Gonçalo Nogueira
Tutor

Entrevista

Gonçalo Nogueira é Data Engineer na Mindera e tutor da EDIT. Porto. Em entrevista, conta-nos o seu percurso e quais são os maiores desafios em ser um Data Analyst e ainda nos conta qual é a importância da análise de dados no Marketing Digital para as marcas e empresas.

A análise de dados continuará a ganhar importância em todas as áreas de negócio. A era do gestor que aponta numa direção baseado apenas na sua visão e intuição acabou.


Conta-nos o teu percurso académico e experiência profissional

Sempre fui uma pessoa muito curiosa e de muitos interesses. Desde novo que “engulo” informação de muitos temas diferentes, desde Física, Biologia, Psicologia, Economia, Informática até Música e História.

Talvez tenha sido por esta razão que decidi ingressar no Mestrado em Engenharia Industrial e Gestão da FEUP, porque me pareceu ser bastante generalista e tocar em várias áreas diferentes, mantendo assim muitas opções em aberto no futuro. Costumo dizer que é um curso em que se aprende pouco de muito e muito de nada, o que, para um autodidadcta como eu, acaba por ser ideal pois permite-me aprofundar aquilo que mais me interessa.

Ao sair da faculdade fui trabalhar para a indústria “pura e dura” porque o ambiente ruidoso e pleno de atividade de uma fábrica, em que o produto está a ser feito em frente dos nossos olhos, sempre me fascinou.Trabalhei essencialmente na melhoria de processos industriais, na busca de maior qualidade e maior eficiência.

No entanto, o setor industrial tende a ser bastante conservador e tudo avança um pouco devagar demais para o meu gosto. Por esta razão é fácil entrar numa rotina e começar a “emburrecer”. Deixei de me sentir intelectualmente desafiado e iniciei a procura de outras áreas em que pudesse utilizar e aumentar as minhas capacidades analíticas.

A área emergente de Data Science atraiu-me pelo ritmo desenfreado de inovação e pelas possibilidades quase miraculosas de algumas técnicas. Pensei – “Aqui está uma área em que não vão faltar coisas para aprender”. Foi então que comecei a rever os conceitos matemáticos de Álgebra e Estatística e a aprender sobre os diferentes modelos usados em Machine Learning, apenas fazendo uso de recursos online. Frequentei depois a Pós-Graduação em Business Intelligence & Analytics da Porto Business School para cimentar estes conhecimentos.

Foi durante esta pós-graduação que consegui assegurar a minha atual posição de Data Analyst na Farfetch, onde tenho crescido bastante e onde não faltam desafios. A minha curiosidade tem-me levado a continuar a aprofundar a área, estando agora a dedicar-me a compreender melhor os modelos usados em Deep Learning.

 


Como é ser Data Analyst? Quais os maiores desafios?

“Fazer a pergunta certa é mais difícil do que respondê-la”

Georg Cantor

Concordo em absoluto com esta afirmação do grande matemático. Em toda a minha experiência profissional tem sido uma constante que o mais difícil é definir corretamente o problema. Estando bem definido, quase que se resolve sozinho. Na Farfetch, não é diferente. O maior desafio está em colocar as hipóteses certas e validá-las com dados.

Além disto, temos desafios mais mundanos, tais como localizar os dados de que precisamos, extrair e transformar esses dados, tendo sempre recursos de infraestrutura limitados. Por isso, a performance é sempre uma preocupação.

 


Qual é a importância da análise de dados no Marketing Digital para as marcas/empresas, e porque devem apostar em profissionais especializados na mesma, na tua ótica?

A análise de dados continuará a ganhar importância em todas as áreas de negócio. A era do gestor que aponta numa direção baseado apenas na sua visão e intuição acabou. Hoje está claro que as empresas serão mais bem sucedidas se fundamentarem as suas decisões em informação corretamente extraída dos dados gerados pelo seu negócio. É claro que a visão continua a ser importante para as grandes decisões e talvez as grandes inovações tenham até de ignorar o que os dados dizem para que aconteçam. Mas a quantidade de decisões tomadas numa empresa por dia está na ordem das centenas ou milhares. Quanto mais fundamentadas forem essas decisões, melhor será a performance da empresa.

