, grupos maduros e centralizados geralmente têm líderes mais fortes, que são hábeis em fornecer e comunicar valor.

Insight 4: A liderança ainda é fundamental. Um líder decide o caminho a seguir com base na sua visão e experiência e trabalhar em uma empresa com liderança forte aumenta a segurança em momentos como o que estamos vivendo.

O Mais Provável Determinante da Demanda

Depois de discutir esse tópico com vários líderes seniores, concluímos que o ROI demonstrado, ou a falta dele, é provavelmente o maior fator determinante para as organizações fortalecerem ou reduzirem seus esforços em Data Science. Para as equipes de dados que demonstraram ROI forte e positivo, a demanda por profissionais de Data Science pode na verdade aumentar em uma recessão.

Tudo se resume ao ROI (Retorno Sobre o Investimento) dentro de uma empresa. A empresa não contrata ou mantém um profissional porque ele se formou na Universidade A ou B. A empresa não contrata ou mantém um profissional porque ele tem 820 certificados ou nenhum certificado. Uma empresa não contrata ou mantém um profissional pela sua idade, raça, cor ou gênero. Uma empresa contrata ou mantém um profissional se ele(a) for capaz de entregar ROI. É uma troca e na hora de cortar custos, os gestores fazem uma simples análise: “O salário que eu eu pago a este profissional oferece um ROI?” Se a resposta for sim, há grandes chances de você ser contratado ou do seu emprego ser mantido. Se a resposta for não….aí você será substituído. É assim que funciona o mercado. Entregue ROI e mantenha sua empregabilidade. E como se mantém o ROI? É preciso estar em modo de aprendizado contínuo, investindo na própria capacitação e adquirindo conhecimento prático orientado às necessidades do mercado.

Por Que Compartilhar Boas Notícias é Importante

Com base nos dados da ferramenta Labor Insight da Burning Glass Technologies, na média de três semanas para o período encerrado em 18 de abril de 2020, o crescimento de novas vagas de emprego nos EUA diminuiu, com taxas de declínio variando em setores como finanças e seguros, lojas de varejo, companhias aéreas de passageiros e frete aéreo. Mas não podemos focar apenas nas notícias ruins (como fazem a mídia e as redes sociais).

Embora as novas vagas de emprego em Ciência de Dados tenham diminuído de maneira geral, atualmente elas parecem estar diminuindo em uma taxa mais lenta do que a da maioria das outras ocupações. E no setor financeiro e de seguros, novas vagas de emprego no espaço da Ciência de Dados aumentaram.

Acreditamos firmemente que os profissionais de Ciência de Dados são essenciais para o sucesso competitivo, e podem se tornar ainda mais importantes em momentos conturbados como esses trazidos pela Pandemia. Profissionais de Data Science experimentaram uma demanda incrível por seus serviços na última década e um ajuste é absolutamente normal devido ao cenário econômico em todo mundo. E há ainda um outro fator a ser considerado: as empresas descobriram que o trabalho remoto funciona e pode aumentar a produtividade. Muitas já estão incorporando o trabalho remoto como opção viável e o trabalho de profissionais de Ciência de Dados pode ser feito essencialmente de forma remota. Assim o mercado para esses profissionais deixa de ser local e passa a ser global, ainda mais para quem souber mais de um idioma.

Por tudo exposto aqui, as carreiras em Ciência de Dados foram as que tiveram menor impacto com a Pandemia, pois estão muito mais próximas das decisões de negócio e isso é o que mantém qualquer empresa respirando. Com o fim da Pandemia, as carreiras em Ciência de Dados serão as primeiras a ver crescimento na demanda, principalmente de profissionais capazes de entregar ROI – Retorno Sobre o Investimento.

Você pode não acreditar, pode ignorar ou então se preparar. A escolha é 100% sua!

Equipe DSA

Referências:

Este artigo foi principalmente baseado no artigo em inglês: The Recession’s Impact on Analytics and Data Science

Mas teve outras referências complementares:

Pós-pandemia: 5 profissões que estarão em ALTA e tendências para o mercado de trabalho

Big tech companies hired aggressively during the last financial crisis, and they’re doing it again. Here’s what Apple, Google, Amazon, and Facebook are looking for

Big Data and AI Executive Survey 2019

Com crescimento na produtividade, Stefanini adota home office definitivo