Admin Group, Belo Horizonte, BR

➡ Inscrições abertas para o DXP Training Camp! ⬅

Mais corre. 🏃🏻‍♂️‍➡️🏃🏻‍♀️‍➡️

Aberto ontem o bootcamp da DreamExperience. Foram disponibilizadas 300 vagas, já há mais de 200 inscritos.

Este ano, terá uma grande novidade: a primeira trilha dedicada à carreira de Analistas Funcionais, voltada para mulheres. E, claro, haverá a trilha para desenvolvedores e desenvolvedoras.

O Training Camp é totalmente gratuito e oferece uma imersão de 4 semanas com tutoria dos especialistas da DreamExperience. Ao final, você terá a chance de fazer parte do time DreamExperience.

Pronto para embarcar nessa jornada de conhecimento? 😉

Para mais informações e inscrições, acesse os links de cada trilha.

DXP Training Camp - Analista Funcional

DXP Training Camp - Dev

@Treinamento Salesforce.com no Brasil

@Business Analysts Brasil

@Admin Group, Sao Paulo, BR

@Comunidade Salesforce Brasil

@Developer Group, Porto Alegre, BR

@Salesforce com Dendê

@Admin Group, Joinville, BR

@Admin Group, Vitoria, BR

@Admin Group, Belo Horizonte, BR

@Developer Group, Varginha, BR

@Salesforce, Florianópolis, BR

@TVB201 - Português Brasil

10 estatísticas sobre o mercado de trabalho da Salesforce em 2025 

O mercado de trabalho da Salesforce viu mais do que sua cota justa de desenvolvimentos na última década. Com fatores socioeconômicos como saturação, demissões, reestruturações de empresas e aperto orçamentário incluídos na mistura, o estado do mercado definitivamente precisa ser acompanhado consistentemente. 

Aqui estão algumas das estatísticas mais importantes sobre as últimas tendências de mercado das quais você deve estar ciente, mas fique de olho em mais relatórios nossos e do resto do ecossistema porque as coisas podem parecer muito diferentes daqui a seis meses! 

1. O final de 2023 sinalizou uma redefinição do mercado de trabalho. 

A "redefinição do mercado de trabalho" da Salesforce foi uma ideia que cunhamos e exploramos no ano passado, que essencialmente descreveu o mercado passando por três segmentos distintos: durante a pandemia, a crise pós-pandemia e o atual período de recuperação. 

2023 foi um ano difícil para o ecossistema e o mercado de trabalho após alguns anos bem-sucedidos de pandemia, e o caminho para a recuperação parecia longo e difícil. No entanto, chegou o final de 2024 e o início de 2025, e as coisas estão melhorando, lentamente. 

2. Em 2024, a oferta cresceu 19% e a demanda encolheu 37% 

Conforme o Relatório do Ecossistema de Talentos de 2024 da 10k, a oferta de profissionais da Salesforce cresceu 19% no ano passado, e a demanda dos empregadores diminuiu 37% — assim como em 2023, ainda há mais profissionais interessados ​​do que vagas disponíveis. 

No entanto, embora o ecossistema não esteja em um estado de forte reparo de forma alguma, ele também não é um estado tão terrível quanto costumava ser. Em 2023, a queda na demanda ficou em 46%, e o aumento da oferta ficou em 28%, indicando um cenário mais favorável para ambas as métricas em comparação a 2024. 

3. 87% do ecossistema admitiu achar o mercado mais desafiador agora. 

Um dos números de destaque da nossa primeira pesquisa salarial é que 87% dos entrevistados admitiram que sentiram que o mercado tem sido mais desafiador recentemente do que antes. 

Isso não é uma surpresa quando você considera que uma das outras estatísticas da pesquisa indicou que agora leva de três a seis meses para um quarto dos profissionais conseguir seu próximo emprego. 

4. 2018 foi um ano de sucesso para os candidatos a emprego. 

Outro número interessante da nossa pesquisa mostrou que 2018 foi um ano de sucesso para os candidatos a emprego, com 12,8% dos entrevistados dizendo que conseguiram seu primeiro emprego na Salesforce naquele ano. 

Isso é seguido por 8,1% em 2020 no auge da pandemia, 10,1% em 2019 e 9,9% em 2017. 

5. De 24 funções, 16 tiveram uma redução no salário. 

Não é segredo que os salários têm sido diferentes para muitos profissionais nos últimos anos e, infelizmente, temos alguns dados para comprovar isso. 

