Formação: Superior Completo em Ciência da Computação, Estatística, Matemática, Engenharia de Dados ou áreas relacionadas.Outras formações desejáveis: Pós-graduação em temas relacionados com Ciência de Dados e/ou utilização de métodos quantitativos.Inglês para leitura.Sólida Experiência em:Análise de dados, modelagem estatística e resolução de problemas;Linguagens como Python, R e SQL (avançado);Algoritmos avançados de aprendizado de máquina, como redes neurais profundas (Deep Learning), algoritmos de processamento de linguagem natural (NLP), algoritmos de recomendação, árvores de decisão, ensemble learning, entre outros.Processos de ETL para extração, transformação e carga de dados de diferentes fontes em um formato adequado para análise.Conhecimentos Específicos Necessários:Domínio de Linguagens de Programação: Domínio avançado em linguagens de programação para desenvolver soluções complexas e eficientes, escrever código limpo e legível, e realizar otimizações quando necessário;Estatística e Modelagem Avançada: conhecimento em técnicas estatísticas, incluindo regressão avançada, análise de séries temporais, modelos Bayesianos, modelos de mistura, análise multivariada, testes de hipóteses, entre outros.
Capacidade de aplicar técnicas avançadas de modelagem estatística para entender padrões, prever tendências e tomar decisões baseadas em dados;Aprendizado de Máquina (Machine Learning) Avançado: Capacidade de selecionar, ajustar e avaliar modelos de aprendizado de máquina complexos para resolver problemas de negócios;Processamento e Análise de Big Data: Conhecimento em tecnologias e frameworks para processamento e análise de big data, como Hadoop, Spark, Hive, Pig, MapReduce, entre outros.
Capacidade de trabalhar com grandes volumes de dados de forma eficiente, realizar transformações e manipulações complexas, e executar algoritmos distribuídos para extrair insights significativos;Arquitetura de Dados: Conhecimento em arquitetura de dados e design de sistemas de armazenamento e processamento de dados, incluindo data lakes, data warehouses, sistemas de processamento em tempo real, integração de dados, entre outros.
Capacidade de projetar soluções escaláveis, robustas e seguras, considerando requisitos de desempenho e governança de dados;Utilização de APIs: Domínio em utilização de APIs para integração de dados entre diferentes sistemas.
Capacidade de projetar APIs eficientes e escaláveis, que permitam a troca de dados de forma segura e padronizada, facilitando a integração de diferentes fontes de dados e sistemas;ETL (Extract, Transform, Load): Domínio de ferramentas e técnicas de ETL, bem como a capacidade de lidar com dados desestruturados, realizar limpeza e transformação de dados, e garantir a qualidade e integridade dos dados utilizados nas análises;Gerenciamento de Projetos: Capacidade de planejar, coordenar e executar projetos de ciência de dados, garantindo a entrega dentro do prazo e do escopo.
Habilidade em gerenciar recursos, lidar com requisitos em constante mudança e mitigar riscos.
Conhecimento em metodologias de gerenciamento de projetos, como Agile ou Scrum, é desejável.Habilidades e Competências: Foco no Cliente; Atitude Inovadora; Colaboração; Capacidade Analítica e Visão Sistêmica.Desejável que possua Carteira Nacional de Habilitação (categoria mínima B).Análise de grandes volumes de dados: Lidar com grandes volumes de dados, realizar análises exploratórias e identificar padrões, tendências e correlações relevantes.
Utilizar ferramentas e técnicas de processamento e análise de big data para extrair insights significativos e acionáveis dos conjuntos de dados disponíveis;Desenvolvimento de modelos preditivos avançados: Utilizar técnicas estatísticas e algoritmos de machine learning para desenvolver modelos preditivos que possam fornecer insights valiosos para a tomada de decisão.
Isso inclui a seleção e o ajuste de modelos, a validação dos resultados e a otimização das previsões;Implementação de soluções de análise de dados: Desenvolver soluções e sistemas que permitam a coleta, o armazenamento, a integração e a análise eficiente de dados.
Isso pode envolver a criação e a manutenção de pipelines de dados, a configuração de bancos de dados e o desenvolvimento de infraestrutura de análise;Participar em projetos de âmbito nacional, envolvendo o Sebrae Nacional e o Sebrae de outros estados, em temas estratégicos ligados ao programa nacional de inteligência de dados;Assessoria estratégica:Fornecer assessoria estratégica à alta direção e aos tomadores de decisão, com base em insights derivados da análise de dados.
Contribuir para a definição de metas e estratégias de negócio, apoiando a tomada de decisões orientadas por dados.Governança de dados: Desenvolver e implementar políticas e práticas de governança de dados para garantir a qualidade, a integridade e a segurança dos dados.
Assegurar que os dados sejam coletados, armazenados e utilizados de acordo com as regulamentações e melhores práticas de segurança;Colaboração interdisciplinar: Trabalhar em equipe com outros cientistas de dados, engenheiros de dados, analistas de negócios e profissionais de TI para realizar análises complexas e resolver problemas de negócio.
Colaborar em projetos interdisciplinares, compartilhar conhecimentos e contribuir para a melhoria dos processos e resultados;Comunicação de resultados e insights: Traduzir resultados complexos de análises de dados em informações compreensíveis para diferentes públicos, incluindo equipes técnicas e não técnicas.
Apresentar insights de forma clara e persuasiva, utilizando visualizações de dados e narrativas eficazes;Desenvolvimento e liderança técnica de equipe: Orientar e mentorar cientistas de dados mais juniores e analistas de negócio, compartilhando conhecimentos, melhores práticas e experiências.
Fomentar um ambiente de aprendizado e crescimento profissional, promovendo a colaboração e o desenvolvimento de habilidades técnicas e de liderança na equipe;Identificação de oportunidades de inovação: Estar atento a novas tecnologias, tendências e abordagens emergentes na área de ciência de dados.
Identificar oportunidades de aplicação de técnicas avançadas e inovadoras para melhorar os processos, a eficiência e a eficácia das análises de dados.