Engenharia e Big Data

Engenharia e Big Data

Segundo o dicionário Aurélio, a palavra Engenharia significa “inventar ou fabricar engenhosamente”. Já uma simples consulta no Google revela que o termo significa “aplicar métodos científicos ou empíricos à utilização dos recursos da natureza em benefício do ser humano”. Sabe-se também que Engenharia é um curso formal em uma faculdade ou universidade em áreas como, por exemplo, Elétrica, Computação, Produção, Civil, Ambiental etc. Porém, a Computação tem as suas peculiaridades. Por ser uma área relativamente nova, não há definições sólidas, ainda, na minha opinião, para separar o que cada campo da Computação faz. Por exemplo, qual a diferença entre Análise de Sistemas e Sistemas de Informações? Qual a diferença entre Engenharia de Computação e Ciência da Computação? Não me canso de ver na Internet perguntas como essas. É claro que não são perguntas tão difíceis de se responder desde de que se recorra às velhas respostas. Um delas é que a Ciência da Computação tem foco na vida acadêmica e Engenharia tem foco em… Mas, o Cientista da Computação não tem um quê de Engenheiro quando sua função é projetar algoritmos mais performáticos? Já conhecemos várias explicações para essas perguntas, mas as divisões de trabalho na Computação continuam uma Torre de Babel.

Outra questão comum é: qual é o órgão responsável pela regulamentação da Engenharia de Computação? O CREA. Quem já tentou ver como a profissão de Engenheiro de Computação se encaixa nas regras do CREA vai saber que elas não são nada claras! Mas, as coisas costumam ter seu lado positivo. E talvez a não regulamentação flexibiliza a oportunidade de trabalho para aquelas pessoas que são de fato “Engenheiras de Soluções” e optaram por adquirir conhecimento de maneira não tradicional, seja por cursos técnicos ou comunidades na Internet. Conheço diversos profissionais em TI que são excelentes desenvolvedores de software, administradores de sistemas e de redes que não possuem graduação em Computação e são referências para mim e para vários outros colegas da área.

Mas, o que o conceito de Engenharia de Computação e suas indefinições no mercado brasileiro tem a ver com o título deste texto? Minha formação é em Engenharia de Computação e, durante toda a minha graduação, testemunhei vários colegas de curso que não sabiam o que fazer após formados. Ou melhor, em qual ou quais especialidades atuar? Na faculdade que me formei, a ênfase do curso foi Automação Industrial. No entanto, Automação Industrial é apenas uma possibilidade do que se pode fazer e, infelizmente, é ainda uma área muito fechada (pelo menos no mercado goiano, onde estou no momento). Outras opções foram ofertadas como ênfase na faculdade: Gestão em Qualidade de Software e Redes de Computadores. Porém, mesmo com essas outras opções, eu não enxergava empolgação em meus colegas, e confesso que também fiquei de certa forma frustrado com o que vi. Então, por que a existência da Engenharia de Computação com ênfase em atividades específicas se há cursos que tratam diretamente estes assuntos? Essa é a conta que não fecha.

Como as profissões tendem a desaparecer e a surgirem com outras roupagens, principalmente em um mundo onde a quantidade de conhecimento cresce vertinosamente, é possível que o profissional que é Bacharel em Engenharia de Computação ou até Elétrica com ênfase em Computação possa se sentir renovado com as novas e urgentes necessidades que o mercado atual exige. Além disso, arrisco a dizer que não necessariamente tendo como profissão original a Computação, mas também profissionais vindos de outras áreas como: biológicas, humanas, negócios etc. Até porque uma coisa que não pode ser esquecida é que o conhecimento de negócio é essencial para a criação de soluções reais. Não é só a tecnologia! É preciso saber aplicar o poder computacional que temos atualmente da maneira correta em outras áreas. Quem é da área de Computação sabe que não é fácil a “interface” de comunicação entre os profissionais de diferentes áreas.

Engenharia de Computação não é só trabalhar com Robótica ou Mecatrônica. Não é só trabalhar com Automação Industrial ou Predial, mas sim criar soluções projetadas com foco em desempenho, acurácia, segurança, isto é, em soluções que são capazes de crescer conforme a demanda do cliente sem muito esforço ou custo exorbitante. Diversas oportunidades têm surgido nos últimos anos em áreas como a Internet das Coisas (IoT), o fenômeno das Cidades Inteligentes (Smart Cities), Big Data, Data Sciente, Machine Learning etc. Dentro de todas essas novas oportunidades, há uma imensidão de aplicações que podem resolver problemas importantes e até essenciais da nossa sociedade. Soluções estas que impactarão tanto na política com decisões orientadas à dados (gestão pública participativa) ou até na área da saúde, revelando novos conhecimentos para prevenção e tratamento de diversas doenças. Tudo isso depende de um ativo muito importante: os dados.

O Big Data merece destaque especial, pois é o combustível para que os outros ramos profissionais se desenvolvam em plenitude. Big Data são dados gerados em grande escala com alta velocidade e variedade. Estes dados têm sido gerados a partir de diversas fontes como smartphones, sensores, redes sociais etc. Portanto, imagine como os dados têm crescido nos últimos anos e, por isso, armazenar Big Data é um grande desafio. Tanto Big Data quanto Ciência de dados (Data Science) são assuntos do momento, e o mercado necessita de profissionais capacitados que sejam competentes em criar canais confiáveis para transformação de dados, combinar fontes de dados, criar arquitetura de soluções e colaborar com a equipe de Data Science construindo soluções inteligentes com alto desempenho e escaláveis.

Fazer com que os dados sejam transformados em um formato útil eficientemente para análise de uma equipe de Cientistas de Dados ou de outros analistas é um grande desafio. Para atingir esse objetivo, várias habilidades são essenciais: saber dimensionar a capacidade computacional e de armazenamento de servidores, escolher soluções de Big Data adequadas ao problema tratado, adaptar ou criar algoritmos e implementações para acelerar aplicações de Machine Learning, aproveitando da melhor forma possível as arquiteturas paralelas e distribuídas de computadores atuais. Fazer tudo isso de forma eficiente e escalável é outro grande desafio. Temos Big Data, algoritmos de Machine Learning e hardwares cada vez melhores. Entretanto, agora necessita-se do profissional que seja capaz de potencializar tudo isso: o Engenheiro de Dados.