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
(modified)
A ciência de dados é normalmente utilizada para analisar dados de alto volume, alta velocidade e alta variedade (números, símbolos, texto, som e imagem).
As atividades podem incluir, não se limitando a:
- integração de métodos de matemática, estatística e modelagem de probabilidade utilizando linguagens de programação especializadas, ferramentas e técnicas
- obtenção 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
- localizar, selecionar, adquirir e ingerir fontes de dados
- integração e limpeza de dados para adequá-los a sua finalidade
- desenvolvimento de hipóteses de ciência de dados e exploração de dados, usando modelos e sandboxes de análise
- refinar requisitos, validar, treinar e evoluir modelos ao longo do tempo para descobrir insights mais profundos, fazer previsões ou gerar recomendações
- uso de técnicas analíticas avançadas, incluindo entre outras: mineração de dados/texto, aprendizado de máquina, correspondência de padrões, previsão, visualização, análise semântica, análise de sentimentos, análise de redes e clusters, estatísticas multivariadas, análise de gráfica, simulação, processamento de eventos complexos e 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.
Clique para saber por que as habilidades SFIA não são definidas em todos os 7 níveis.
Mostrar/ocultar descrições e níveis extras.
Níveis de responsabilidade para esta habilidade
2 | 3 | 4 | 5 | 6 |
Nível 1
Ciência de dados: Nível 2
(modified)
Sob supervisão de rotina, aplica aos dados especificados, técnicas de ciência de dados. Analisa e reporta descobertas e resolve problemas simples, usando algoritmos incluídos em frameworks e ferramentas de software padrão.
Ciência de dados: Nível 3
(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. Identifica e implementar oportunidades para treinar e melhorar modelos e os dados que eles utilizam. Publica e apresenta relatórios sobre os resultados dos modelos para atender às necessidades do cliente e estar em conformidade com os padrões acordados.
Ciência de dados: Nível 4
(modified)
Investiga problemas e conjunto de dados para avaliar a utilidade de soluções de ciência de dados. Aplica uma grande variedade de técnicas de ciência de dados e linguagens de programa especializadas. Compreende e aplica regras e diretrizes específicas para a indústria e negócios e antecipa riscos e outras implicações da modelagem. Seleciona, adquire e integra dados para análise. Formula hipóteses e avalia modelos de ciência de dados. Aconselha sobre a eficácia de técnicas específicas com base em descobertas por análise e pesquisa. Contribui para o desenvolvimento, avaliação, monitoramento e implantação de soluções de ciência de dados.
Ciência de dados: Nível 5
(modified)
Planeja, coordena e conduz todos os estágios do desenvolvimento de soluções de ciência de dados. Oferece consultoria especializada para avaliar os problemas a serem resolvidos e a necessidade de soluções de ciência de dados. Identificar e justificar quais fontes de dados a serem utilizadas ou adquiridas. Especifica e aplica técnicas de ciência de dados apropriadas e linguagens de programação especializadas. Analisa criticamente 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
(modified)
Defende e lidera a introdução e o uso da ciência de dados para impulsionar a inovação e o valor comercial. Desenvolve e impulsiona a adoção e a aderência a políticas, normas, diretrizes e métodos organizacionais para ciência de dados. Define a direção e lidera a introdução e o uso de técnicas, metodologias e ferramentas de ciência de dados. Lidera o desenvolvimento de capacidades organizacionais para ciência de dados. Planeja e lidera iniciativas estratégicas, grandes e complexas de ciência de dados para gerar insights, criar valor e impulsionar a tomada de decisões.