Das 24 principais funções para as quais registramos dados em nossa pesquisa, 16 tiveram uma redução no salário ao comparar os ganhos daqueles que garantiram um emprego nos últimos 18 meses com aqueles que conseguiram um emprego em anos anteriores. No entanto, para as funções principais no ecossistema Salesforce, os declínios estão na casa dos dígitos únicos. Em uma média global, os salários de analistas de negócios caíram 5% nos últimos 18 meses, enquanto desenvolvedores e administradores caíram 4% e engenheiros de soluções 3%. 

6. As últimas expansões da Salesforce incluem uma injeção de US$ 1 bilhão em Cingapura. 

No início deste mês, a Salesforce anunciou seus planos de investir US$ 1 bilhão em Cingapura nos próximos cinco anos para impulsionar a adoção de seu agente de IA, Agentforce. Este esforço é um grande passo à frente no desenvolvimento do trabalho da Salesforce na região Ásia-Pacífico. 

Não só isso, mas um mês antes, a Salesforce revelou planos de investir US$ 500 milhões na Arábia Saudita para projetos relacionados à IA também, na esperança de qualificar 30.000 cidadãos sauditas até 2030. 

7. A Índia está vendo um aumento na demanda por talentos da Salesforce. 

Apesar da queda na demanda global que mencionamos anteriormente, a Índia teve um aumento de 13% YoY em 2024 - um grande salto em relação à queda de 23% que a Índia enfrentou em 2023. 

No geral, a Índia viu aumentos em todos os setores, com administradores (16% YoY), consultores (25% YoY), desenvolvedores (25% YoY) e analistas de negócios (1% YoY), todos vendo um crescimento significativo. 

8. O ecossistema Salesforce criará 11,6 milhões de empregos e US$ 2,02 trilhões em receitas comerciais entre 2022 e 2028. 

De acordo com um relatório de 2023 da Salesforce, a Salesforce e seu ecossistema de parceiros, alimentados pela nova onda de inteligência artificial generativa (IA), criarão um ganho líquido entre 2022 e 2028 de mais de US$ 2 trilhões em receitas comerciais e 11,6 milhões de empregos. 

A Salesforce tem sido pioneira em IA para CRM desde 2014, e seus últimos avanços, particularmente a plataforma Agentforce, devem disparar esse empreendimento quando ele estiver totalmente decolando. 

9. O número de parceiros da Salesforce aumentou desde 2023. 

Falando em parceiros, de acordo com o relatório da 10k, o crescimento dos parceiros de consultoria continua a avançar no ecossistema com um enorme aumento de 20% ano a ano, totalizando quase 3.000 parceiros. Este é um aumento impressionante de 137% nos últimos cinco anos. 

Provavelmente é o resultado da mentalidade de "crescimento a todo custo" que o ecossistema seguiu por muitos anos. 

10. A Salesforce demitiu mais de 2.000 trabalhadores nos últimos dois anos. 

Em 2024, a Salesforce demitiu 1.000 funcionários em dois conjuntos de demissões: os primeiros 700 em janeiro e os últimos 300 em julho. 

Fevereiro de 2025 trouxe o próximo e mais recente conjunto de demissões no momento em que este post foi escrito, com mais de 1.000 funcionários enfrentando o corte. 

Essas demissões ocorreram depois que a gigante da nuvem anunciou que realizaria uma onda de contratações de funções de vendas para atender aos requisitos de sua principal oferta de IA, Agentforce. 

O mercado de trabalho da Salesforce continua sendo um dos mercados de tecnologia mais empolgantes, mas difíceis de se abordar, mas com o desenvolvimento contínuo acontecendo com as ofertas de IA da empresa, é provável que em algum momento seremos catapultados para uma recuperação mais rápida. Só o tempo dirá quando. 

Criamos um grupo no Discord para facilitar a vida de todos que trabalham no Ecossistema Salesforce.  

Gostaríamos de concentrar forcas e prover mais informações especificas para cada parte do Sistema Salesforce e sem limites de usuários, com isso o grupo no Discord foi criado. 

Aqui segue o link para você juntar-se a gente. 

https://discord.gg/TBHEJFTa

Fiquem ligados, pois teremos mais artigos sobre nosso Universo Salesforce.  