A crescente digitização do nosso modo de vida está a gerar quantidades astronómicas de dados. As empresas estão a incorrer em custos para armazenar estes dados, confiantes de que é possível extrair valor. O problema é que é necessário profissionais especializados para o fazer, e neste momento estes profissionais são escassos. Mas se as empresas não investirem, estarão a desperdiçar todo este potencial e terão um lago enorme de dados mas sem ninguém capaz de pegar numa cana para pescar aquilo que tem valor.


Na tua opinião, que skills e know-how devem ter estes profissionais para serem bem sucedidos?

O mais importante é ter uma visão analítica bem apurada. O que eu quero dizer é que é importante conseguir definir claramente o problema, partindo-o em subproblemas e garantindo que cada subproblema é tão claro quanto possível. As capacidades de comunicação também são importantes pois a interação com colegas mais ligados ao negócio é constante e a tradução entre linguagem técnica e linguagem de negócio pode ser difícil e traiçoeira, ameaçando a clara definição do problema.

O domínio das ferramentas e das técnicas analíticas é também obviamente importante, mas apenas na medida em que torna o nosso trabalho mais eficiente. Não são as ferramentas que nos permitem ultrapassar os maiores obstáculos de um projeto. Na maioria dos casos, aquilo que é necessário é dar um passo atrás, recolhermo-nos numa sala com caneta e papel e repensar a abordagem ao problema.


Que tendências consideras que poderão surgir no Marketing Digital e no campo do Analytics nos próximos tempos?

Continuam a surgir avanços na capacidade dos modelos preditivos que são espantosos. Hoje, já há modelos que são melhores que um humano a reconhecer determinados objetos numa imagem, uma tarefa que há relativamente pouco tempo era praticamente impossível. Ainda há muito poucas situações em que todo este potencial foi transformado em valor para o negócio. Penso que nos próximos anos o foco de muitas empresas será esse: alavancar o potencial dos modelos preditivos para gerar valor.


Que passos aconselharias tomar a quem gostasse de enveredar profissionalmente por esta área em específico?

Frequentar este curso será uma boa introdução ao tema. Depois, será necessário começar a planear a transição para uma posição profissional na área. Esta transição é sempre mais fácil se for interna, por isso, se já trabalham numa empresa que emprega profissionais da área, comecem a explorar as oportunidades existentes. Se não, pode fazer sentido procurar emprego na área atual mas numa empresa conhecida por investir em Analytics.

Durante esta fase, faz sentido continuar a aprofundar os conhecimentos de forma autónoma. A melhor forma de o fazer é praticar com casos reais, fazendo uso de sites como o Kaggle. Se tiverem um problema original, será ainda mais interessante porque terão que passar não só pela fase de exploração de dados e modelação, como também pelas importantes fases anteriores de obtenção de dados e formulação do problema. Este trabalho permitirá construir um portfolio que demonstra capacidades reais ao potenciais empregadores.


Enquanto tutor do novo programa Data Science & Business Analytics da EDIT. Porto, de que forma planeias dinamizar as tuas aulas?

A minha intenção é que as aulas sejam essencialmente práticas. No geral, teremos uma breve exposição de material, um exercício em conjunto, seguidos de exercícios individuais ou em grupo, durante os quais estarei disponível para ajudar em quaisquer problemas que possam surgir. Em certas ocasiões, posso também desenhar exercícios que levem os alunos a descobrir conceitos que não foram abordados anteriormente, para depois recolher conclusões e fazer a exposição teórica.



Partilhar:

    Fale connosco

    Interesses

      Subscrever Newsletter

      Interesses