De Analista a Líder: A Minha Experiência no Universo de Data Science

Olá, muito prazer, eu sou Flávia, estatista por formação e estou aqui para dividir um pouco da minha carreira com vocês. Bora lá!

Eu me formei em Estatística na Universidade Federal de São Carlos – UFSCar em 2012. Ao longo da graduação, tive a oportunidade de trabalhar como bolsista em dois projetos na universidade, Perfil e PET. O primeiro era focado em entender o perfil dos candidatos e ingressos na universidade com o objetivo de promover ações afirmativas para os universitários; já o segundo tinha um olhar 360º para as disciplinas da Estatística, estimulando o uso de técnicas em análises diversas e monitorias. Foi nessa época que, trabalhando em grupo e em muitas discussões, comecei a ver a mágica dos dados acontecerem e me apaixonei.

Minha primeira experiência profissional foi em uma empresa referência em prevenção à fraude no e-commerce. Simplificando: o objetivo era verificar se o verdadeiro dono do cartão de crédito era realmente o comprador – caso contrário, tínhamos uma fraude. Ali, pude participar de vários projetos e times. No início, trabalhei como Analista de Dados, focando em alimentar os times de Assessoria de Imprensa. Como a empresa detinha uma grande parcela de todas as compras online, era possível inferir o comportamento do e-commerce no Brasil – foi nessa época que descobri que vendia mais Patati do que Patatá em uma Black Friday! Posso dizer que esta empresa foi minha “primeira escola profissional” e ali pude experimentar, além da análise de dados, o trabalho em um time de produtos e iniciar a tão almejada carreira de modelagem (nem existia o nome Data Science ainda 👀).

Aqui vale um parágrafo dedicado: sempre fui uma pessoa comunicativa, e essa característica me impulsionava na análise de dados e produtos. Era necessário discutir temas em todas as esferas! Mas comecei a sentir falta do aspecto técnico e de aprimorar meus conhecimentos. Aprender a modelar era importante, pois já naquela época eu sabia que queria ser gestora e entendia a importância da vivência prática para orientar meus futuros liderados. Foi incrível; aprendi muito e conquistei minha autonomia.

O tempo foi passando e um bichinho interno me instigava: como seria trabalhar em uma grande corporação? Minha primeira experiência tinha um clima descontraído, liberdade de acesso, sem hierarquia, no dress code. Eu me desafiei e fui para um grande banco trabalhar com prevenção à fraudes em cartões de crédito. Choque! Claramente, eu não estava preparada para aquele movimento. Se no primeiro local eu podia criar e atualizar meus modelos, ali sequer tinha base para modelar, e para defender um modelo a burocracia pedia meses. Não me adaptei, me respeitei, dei uns 20 passos para trás e busquei outro trabalho.

E assim cheguei na minha “segunda escola profissional”: fui trabalhar em uma das principais editoras do Brasil, pertencendo a um dream team. Foi lá que conheci os primeiros modelos de machine learning e pude trabalhar próximo aos negócios. Ali entendi algo que me move até hoje: a importância de entender o problema de negócios a ser solucionado! Modelo de propensão para terceiro setor, modelo de propensão a venda de revistas, modelo de propensão a não renovação, modelo de propensão a venda de revistas na banca, estudo de processamento de texto para comparar discursos de pessoas distintas – esses foram os projetos que tive a oportunidade de vivenciar e participar (ainda que de longe!). Tudo isso em um ambiente muito dinâmico e estimulante.

Mas lembram que lá atrás não me sentia preparada para trabalhar em um grande banco? Pois bem, o tempo passou e me senti mais preparada. Surgiu uma oportunidade e lá fui eu voltar para o mundo da prevenção à fraude em outro banco. Sim, me desafiei e não me arrependo. Neste desafio, o time ao qual estava alocada foi a primeira equipe a usar o data lake, abandonar o SAS e imergir no mundo de Data Science usando Spark, Python e outras novas tecnologias. Já foi piloto de algo no trabalho? Eu nunca tinha sido, e posso afirmar que, mais que ciência de dados, nessa ocasião aprendi sobre errar, testar e iterar em produção. Fui ponto focal de incidentes das ferramentas, desbravadora do significado dos dados por trás das tabelas, aprendi como configurar ambientes Spark, aprimorei meu conhecimento de uma nova linguagem de programação, para assim chegar a modelos e análises – aqui, pude acompanhar e estudar o lançamento dos cartões de crédito online, peça importantíssima na prevenção à fraude transacional online.

