Olá, Neusa. Como vai?
É impressionante ver o quanto você já avançou na sua jornada de transição para a área de dados! Ter um portfólio com 12 cases publicados e domínio de ferramentas como VBA e Linguagem M coloca você em uma posição muito competitiva, pois demonstra que você já possui o raciocínio lógico necessário para a área.
O método 70-20-10 é perfeito para o seu momento, pois ele equilibra a teoria com a prática real. Com base no seu perfil, aqui está uma análise e sugestões práticas de como distribuir seus esforços:
10% - Aprendizado Formal (Cursos e Teoria)
Você já tem uma base sólida em BI. Agora, o foco desse pilar deve ser a transição para a programação voltada especificamente para Ciência de Dados.
- Sugestão: Dedique essa parte do tempo para aprender Python, focando nas bibliotecas
pandas (para manipulação de dados) e matplotlib/seaborn (para visualização). Como você já conhece M e VBA, a lógica de objetos e funções será absorvida rapidamente.
20% - Aprendizado Social (Interação e Feedback)
Você mencionou que participa ativamente dos fóruns, o que é excelente. No nível de Senioridade que você está construindo, a troca de experiências é vital.
- Sugestão: Comece a realizar code reviews ou análises de projetos de colegas no GitHub ou LinkedIn. Além disso, tente explicar um conceito complexo de IA ou Power BI para alguém; ensinar é uma das formas mais eficazes de validar o que você aprendeu socialmente.
70% - Experiência Prática (Mão na Massa)
Este é o coração do seu aprendizado. Como você já tem cases em Excel e BI, o próximo passo é a sofisticação desses projetos.
- Sugestão: Pegue um dos seus cases de Power BI e tente replicar a análise completa utilizando Python em um
Jupyter Notebook. - Integração com IA: Utilize a IA generativa para otimizar seus códigos ou para realizar análises preditivas simples sobre os dados que você já possui. Em vez de apenas tarefas básicas, peça para a IA sugerir modelos de regressão ou classificação para seus cases atuais.
Veja um exemplo de como estruturar seu próximo projeto prático (os 70%):
# Exemplo de transição: Em vez de fazer um filtro no Excel, use Python
import pandas as pd
# Carregando seu case de estoque
df = pd.read_csv('seu_case_logistica.csv')
# Criando uma análise que a IA pode te ajudar a automatizar
analise_por_categoria = df.groupby('Categoria')['Vendas'].sum()
print(analise_por_categoria)
Ponto de Atenção: Como você já domina o ecossistema Microsoft (Excel/Power BI/VBA), seu diferencial será a capacidade de integrar essas ferramentas com o novo mundo da IA. Continue focando em resolver problemas reais de negócios, pois o mercado de análise de dados valoriza muito quem sabe extrair insights valiosos além das ferramentas técnicas.
Espero que possa ter lhe ajudado!
