---
Em um estudo recente sobre engenheiros e cientistas de dados, uma conclusão sombria se destacou. O perfil típico desses profissionais revela um curto período de permanência em empresas de tecnologia, com uma média de 1 a 6,2 anos de emprego, sendo que 1 ano é o mínimo observado. Desde 2017, tem sido comum a troca frequente de empregos, com uma expectativa média de permanência de cerca de 1,7 anos. Apenas uma minoria ínfima, aproximadamente 2%, não mudou de emprego nos últimos cinco anos.
O grande desafio não reside apenas na complexidade das profissões de ciência e engenharia de dados, mas na alta rotatividade entre diferentes posições e empresas, o que pouco contribui para o desenvolvimento contínuo de habilidades e expertise. Para as empresas, realocar profissionais com esse perfil é custoso e desafiador, devido à necessidade de encontrar um background técnico específico, o que representa um investimento significativo. Muitas vezes, esse ciclo vicioso perpetua a constante substituição de líderes, sem resolver a raiz do problema.
Discutiremos a seguir as razões que influenciam essa dinâmica, começando pela econômica. A falta de compreensão do mercado por parte dos empregadores é evidente, como exemplificado por vagas no LinkedIn que exigem mais de seis anos de experiência, mas são oferecidas como posições de nível básico, com salários incompatíveis para profissionais altamente experientes. Isso reflete a desconexão entre as habilidades necessárias e a percepção das empresas sobre o mercado de dados, contribuindo para a insatisfação no trabalho e a migração frequente de emprego.
Além das questões econômicas, os desafios técnicos enfrentados pelos cientistas de dados e engenheiros são exacerbados pela falta de investimento em infraestrutura de engenharia de dados dentro das organizações. Isso resulta em ambientes de trabalho inconsistentes e informais, nos quais ferramentas básicas como GitHub não são adequadamente utilizadas. A ausência de suporte adequado para plataformas técnicas dificulta a publicação de trabalhos, enquanto limitações em ferramentas de nuvem comprometem a modernização tecnológica desses profissionais.
No que diz respeito ao desenvolvimento pessoal e treinamento contínuo, há uma lacuna significativa no mercado de trabalho. A falta de oportunidades para atualização em técnicas avançadas de programação e participação em conferências de alto nível limita o crescimento profissional dos cientistas e engenheiros de dados. Este cenário contrasta com a abordagem adotada pela NeuralData, onde priorizamos não apenas os dados, mas também o desenvolvimento integral de nossa equipe de dados, engenharia de aprendizado de máquina e IA.
Por fim, é crucial discutir as complexidades que afetam a carreira dos profissionais de dados. Em muitas organizações, a falta de compreensão sobre o papel dos cientistas de dados leva a expectativas irrealistas e tarefas desalinhadas com suas responsabilidades reais. Essa falta de reconhecimento dentro de grandes empresas dificulta a progressão na carreira e o uso efetivo das habilidades técnicas específicas.
Em suma, esses desafios destacam a necessidade urgente de alinhamento entre as expectativas das empresas e as habilidades dos especialistas em ciência de dados e engenharia de ML/IA. Espera-se que este artigo forneça uma visão esclarecedora sobre as dinâmicas atuais do mercado de trabalho e incentive reflexões sobre o desenvolvimento e a valorização dos talentos nesses campos em expansão.
Se gostou do artigo, não esquece de deixar seu like e deixar seu comentário sobre o tema.
Comments