Durante o tempo nesta empresa, percebi mais uma vez a relevância da minha habilidade de comunicação e permiti usá-la cada vez mais, seja falando com um head e explicando conceitos técnicos, ou colocando em prática meu lado gestora informal, dando suporte técnico e auxiliando o time mais júnior.

O tempo passou e entendi que meu ciclo em prevenção à fraude precisava de uma pausa. Fui para o mercado e encontrei uma vaga para trabalhar com cobrança, ao lado de um dos meus “professores da segunda escola profissional”. Pausa rápida: como é bom trabalhar com quem a gente já conhece e possui um elo de confiança! Cheguei como especialista em Data Science e com sede de contribuir. Desenvolvi modelos de cobrança para o público PJ, estudei alocação de contas para os escritórios de cobrança, participei ativamente de discussões sobre cultura e competências importantes para a companhia. Vivi o início de uma transformação digital: a empresa saiu do modelo hierárquico tradicional e passou a atuar com squads e construção de produtos de cobrança.

Durante toda a mudança, tive uma oportunidade: fui promovida a Lead Data Scientist e cuidei do chapter de Data Science da empresa. Foi aqui que eu atingi o tão desejado cargo de liderança vislumbrado na “primeira escola profissional”. Peguei um time sofrido, já tínhamos contato no dia a dia, mas as pessoas estavam sentindo o novo formato de trabalho. Meu objetivo ali foi acolher e ajudar a desenvolver, olhando o copo meio cheio – não foi fácil. As mudanças não pararam, e a proximidade com o produto, somada à necessidade de termos pessoas analíticas no direcional das squads, permitiu uma nova oportunidade: tornei-me Product Manager. Ciclo de vida de produto, discovery, delivery, entrevista e pesquisa com cliente, OKRs, KPIs e várias outras nomenclaturas tornaram-se ainda mais frequentes no meu dia a dia.

A pequena experiência com produtos me mostrou o outro lado da moeda: a dor dos negócios, a indispensável parceria entre os times e a importância das entregas orquestradas. Se lá atrás já tive a leitura da importância de saber o problema de negócios, foi nesse momento que entendi que era fundamental ter clareza do problema a ser resolvido.

À medida que os projetos foram acontecendo, a saudade de trabalhar em um time técnico foi batendo – faz parte da minha essência. Isso, somado a outro bichinho interno que me perguntava como seria trabalhar em uma startup e em uma empresa de tecnologia, me fez olhar para fora, avaliar o mercado, conversar com pessoas e, assim, cerca de seis meses depois, lá estava eu abraçando o desafio de ser gerente de um time de Data Science na primeira Insurtech do Brasil.

O desafio: liderar um time de Data Science, definir e formalizar processos, criar um pipeline dedicado para a construção de modelos, segmentar papéis e responsabilidades, garantir alinhamento, colaboração e parceria com os demais times de dados da companhia, para pensar em construir Produtos de Dados com foco em resolver problemas de negócios! Foram meses trabalhando na fundação, estrutura e estudos até que nasceram os primeiros modelos – uma grande conquista em busca de mais um diferencial competitivo para a empresa e desenvolvimento de carreira para os cientistas. Evolui como pessoa e como líder, conquistei mais espaço e novas oportunidades, e assim, depois de cerca de 15 meses, absorvi o time de Data Analytics, sendo responsável não só pelos modelos, mas também pelas análises profundas de dados.

Atualmente, lidero uma área que chamamos de Advanced Analytics, focada em iniciativas que impulsionam a tomada de decisões estratégicas e otimizam o desempenho do negócio, seja por meio de modelos, análises, definição de métricas ou construção de painéis de acompanhamento. Esse macro time inclui as equipes de data science, data analytics e analytics portfolio.

Ao longo dos meus 12 anos de carreira, pude crescer e evoluir constantemente, enfrentando desafios diversos e explorando novas oportunidades no campo da Data Science e Analytics. Aprendi que resolver problemas complexos muitas vezes requer abordagens simples e diretas, além de uma profunda compreensão dos desafios de negócios a serem superados. A habilidade de comunicação se mostrou essencial em cada etapa, facilitando tanto a colaboração eficaz com equipes multidisciplinares quanto a articulação de conceitos técnicos para stakeholders e líderes empresariais. Estou entusiasmada para continuar crescendo neste campo dinâmico, aplicando meu conhecimento e experiência para impulsionar impactos significativos nos próximos desafios que enfrentarei.