Pedro Silva - People Analytics

Contexto e Motivação

No cenário atual, decisões estratégicas são cada vez mais orientadas por dados. Com isso, compreender padrões salariais entre diferentes funções na área de tecnologia é fundamental para organizações e profissionais. Este projeto teve como objetivo analisar se há uma diferença salarial significativa entre Analistas de Dados e Cientistas de Dados, aplicando técnicas estatísticas rigorosas para validação dos resultados.

Objetivo da Análise

Verificar se existe uma diferença estatisticamente significativa na remuneração média entre Analistas e Cientistas de Dados.

Ferramentas e Tecnologias Utilizadas

Python (Pandas, Matplotlib): análise exploratória de dados, manipulação de datasets e visualizações.
SQL no Databricks: extração e preparação de dados específicos para análise estatística.
Jamovi: execução de testes de hipóteses e validação estatística.

Metodologia e Preparação dos Dados

Dados sintéticos foram obtidos do Kaggle (link: dataset).
Verificação da consistência do dataset: tipos de dados corretos, ausência de valores nulos ou duplicados.
Criação de dataframe específico com SQL para concentrar informações sobre Analistas e Cientistas de Dados, preparando os dados para testes estatísticos.

Análise Exploratória de Dados

Distribuição Salarial

No histograma ao lado, vemos uma distribuição assimétrica positiva dos salários em dólar, uma vez que a maior concentração ocorre na faixa entre 50.000 e 200.000 dólares, à direita, com uma cauda longa à esquerda, estendendo-se até os salários mais baixos.

Insight: Isso pode indicar que apenas uma pequena parcela dos profissionais recebe remunerações significativamente diferentes da média.

Salários por experiência

Os salários na área de dados aumentam com o nível de experiência.

Insight: Profissionais seniores apresentaram maiores salários e maior variação, enquanto iniciantes e intermediários tinham remunerações mais próximas.

Evolução Salarial

A evolução da média salarial dos Cientistas de Dados foi mais significativa em relação à dos Analistas de Dados, especialmente a partir de 2021.

Insight: O aumento salarial constante pode estar ligado à valorização de profissionais da área.

Média Salarial entre Analistas e Cientistas de Dados

Os dados indicam que, em média, os Cientistas de Dados possuem salários mais altos do que os Analistas de Dados.

Insight: Essa diferença pode ser atribuída a alguns fatores, como variações nos níveis de responsabilidade, habilidades técnicas exigidas e à demanda de mercado por essas posições.

Análise Estatística

Hipóteses definidas:

H0: a média salarial dos Analistas não é inferior à dos Cientistas.
H1: a média salarial dos Cientistas é maior.

Testes realizados:

Teste de Levene: verificação de homogeneidade das variâncias → resultado: variâncias desiguais.
Kolmogorov-Smirnov: verificação de normalidade → resultado: distribuição não normal, mas amostra grande permite uso do Teorema do Limite Central.
Teste T de Welch: apropriado para variâncias desiguais → p-valor < 0.05 → rejeição da hipótese nula.

Conclusão

Após testes estatísticos, foi possível concluir que existe diferença significativa entre salários de Analistas e Cientistas de Dados. Este estudo demonstra a importância das técnicas estatísticas para validar diferenças em conjuntos de dados, como os salários na área de ciência e análise de dados. Ressaltamos que escolher o teste estatístico adequado, conforme as características dos dados, é essencial para obter conclusões precisas.

Ver projeto completo no Medium

Insights

Diferença salarial significativa:
Cientistas de Dados ganham substancialmente mais que Analistas, refletindo maior valorização de cargos técnicos e estratégicos.
Evolução salarial após 2021:
A partir de 2021, os salários dos Cientistas de Dados crescem mais rapidamente, indicando valorização crescente do perfil analítico.
Predominância de profissionais seniores:
Mais de 60% dos profissionais em ambas as funções são seniores, evidenciando maturidade do mercado.
Confirmação estatística:
A análise comprovou diferença salarial estatisticamente significativa entre as duas funções.

Aplicações do Projeto

O projeto que desenvolvi ilustra métodos aplicáveis a diversos cenários reais, como:

Aplicabilidade do Projeto
Ajuste de políticas salariais em empresas de tecnologia.
Benchmarking de remuneração e análise de tendências de mercado.
Desenvolvimento de estudos comparativos para diferentes setores, funções e níveis de experiência.

Habilidades Demonstradas

Análise exploratória de dados (EDA) e visualização.
Preparação e manipulação de dados com Python e SQL.
Aplicação de testes estatísticos para validação de hipóteses.
Capacidade de interpretar resultados e gerar insights acionáveis.

Google Sites

Report abuse