Data Engineering

Como 3 anos trabalhando em um time de inovação me transformou como Engenheiro de Dado

Ampliando minha perspectiva para além da tecnologia e reconhecendo outras habilidades fundamentais para o meu dia-a-dia

Em uma área dominada pela tecnologia e pela constante evolução digital, é muito comum ficarmos imersos em códigos e termos a sensação de que sempre estamos atrasados em aprender uma nova tecnologia. O intuito deste artigo ao contrário de seus predecessores, não é falar da parte técnica ou as famosas "hard skills", mas sim trazer um pouco do que aprendi em 3 anos como Especialista de Inovação que complementaram minhas habilidades técnicas e expandiram o meu olhar para Engenharia de Dados.

Estes aprendizados foram:

• Comunicação eficaz aumenta a visibilidade
• Empatia aumenta eficiência operacional
• Erro controlado é o motor da inovação
• Design Thinking para resolver problemas complexos
• Diversidade gera as melhores soluções

Comunicação eficaz aumenta visibilidade

Pela experiência que tive, times técnicos tendem a ter grande dificuldade em adequar sua comunicação baseando-se no perfil do receptor. Mais comum ainda é jogar a culpa no outro lado, por exemplo, a área de negócio nunca vê valor no que estamos fazendo.

Justamente nesta frase que está o ponto principal de uma comunicação efetiva, se ela não vê valor, é responsabilidade do time técnico ajustar sua comunicação. A obrigação é sempre do emissor, ele que deve adequá-la ao seu público.

Mas nesse ônus vem o segundo aprendizado como bônus:

Quem conta a história se torna o dono da história

Com isso, você pode direcionar a comunicação aos seus interesses, destacando o que entende ser importante e omitindo o que não faz sentido ser tratado naquele momento.

Desenvolver-se em comunicação hoje é tão essencial quanto conhecer Gen AI. Neste artigo da Forbes, já é citado que esta habilidade é a número 1 em buscas no LinkedIn. Então, fica a dica: ao invés de fazer aquele curso de Kubernetes, invista também em cursos voltados para uma melhor comunicação.

Empatia aumenta eficiência operacional

Entender profundamente as necessidades, desejos e até as frustrações das pessoas é essencial para conseguirmos as melhores soluções. Isto é tão importante que, no processo de Design Thinking, a empatia é a primeira etapa, a exemplo do mapa de empatia. A própria base do UX Research, que compreende a coleta e análise de dados sobre as necessidades, comportamentos, expectativas e satisfação dos usuários em relação a um produto ou serviço, está diretamente relacionado a empatia.

Empatia envolve o nosso lado curioso, de entender o porquê de cada decisão, de saber lidar com o erro, de aprender com ele. Quantas vezes criticamos aquele código mal escrito, mas não sabemos o contexto em que a pessoa estava. Ou quantas vezes pegamos aquele projeto atrasado, que nos fez perder o time to market e aceitamos alguns débitos técnicos que seriam solucionados posteriormente, mas nunca foram priorizados.

Isso impactou meu lado técnico de forma positiva, pois me fez desenvolver uma visão mais ampla e holística dos problemas e das soluções. Na minha opinião, ter empatia é um diferencial extremamente valioso para um engenheiro de dados, pois facilita drasticamente a vida do P.O. ou do Gestor. Ninguém precisa nos dizer o que deve ser feito, nós entendemos a situação, principalmente o que não é dito, e com isso desenvolvemos soluções efetivas, que em alguns momentos, nem precisam ser técnicas.

Erro controlado é o motor da inovação

Um dos primeiros aprendizados que tive ao entrar na área de inovação foi sintetizado na seguinte frase do meu antigo gestor: ‘O erro faz parte do processo, só deve ser rápido e barato’. Essa frase, para mim, encapsula a essência da gestão de erros.

A menos que se esteja trabalhando em áreas muito específicas, onde um erro pode comprometer vidas ou gerar prejuízos significativos, acredito que o erro deve ser considerado uma parte inerente do processo.

Durante a minha experiência na construção de um Datamart de Riscos, aprendi que a velocidade da inovação está intrinsecamente ligada ao apetite ao risco. Quanto mais avesso ao risco, mais lenta será a inovação. Por outro lado, quanto maior a disposição para assumir riscos, mais rápida pode ser a inovação.

Mas qual seria o ponto ótimo de risco? Isso vai depender do contexto de cada situação. Gosto de usar a analogia de um carro de Fórmula 1: cada pista exige um traçado específico e uma velocidade adequada para cada curva. Se for muito devagar, acabará ficando nas últimas posições. No entanto, se acelerar demais, corre-se o risco de capotar e sair da competição.

Design Thinking para resolver problemas complexos

Uma das melhores metodologias já criadas para resolver problemas complexos é, infelizmente, pouco utilizadas em times de engenharia de dados. Ainda considerando que o principal escopo de um time de engenharia de dados é resolver problemas complexos de forma inteligente.

Ter trabalho com inovação e moderado algumas sessões de design thinking me possibilitou trazer essa metodologia para o time de engenharia de dados aqui na Afya. Estamos ainda descobrindo e ajustando a metodologia ao nosso dia-a-dia, mas os ganhos em pouco tempo de sua aplicação já são visíveis.

Caso queiram ver o uso real do design thinking em um time de engenharia de dados, recomendo a leitura deste artigo do nosso head de plataforma de dados, Bruno Almeida.

Diversidade gera as melhores soluções

A pauta de ESG traz consigo a visão de que a diversidade agrega valor às empresas. No entanto, durante a organização do meu primeiro hackathon, o Data Hacking Days, em 2020, tive a oportunidade de observar que os times com maior variedade de perfis tendiam a obter as melhores colocações no ranking.

Mais do que isso, em um hackathon de dados, testemunhei um time composto pelos melhores analistas e engenheiros de dados da empresa não alcançar o Top 5. Surpreendentemente, um time formado por pessoas com perfis muito distintos, incluindo apenas uma cientista de dados, conquistou o segundo lugar!

Como Lead Data Engineer dos produtos Whitebook e iClinic, incentivo a todos a expressarem suas opiniões. Afinal, na metodologia do Duplo Diamante, a divergência sempre precede a convergência.

Além disso, dentro das possibilidades, busco manter uma diversidade de perfis em minha equipe. Atualmente, o time já conta com uma distribuição de 50% entre engenheiros e engenheiras de dados. Reconheço que ainda há muito a ser feito para alcançarmos uma diversidade plena, mas lembro que a diferença entre um maratonista e um corredor de fim de semana reside na consistência e na progressão em direção aos objetivos.

Hoje vejo que essas características citadas acima são tão importantes quanto uma certificação. Fazendo uma retrospectiva dos melhores engenheiros com quem tive a oportunidade de trabalhar, percebo que não eram apenas aqueles com as melhores habilidades técnicas que faziam as coisas acontecerem. Na verdade, os engenheiros excepcionais tinham um excelente fundamento na parte de dados e complementavam suas habilidades com essas características comportamentais.

Por fim, agradeço a sua atenção e espero que este artigo tenha contribuído para o seu conhecimento. Caso tenham alguma sugestão, crítica ou elogio, peço que entrem em contato comigo pelo LinkedIn.

Agora, se você deseja fazer parte do maior ecossistema médico do país, com as mais avançadas tecnologias de dados e em um ambiente propício à inovação, vem pra Afya!