O modelo global de competências para o mundo digital

Ciência de dados DATS Beta

(unchanged)

Aplicação de matemática, estatística, mineração de dados e técnicas de modelagem preditiva para obter insights, prever comportamentos e gerar valor a partir de dados.

Tradução para português brasileiro do SFIA 9: Versão Beta

SFIA 9 em inglês já está disponível.

  • Esta é uma versão beta do SFIA 9 em português brasileiro.
  • Nós a criamos usando a Phrase Localization Platform, combinando:
    • Conteúdo traduzido do SFIA 8
    • Contribuições de 7 principais fornecedores de tradução automática
  • Atualizaremos esta tradução após revisão e verificações de qualidade.
  • Por favor, entre em contato conosco se perceber algum erro ou tiver dúvidas.

Observação: Embora a tradução automática ajude a criar versões iniciais, a revisão profissional garante precisão e linguagem adequada ao contexto.

Notas orientativas

(unchanged)

Geralmente, aplicada na análise de dados de alto volume, alta velocidade e alta variedade (números, símbolos, texto, som e imagem).

As atividades podem incluir, entre outros:

  • integração de métodos de matemática, estatística, modelagem de probabilidade; uso de linguagens de programação especializadas, ferramentas e técnicas
  • sourcing e preparação de dados para análise
  • identificação, validação e exploração de conjuntos de dados internos e externos gerados a partir de uma gama diversificada de processos
  • desenvolvimento de insights prospectivos, preditivos, em tempo real e baseados em modelos para criar valor e impulsionar a tomada de decisão eficaz
  • identificação, seleção, aquisição e absorção de fontes de dados,
  • integração e limpeza de dados para torná-los adequados ao propósito
  • desenvolvimento de hipóteses de ciência de dados e exploração de dados usando modelos e sandboxes de análise
  • refinamento de requisitos, validação, treinamento e evolução de modelos ao longo do tempo; elaboração de previsões ou geração de recomendações para identificar insights mais profundos.
  • uso de técnicas analíticas avançadas incluem aquelas como mineração de dados/texto, machine learning, correspondência de padrões, previsão, visualização, análise semântica, análise de sentimento, análise de rede e cluster, estatística multivariada, análise gráfica, simulação, processamento de eventos complexos, redes neurais.

Compreendendo os níveis de responsabilidade desta habilidade

Onde níveis inferiores não são definidos...
  • Tarefas e responsabilidades específicas não são definidas porque a habilidade requer um nível mais alto de autonomia, influência e complexidade na tomada de decisões do que é normalmente esperado nesses níveis. Você pode usar as declarações de essência para entender as responsabilidades genéricas associadas a esses níveis.
Onde níveis mais altos não são definidos...
  • Responsabilidades e accountability não são definidas porque esses níveis mais altos envolvem liderança estratégica e influência organizacional mais ampla que vai além do escopo dessa habilidade específica. Veja as declarações de essência.

Desenvolver habilidades e demonstrar responsabilidades relacionadas a essa habilidade

Os níveis definidos mostram a progressão incremental em habilidades e responsabilidades.

Onde níveis inferiores não são definidos...

Você pode desenvolver seu conhecimento e apoiar outras pessoas que têm responsabilidades nesta área:

  • Aprender conceitos e princípios-chave relacionados a essa habilidade e seu impacto em sua função
  • Executar habilidades relacionadas (veja as habilidades SFIA relacionadas)
  • Apoiar outras pessoas que estão realizando tarefas e atividades de nível superior
Onde níveis mais altos não são definidos...
  • Você pode progredir desenvolvendo habilidades relacionadas que são mais adequadas a níveis mais altos de liderança organizacional.

Mostrar/ocultar descrições e níveis extras.

Níveis de responsabilidade para esta habilidade

2 3 4 5 6

Ciência de dados: Nível 2

Nível 2 - Auxilia: Essência do nível: Presta assistência a outras pessoas, trabalha sob supervisão rotineira e usa seu critério para resolver problemas rotineiros. Aprende ativamente por meio de treinamento e experiências no trabalho.

(modified)

Sob supervisão de rotina, aplica técnicas de ciência de dados especificadas aos dados. Analisando e reportando descobertas e resolvendo problemas simples, usando algoritmos incluídos em frameworks e ferramentas de software padrão.

Ciência de dados: Nível 3

Nível 3 - Aplica: Essência do nível: Executa tarefas variadas, às vezes complexas e não rotineiras, usando métodos e procedimentos padrão. Trabalha sob direção geral, exerce discrição e gerencia seu próprio trabalho dentro dos prazos. Aprimora proativamente as habilidades e o impacto no local de trabalho.

(modified)

Aplica técnicas de ciência de dados padrão a novos problemas e conjuntos de dados usando técnicas de programação especializadas. Identifica e seleciona as fontes de dados apropriadas e prepara os dados a serem utilizados pelos modelos de ciência de dados. Avalia os resultados e o desempenho dos modelos de ciência de dados. Avalia os resultados e o desempenho dos modelos de ciência de dados e os dados que eles utilizam. Publica e apresenta relatórios sobre as saídas de modelos para atender às necessidades do cliente e para atender às necessidades do cliente.

Ciência de dados: Nível 4

Nível 4 - Possibilita: Essência do nível: Realiza diversas atividades complexas, apoia e orienta outras pessoas, delega tarefas quando apropriado, trabalha de forma autônoma sob orientação geral e contribui com conhecimentos especializados para atingir os objetivos da equipe.

(modified)

Investiga ou problema e ou conjunto de dados descritos para fazer uma avaliação da utilidade das soluções de análise e ciência de dados. Desenvolve hipóteses e avaliação de modelos de ciência de dados. Aplica uma grande variedade de técnicas de ciência de dados e linguagens de programa especializadas. Contribui para o desenvolvimento, avaliação e regras e diretrizes específicas do setor e antecipa riscos e outras implicações do modelo.

Ciência de dados: Nível 5

Nível 5 - Garante, aconselha: Essência do nível: Fornece orientação autorizada em seu campo e trabalha sob ampla direção. Responsável pela entrega de resultados significativos do trabalho, desde a análise, passando pela execução, até a avaliação.

(unchanged)

Planeja e conduz todas as etapas do desenvolvimento de soluções de ciência e análise de dados. Oferece consultoria especializada para avaliar os problemas a serem resolvidos e a necessidade de soluções de ciência de dados. Identifica quais fontes de dados usar ou adquirir. Especifica e aplica técnicas apropriadas de ciência de dados e linguagens de programação especializadas. Revisa os benefícios e o valor das técnicas e ferramentas de ciência de dados e recomenda melhorias. Contribui para o desenvolvimento de políticas, normas e diretrizes para desenvolver, avaliar, monitorar e implantar soluções de ciência de dados.

Ciência de dados: Nível 6

Nível 6 - Inicia, influencia: Essência do nível: tem influência organizacional significativa, toma decisões de alto nível, molda políticas, demonstra liderança, promove a colaboração organizacional e aceita a responsabilidade em áreas-chave.

(modified)

Conduz a introdução e ou uso de ciência e ferramentas de ciência de dados. Conduz e ou uso de ciência e análise de dados para impulsionar a inovação e ou desenvolvimento de recursos organizacionais para ciência e análise de dados. Planeja e lidera iniciativas, normas e diretrizes organizacionais, grandes e complexas de ciência de dados para gerar insights de tomada de decisão.