O documento discute como a estatística e os estatísticos são vistos, a era do big data e da ciência de dados, e as ameaças e oportunidades para estatísticos nesse novo cenário. É argumentado que estatísticos precisam adquirir novas habilidades em programação, machine learning e processamento de dados para se tornarem cientistas de dados competitivos, e que currículos universitários precisam se adaptar para formar profissionais preparados para as demandas atuais.

2. O Profissional
Como Era Vista a Estatística
A Era do Big Data e da Ciência de Dados
Ameaças e Oportunidades4
1
2
3
Agenda
Comentários FinaisComentários Finais5

3. O Profissional
MARCELO FERNANDES
Estatístico graduado na Universidade Federal do Paraná (1999) (registro 8597-A – CONRE 3a.
região),pós-graduado em Engenharia Econômica (FAE Business School - 2000), pós-graduado em
Pesquisa de Mercado, Opinião e Mídia (ESPM Business School - 2005) e mestre em Administração de
Empresas (Universidade Presbiteriana Mackenzie - 2008), com mais de 20 anos de experiência na
utilização de Analytics e Machine Learning, aplicados a Risco de Crédito, Cobrança, Fraude e
Marketing, em grandes empresas como HSBC, Orbitall, Santander, SPSS, Redecard, Itaú-Unibanco,
SAS, Ernst & Young e Paschoalotto. Atualmente, é Analytic Science Manager na FICO – Fair
Isaac Corporation.
mpfaguila@gmail.com
+55 (11) 9 9962-2701
https://www.linkedin.com/in/marcelopiresfernandes/
https://www.youtube.com/channel/UCHoh3V9RdkvZiKb9a9nE
r0w?view_as=subscriber

4. Como Era Vista a Estatística?
Estatístico trabalha no
IBGE, em Institutos de
Pesquisa ou no
Governo...
Estatística é um assunto
muito difícil, só para
”nerds” ou ”crânios”...
Meu Professor de
Estatística só passa
exercício com urnas,
bolinhas e ratinhos...
As estatísticas dizem
tudo, menos o essencial...
Não consigo ver muitas
aplicações práticas e úteis
para a Estatística...
Curso para ser escolhido
como 2ª opção no
vestibular...

5. Como Era Vista a Estatística?
v Cálculo com Geometria Analítica I e II
v Laboratório de Informática I e II
v Álgebra Linear e Análise Matemática
v Estatística Computacional
v Linguagem de Programação
Cálculo, Álgebra
Linear e
Estatística
Computacional
Probabilidade e
Estatística
Aplicações
v Cálculo de Probabilidades I, II e III
v Processos Estocásticos I e II
v Análise de Regressão I e II
v Planejamento de Experimentos I e II
v Técnicas de Amostragem I e II
v Análise de Dados Longitudinais
v Análise de Sobrevivência
v Demografia
v Geoestatística e Métodos de Krigagem
v Análise de Séries Temporais
Exemplo de uma grade curricular de um Bacharelado em
Estatística na decáda de 90

6. A Era do Big Data
Fonte: https://www.marketwatch.com/story/the-incredible-amount-of-action-that-t akes-place-on-the-inter net-ev ery-60-seconds-2017-08-03

7. A Era do Big Data
Fonte: https://www.dubber.net/unlocking-unstructured-data-voice-processing-power-zoe/

8. A Era do Big Data
Fonte: https://www.amazon.com/G-Technology-G-DRIVE-External-Drive-0G05016/dp/B01GW8G5HU

9. A Era da Ciência de Dados
Fonte: https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century

10. A Era da Ciência de Dados
Fonte: https://towardsdatascience.com/introduction-to-statistics-e9d72d818745

11. A Era da Ciência de Dados
Fonte: https://cloud.google.com/blog/big-data/2017/03/using-mac hine-learning-for-ins uranc e-pr icing-optim ization

12. A Era da Ciência de Dados
Fonte: http://www.digitalistmag.com/digital-supply-networks/2017/01/16/data-sc ienc e-for-predictiv e-maintenance- 04824252