Siga nossa comunidade e receba avisos sobre novos eventos:

https://trailblazercommunitygroups.com/salesforce-user-group-curitiba-brazil/

YouTube - https://www.youtube.com/@dvlprbr

@Admin Group, Sao Paulo, BR @Admin Group, Vitoria, BR @* Success - Português * @Comunidade Salesforce Brasil @Developer Group, Belo Horizonte, BR @Developer Group, Porto Alegre, BR @Marketer Group, São Paulo, BR @Marketer Group, Vitória, BR @Salesforce, Florianópolis, BR @User Group, Distrito Federal, BR @User Group, Rio de Janeiro, BR @User Group, Sao Paulo, BR @WIT Group, Sao Paulo, BR @Admin Group, Belo Horizonte, BR @MVP Office Hours (Português)

 Fala pessoal, 

Criamos um grupo no Discord para facilitar a vida de todos que trabalham no Ecossistema Salesforce.  

Gostaríamos de concentrar forcas e prover mais informações especificas para cada parte do Sistema Salesforce e sem limites de usuários, com isso o grupo no Discord foi criado. 

Aqui segue o link para você juntar-se a gente. 

https://discord.gg/TBHEJFTa

Fiquem ligados, pois teremos mais artigos sobre nosso Universo Salesforce.  

Siga nossa comunidade e receba avisos sobre novos eventos:

https://trailblazercommunitygroups.com/salesforce-user-group-curitiba-brazil/

YouTube -

https://www.youtube.com/@dvlprbr

@Admin Group, Sao Paulo, BR @Admin Group, Vitoria, BR @* Success - Português * @Comunidade Salesforce Brasil @Developer Group, Belo Horizonte, BR @Developer Group, Porto Alegre, BR @Marketer Group, São Paulo, BR @Marketer Group, Vitória, BR @Salesforce, Florianópolis, BR @User Group, Distrito Federal, BR @User Group, Rio de Janeiro, BR @User Group, Sao Paulo, BR @WIT Group, Sao Paulo, BR @Admin Group, Belo Horizonte, BR

 Fala pessoal!!! 

Hoje vamos continuar nossa conversa sobre qualidade de Dados…  

5. Análise de data/hora 

Quer ser um ótimo analista de dados? Análise mestre de data/hora. Simplificando, esta habilidade trata da conversão de dados de data e hora de vários formatos em um formato padrão. 

Por que isso é tão importante? Ao analisar dados, você precisa que as datas e horas estejam corretas. Muito do que analisamos está relacionado ao tempo-tendências, previsões, o que você quiser. Se suas datas estiverem em formatos diferentes, isso pode realmente confundir as coisas. Você pode errar na ordem dos eventos ou fazer conexões falsas. 

Como disse um cientista de dados: “Quando aprendi a codificar, lidar com a análise de data/hora era um desafio. Cada solução que encontrei on-line usava uma técnica ou biblioteca Python diferente e tudo parecia incompatível com meu conjunto de dados”. O truque é praticar com vários conjuntos de dados diferentes, como dados meteorológicos ou de tráfego cheios de carimbos de data/hora. 

Imagine que você está analisando dados de vendas para ver como o clima afeta as compras. Se suas datas estiverem uma bagunça, você pode facilmente confundir uma onda de calor de julho com uma nevasca de janeiro! E isso mudaria totalmente a sua análise. 

Resumindo, acertar na análise de data/hora fará de você um analista de dados inestimável. Seus insights serão precisos e qualquer empresa com experiência em dados terá sorte em ter você. 

6. Mesclando e Unindo Dados 

Mesclar e unir dados é uma técnica obrigatória que pode ajudá-lo a criar conjuntos de dados mais abrangentes e confiáveis ​​para tomar decisões mais inteligentes. Na minha primeira entrevista de emprego relacionada a dados, a primeira pergunta técnica que me fizeram foi sobre os diferentes tipos de junções no SQL. Distinguir entre uma junção esquerda e uma junção interna me ajudou a conseguir o emprego, e o fato de ter sido a primeira pergunta que eles fizeram é uma boa evidência anedótica que mostra a importância das fusões e junções para o ciclo de vida dos dados. 

Compreender a fusão e a junção pode trazer grandes benefícios para o seu trabalho com dados. Por um lado, ajuda a manter seus conjuntos de dados consistentes e precisos. Também permite trabalhar com estruturas de dados mais complexas, o que é uma habilidade valiosa para enfrentar desafios analíticos. 

