Analytics engineer: conheça 6 responsabilidades dessa nova função

Analytics engineer é a mais nova função dentro de um time de data science.

E quem se candidatar a uma vaga para a engenharia de analytics precisa dominar técnicas e processos envolvidos na construção de uma infraestrutura moderna, robusta e escalável de dados para assumir suas responsabilidades.

É exatamente isso que estudantes da Indicium Academy vêm aprendendo na primeira Formação em Analytics Engineering do Brasil.

E se você deseja alcançar uma vaga para trabalhar atendendo a demandas de empresas modernas que estão investindo em profissionais de dados, comece a se preparar agora conhecendo seis das responsabilidades que você vai assumir ao chegar lá.

E quando precisar tirar dúvidas sobre seus projetos, conte sempre com nosso time para isso. Temos uma comunidade no Slack onde compartilhamos muito do nosso dia a dia. Entre aqui.

E agora, boa leitura!

6 responsabilidades de quem é analytics engineer na Indicium

Resumidamente, sendo analytics engineer aqui na Indicium, você vai combinar conhecimentos técnicos com noções estratégicas de negócios para responder por algumas ações muito importantes a fim de alcançar dois objetivos principais:

• objetivo 1 - aproximar os dados das organizações para geração de valor.
• objetivo 2 - auxiliar gestores e lideranças na tomada de decisões mais rápidas e com menores custos.

Conforme ensinamos na Indicium Academy, a nossa plataforma de cursos para profissionais de dados, nessa posição, você deve ter uma visão holística, ou seja, do processo de analytics de ponta a ponta, conhecendo e dominando cada etapa para poder agir em cada uma delas.

Logicamente, as responsabilidades de quem é analytics engineer não se resumem a seis atividades apenas. E lembre-se: cada projeto terá suas especificidades. Mas as atribuições que listamos a seguir são muito relevantes e básicas para todo projeto de dados moderno de sucesso. Portanto, são responsabilidades de quem é analytics engineers…

1. Prover a transformação de dados

E isso será feito seguindo a abordagem mais moderna de analytics, ou seja, por meio do processo sistemático de transformação conhecido pela sigla ELT (extract/extrair; load/carregar; transform/transformar).

Nessa abordagem, os dados brutos são antes carregados para um data warehouse e só depois são transformados, já dentro do próprio DW. Mesmo ainda sendo uma metodologia nova, esse já é um dos processos mais fundamentais para a análise e o armazenamento de dados.

E quem é analytics engineer executa essa transformação através de scripts em SQL gerenciados por ferramentas, como o DBT.

Mas, antes disso propriamente acontecer, tarefas específicas precisam ser planejadas e executadas, algumas delas diversas vezes até. São elas:

mapear dados para extração - identificar fontes de dados e tabelas necessárias.definir o tipo de processamento - escolher já prevendo como/quando os dados poderão ser atualizados.analisar o volume de dados - e verificar também a velocidade de crescimento desse volume.verificar a política de segurança - e ter muito cuidado com acesso e processamento de dados sensíveis, como: pessoais, bancários, segredos industriais etc.definir o tipo de infraestrutura - se será em nuvem, on-premises ou híbrida.mapear formas de consumo dos dados - estruturar como eles serão consumidos, se em relatórios, ferramentas de BI, APIs etc.A partir desse ciclo, inicia-se a transformação propriamente dita. E quem faz tudo isso? Quem é analytics engineer!

2. Gerenciar dados e plataformas de cloud

Com o surgimento de data warehouses e data lakes em nuvem, e a nova abordagem para a transformação de dados (o ELT), analytics engineers têm também no escopo de suas responsabilidades saber armazenar grandes volumes de forma escalável e gerenciá-los em plataformas de cloud.

Na nossa Formação em Analytics Engineering, indicamos sempre trabalhar de acordo com a necessidade específica de cada projeto, escolhendo entre os principais provedores de computação na nuvem: AWS, Google Cloud e Microsoft Azure.

3. Auxiliar em discussões e decisões data driven

As responsabilidades vão além das técnicas de modelar dados brutos em informações consistentes. Para entregá-las com riqueza e clareza de detalhes a quem toma decisão, durante a vida do projeto, a comunicação de quem é analytics engineer não pode falhar.

Sendo assim, para auxiliar em discussões e decisões data driven, as competências interpessoais andam juntas com o pensamento analítico (e crítico!).

É preciso saber fazer as perguntas certas para facilitar a interpretação dos dados e diminuir o tempo para a tomada de decisão.

E é preciso também saber descrever muito bem as regras de negócio que farão o projeto ter uma estrutura moderna, robusta e escalável de dados.

4. Criar, monitorar, estabelecer e prever métricas de negócio e de produtos

Seguindo o fluxo das responsabilidades, analytics engineers devem definir a forma de se fazer o negócio através das regras que descrever.

Essas regras não são criadas do zero, mas têm que refletir e contemplar processos já existentes, a política interna e as regras de conduta da empresa. Nesse processo, outra responsabilidade importante está implícita: sugerir a padronização de indicadores em todos os setores do negócio.

Resumindo, para poder criar, monitorar e depois ainda estabelecer e prever novas métricas tanto de negócios quanto de produtos, será necessário ir atrás de todas essas informações para mapeá-las.

E para fazer esse mapeamento, quem é analytics engineer deve saber usar ferramentas de pensamento analítico, como:

• os 5 Porquês;
• o Diagrama de Pareto;
• o Diagrama de Ishikawa; e a Matriz GUT.

5. Construir dashboards em ferramentas de BI, data warehouse e ELT

Analytics engineer também tem como responsabilidades conhecer alguns princípios básicos de design e saber usar ferramentas específicas para criar um storytelling dentro de um contexto visual claro e analisável por pessoas comuns.

Nada contra relatórios em Excel, mas aqui, nessa função, são apresentados painéis de visualização - os modernos e já famosos dashboards. Para cumprir bem essa tarefa, é preciso entender a importância da visualização de dados e colocar as boas práticas em prática!

Tudo começa pela identificação do contexto e do uso: o que será apresentado será explorado ou explicado? Depois de definidas as perguntas que serão respondidas é que analytics engineers partem para a escolha dos elementos visuais.

Para analytics engineers que estão começando, indicamos o nosso tutorial disponível neste link. É um passo bem didático em 16 vídeos curtos, diretos e completos.

6. Automatizar relatórios

Finalmente, depois de criados os relatórios inteligentes e fáceis de entender, seguindo as boas práticas de DataViz, também é responsabilidade de analytics engineers a automatização deles com notificações em tempo real.

Esse é considerado um grande diferencial em soluções de business intelligence (BI) porque elimina horas de trabalho que seriam gastas na elaboração de relatórios.

Para fazer essa automatização, será necessário dominar ferramentas, como:

• Google DataStudio
• Metabase
• Power BI
• Tableau
• Qliksense
• QuickSight
• Mode
• Looker etc.

É importante fazer um estudo prévio para conhecê-las e poder escolher a melhor para um projeto específico de analytics engineering. Isso inclui fazer uma análise de custos também.

Estude para ser analytics engineer

Aprenda com a Indicium Academy as principais ferramentas, técnicas e metodologias na primeira Formação em Engenharia de Analytics do Brasil.

Venha estudar com quem sabe fazer e é líder em data science e analytics na América Latina.

Não perca mais tempo, nem conteúdos gratuitos de qualidade. Siga a Indicium, assine nossa newsletter e receba sempre novidades sobre as inovações em ciência de dados.