13. A Era da Ciência de Dados
Fonte: https://www.fx-mm.com/news/70783/fico-machine-learning-algorithms- impr ove-cnp-fraud- detection-30/

14. A Era da Ciência de Dados
Fonte: https://www.amazon.com/Sports-Analytics-Data-Science-
Winning/dp/0133886433/ref=sr_1_7?ie=UTF8&qid=1522677831&sr=8- 7&keywords=sports+analytics

15. A Era da Ciência de Dados
Fonte: https://nycdatascience.com/blog/student-works/using-machine- lear ning-forec ast-sales/

16. A Era da Ciência de Dados
Fonte: http://scoredata.com/superior-debt-collection-with-predictive-analytics/

17. A Era da Ciência de Dados
Fonte: http://www.speechtechmag.com/Articles/Editorial/Feature/Speech-Analytics-S howing-Great-Promis e-Thanks-to-AI-and-M achine-Lear ning-122920.aspx

18. A Era da Ciência de Dados
Fonte: https://www.ab2l.org.br/empresas-de-tecnologia-revitalizam- o-merc ado- juridic o/

19. O Cientista de Dados
Existe esse super-herói chamado
cientista de dados?

20. O Cientista de Dados
Fonte: https://analyticsbuddhu.wordpress.com/2017/12/16/how-to- becom e-data-scientist/

21. Ameaças e Oportunidades
Como avaliar as perspectivas do
Estatístico a partir desse
cenário avassalador de
crescimento de mercado para o
Cientista de Dados ?

22. Ameaças e Oportunidades
Fonte: https://exame.abril.com.br/negocios/dino/ciencia-de-dados- big-data- o-prim eir o-curso- de-gr aduacao-do- bras il/

23. Ameaças e Oportunidades
Fonte: https://jornal.usp.br/universidade/como-a-era-do-big-data-im pacta-a-c arreir a-dos-estatisticos/

24. Ameaças e Oportunidades
Os Bacharelados em Estatística
e os Estatísticos precisam se
reinventar...

25. Ameaças e Oportunidades
Fonte: https://www.thebalance.com/list-of-data-scientist-skills-2062381

26. Ameaças e Oportunidades
Fonte: https://towardsdatascience.com/soft-skills-are-the-decisive-factor-in-hiring-gr eat-data-sc ientists-69be3c1fd75a

27. Ameaças e Oportunidades
As hard skills são fundamentais, mas as
soft skills tem sido cada vez mais
necessárias, sobretudo em ambientes
em que o conhecimento e a
maturidade analítica são baixos (parte
importante das empresas brasileiras)

28. Ameaças e Oportunidades
Fonte: https://oestatistico.com.br/wp-content/uploads/2015/12/modern-data-scientist-oestatistic o.jpg

29. Disciplinas Fundamentais
Programação
Machine Learning
Processamento
Negócios
Estatística1
2
3
4
5
v SQL e NoSQL
v R, Python, SAS
v Probabilidade
v Inferência Estatística
v Análise Exploratória
v Análise de Regressão
v Pesquisa Operacional
v Redes Neurais
v Florestas Aleatórias
v Máquinas de Vetor de Suporte
v Árvores de Decisão
v Mineração de Texto
v Processamento da Linguagem Natural
v Grafos e Análise de Redes
v Hadoop/Spark
v Metodologia Ágil (Scrum)
v Finanças Corporativas
v Técnicas de Apresentação
v Técnicas de Negociação
v Relações Humanas
v Inglês

30. Comentários Finais
Temos que agir
diferente para
colhermos
resultados
diferentes
O Estatístico tem que se
comportar não somente como
um profissional dos números,
mas sobretudo no negócio, no
relacionamento e nos
processos da empresa.
Mudança de
Mentalidade
Currículo
Competitivo
O buzzword de Data Science,
Machine Learning e IA tem
atraído uma enxurrada de
profissionais de outras
áreas para esse mercado,
por ora, glamouroso, rentável
e promissor...
As Universidades precisam
se adequar e se antecipar à
realidade, formando um
profissional que olhe a
Estatística como o mercado
espera e aguarda

31. Obrigado!