Dito isso, mesclar grandes conjuntos de dados ou lidar com formatos incompatíveis às vezes pode ser complicado. O segredo é escolher as chaves certas para unir suas tabelas e verificar frequentemente os valores para garantir que a lógica por trás da mesclagem esteja alinhada com o que você está vendo na tabela de dados. 

Portanto, se você estiver pronto para aprimorar seu jogo de dados, comece a lidar com fusões e junções. Com um pouco de prática, você combinará conjuntos de dados como um profissional e descobrirá insights que você nem sabia existirem! 

7. Transformação de dados e conversões de tipo de dados 

Você já trabalhou com um conjunto de dados que não estava no formato correto? Talvez as datas fossem inconsistentes ou os números estivessem armazenados como texto. É aqui que entram transformar dados e a conversão de tipo de dados. 

Em termos simples, transformação de dados significa alterar o formato ou estrutura dos seus dados. Isso pode envolver tarefas como padronização de formatos de data, divisão de colunas ou agregação de dados para resumir detalhes. A conversão de tipo de dados, por outro lado, consiste em garantir que cada dado seja categorizado corretamente, como números contra texto. 

Então, por que isso é importante para a limpeza de dados? Digamos que você tenha um conjunto de dados com datas em formatos diferentes - alguns são MM/DD/AAAA enquanto outros são DD/MM/AAAA. Para analisar esses dados com precisão, você precisaria transformar todas as datas em um formato consistente. Ou se você tivesse números armazenados como texto, não poderia realizar operações matemáticas até os converter em um tipo de dados numérico. 

À medida que mais empresas dependem de dados para tomar decisões estratégicas, ter fortes competências em transformação de dados e conversão de tipos torna-se cada vez mais valioso. Ele permite que você trabalhe com conjuntos de dados complexos de forma mais eficiente e garante que sua análise seja construída sobre uma base sólida e precisa. 

Para desenvolver suas habilidades nesta área, recomendo: 

Praticando com conjuntos de dados reais que precisam de limpeza. 

Explorando ferramentas como a biblioteca pandas do Python para experimentar diferentes técnicas de transformação de dados (especialmente os métodos to_numeric e to_string) 

Familiarizando-se com problemas comuns de tipos de dados e aprendendo estratégias de solução de problemas Com prática, você conseguirá lidar com dados em todos os tipos de formatos e se preparar para análises mais eficazes. 

8. Integridade de dados: deduplicação e validação 

Existe um ditado comum no mundo dos dados: “Entra lixo, sai lixo”. Isso significa que se seus dados não forem confiáveis ​​ou se “dados ruins” levarem sua equipe a resultados equivocados, é pior do que não ter nenhum dado para começar. Garantir que seus dados sejam confiáveis ​​e precisos levará a decisões baseadas em dados nas quais você pode confiar. 

Mas como você garante que seus dados tenham integridade? Vamos nos concentrar em dois aspectos principais aqui: deduplicação e validação. A deduplicação trata da remoção de entradas duplicadas de seus conjuntos de dados. Isso não apenas limpa seus dados, mas também torna o processamento mais eficiente. Se o seu arquivo de dados tiver diversas entradas para alguns indivíduos (talvez os dados tenham sido coletados mais de uma vez), você poderá usar técnicas de deduplicação para eliminar essas redundâncias. Uma maneira de fazer isso é identificar identificadores exclusivos, como endereços de e-mail, números de telefone ou IDs de usuário. 

A validação, por outro lado, consiste em garantir que seus dados sigam regras ou normas específicas. Isso ajuda a aumentar a confiabilidade dos seus dados para a tomada de decisões. Por exemplo, você pode verificar se os valores numéricos estão nos intervalos esperados ou se as entradas de data usam um formato consistente. 

O resultado? Enfrentar esses desafios eficazmente é uma habilidade obrigatória. Isso aumentará sua capacidade de lidar com cenários de dados reais. E isso é fundamental para avançar em sua carreira em dados. 

9. Lidando com dados esparsos 

Ao limpar dados, é crucial saber como lidar com dados esparsos de maneira eficaz. O que exatamente são dados esparsos? São dados que possuem muitos valores ausentes ou nulos. 

Dados esparsos podem realmente atrapalhar sua análise, causar problemas como modelos imprecisos e até mesmo introduzir preconceitos em seu trabalho. Isso porque aumenta as chances de problemas como overfitting, em que um modelo tem um bom desempenho nos dados em que foi treinado, mas um desempenho ruim em novos dados. 

