- Resumo de um AMA feito no canal DataScience do Reddit por um Staff Data Scientist de uma grande empresa de tecnologia localizada no Vale do Silício, nos EUA
- Tem doutorado em Estatística, cerca de 10 anos de experiência, com passagem por empresas de vários portes, incluindo startups, unicórnios pré-IPO e FAANG
- Trabalhou principalmente como IC (Individual Contributor), mas também tem alguma experiência em gestão
- Seus principais pontos fortes são machine learning, experimentação/inferência causal e análise de dados
Resumo das principais perguntas e respostas
Qual é o valor de um PhD (doutorado)?
- Ter doutorado ajuda na primeira contratação ou no início da carreira, mas seu impacto diminui conforme a carreira avança
- A indústria (especialmente no Vale do Silício) se concentra em velocidade e valor de negócio, e prioriza praticidade mais do que rigor acadêmico
- Se pudesse decidir de novo, provavelmente não investiria mais de 5 anos em um doutorado. As tendências da indústria e o avanço da IA estão rápidos demais
- Cargos de pesquisa em IA exigem PhD, mas para funções de DS/ML voltadas a produto, mestrado ou graduação já são suficientes
Carreira e desenvolvimento profissional
- Para ser promovido de IC para Senior ou acima, é preciso gerar impacto além do time e contribuir para estratégia e organização
- É importante construir confiança, liderar projetos cross-functional e desenvolver relacionamento com executivos e gerentes
- Para ter sucesso em startups: é preciso ser generalista, capaz de tocar vários papéis (ML end-to-end, pipeline de dados, análise), além de ter paixão pelo negócio
- No início da carreira, a capacidade técnica pesa mais; do meio para o fim, conhecimento de domínio e comunicação/liderança se tornam mais importantes
O futuro dos cientistas de dados e a IA
- A IA substitui rapidamente tarefas simples e repetitivas, mas isso faz os cientistas de dados com competências centrais se destacarem ainda mais
- Após a adoção de IA generativa, a forma de trabalhar mudou (código, documentação etc.), mas as funções centrais (análise, modelagem etc.) continuam válidas
- No futuro, a IA pode ocupar ainda mais áreas, mas resolver problemas complexos, interpretar o domínio e se comunicar bem continuam sendo critérios essenciais de talento
Prática no trabalho e cultura organizacional
- A importância de inferência causal/experimentação (teste A/B) varia conforme o domínio. Em ambientes onde não é possível experimentar, a capacidade de inferência causal com dados observacionais é indispensável
- Ao se comunicar com o negócio ou com líderes: foque menos nos detalhes técnicos e mais em “por quê”, “o que será feito” e no impacto
- Se a cultura da organização não valoriza inferência causal e qualidade de dados, há limites para comunicação e mudança. Pode valer considerar trocar de time ou de empresa
- Quando o gerente não percebe o problema, é preciso construir confiança, propor soluções e, se necessário, considerar movimentação interna ou saída da empresa
Desenvolvimento de competências e conselhos de contratação
- No início da carreira, experiência com estágio/portfólio/projetos é importante. Competências técnicas (programação, ML etc.) são o mínimo esperado
- Conhecimento de domínio, comunicação e capacidade de resolver problemas são diferenciais ainda maiores na era da IA e da automação
- Mais do que diploma ou certificações, projetos práticos e experiência real vêm primeiro
- O mercado valoriza “experiência”. Recomenda-se acumular vivência com estágio, consultoria e projetos diversos
Outros insights
- Sinais de que uma startup vai fracassar: queda de moral, saída de pessoas-chave, piora de métricas essenciais etc.
- Habilidade política: foque em projetos alinhados à estratégia da organização e construa relações influentes
- Salários altos/benefícios: em big techs, cargos de topo como na Netflix podem realisticamente passar de US$ 750 mil por ano (incluindo ações)
- Satisfação com a carreira: em big tech, tirando a escala dos dados, o trabalho pode ser relativamente comum; está explorando trabalhos paralelos em busca de crescimento e diversão
Ainda não há comentários.