Então, o que você pode fazer sobre isso? Algumas técnicas comuns incluem o preenchimento de valores ausentes, a criação de novos recursos de dados ou a remoção total de recursos esparsos. Saber quais técnicas usar e quando é mais uma arte do que uma ciência porque exige que você esteja intimamente consciente de como uma determinada técnica impactará positiva e negativamente os dados. 

Usar os métodos certos para limpar dados esparsos não leva apenas a modelos de melhor desempenho, mas também ajuda você a tomar decisões mais inteligentes, garantindo que seus insights sejam baseados em dados de alta qualidade. 

CONTINUA no proximo post !!!! 

Fiquem ligados, pois teremos mais artigos sobre nosso Universo Salesforce.  

Siga nossa comunidade e receba avisos sobre novos eventos:

https://trailblazercommunitygroups.com/salesforce-user-group-curitiba-brazil/

YouTube -

https://www.youtube.com/@dvlprbr

@Admin Group, Sao Paulo, BR @Admin Group, Vitoria, BR @* Success - Português * @Comunidade Salesforce Brasil @Developer Group, Belo Horizonte, BR @Developer Group, Porto Alegre, BR @Marketer Group, São Paulo, BR @Marketer Group, Vitória, BR @Salesforce, Florianópolis, BR @User Group, Distrito Federal, BR @User Group, Rio de Janeiro, BR @User Group, Sao Paulo, BR @WIT Group, Sao Paulo, BR 

Fala galera!!! 

Vamos continuar nosso assunto de Dados!?!? 

10. Normalização e Padronização 

Normalização e padronização são as técnicas finais de pré-processamento de dados sobre as quais falaremos hoje. Exploremos o que eles envolvem, como diferem e exemplos de sua aplicação. 

A normalização é uma técnica que ajusta valores medidos em diferentes escalas para uma escala comum, geralmente entre 0 e 1. É especialmente útil quando os parâmetros possuem faixas variáveis. A padronização, por outro lado, transforma os dados para terem média zero e desvio padrão de um, tornando-a essencial para algoritmos que assumem que os dados são normalmente distribuídos. 

As diferenças entre essas duas técnicas podem determinar quando cada uma deve ser usada: 

A normalização é geralmente usada quando o conjunto de dados não segue uma distribuição gaussiana. Pode ser impactado por valores discrepantes, mas é menos sensível a eles do que a padronização. 

A padronização é normalmente usada em cenários que exigem que o conjunto de dados tenha uma distribuição gaussiana, formando a base para técnicas como análise de componentes principais e regressão linear. 

Exemplos: 

*** Normalização 

Ajustando salários que vão de 30.000 para 90.000 em um conjunto de dados fiquem entre 0 e 1 para comparar os rendimentos relativos dos funcionários, independentemente da grande diferença. 

Redimensionamento de idades em um conjunto de dados onde os usuários variam de 10 a 60 anos para um estudo de análise de marketing. 

Normalização de distâncias percorridas em quilômetros por caminhões de entrega em uma empresa de logística para padronizar avaliações de rotas. 

*** Estandardização 

Padronizar as pontuações dos testes dos alunos para avaliar estatisticamente o desempenho em várias escolas ou universidades. 

Transformando recursos como altura e peso em dados de saúde para prever riscos à saúde usando algoritmos de aprendizado de máquina. 

Equacionar medidas de volatilidade de diferentes ações em modelos financeiros para avaliar com precisão o risco relativo. 

Desenvolver um conjunto de habilidades tanto em normalização quanto em padronização não somente melhora o desempenho e a precisão de seus modelos de dados, mas também contribui para sua versatilidade como profissional de dados pronto para gerenciar uma diversidade de conjuntos de dados e desafios. 

Além disso, é importante visualizar seus dados antes e após aplicar essas transformações para compreender completamente seus efeitos e decidir informada sobre qual método melhor atende às suas necessidades específicas. Lembre-se de que, embora a normalização seja mais suscetível a ser distorto por valores discrepantes, a padronização exige que os dados sigam idealmente uma distribuição normal para obter resultados ideais. 

Equívocos e desafios comuns 

A limpeza de dados é fundamental para uma análise precisa, mas não é uma tarefa única. À medida que novas informações entram em seu sistema, você precisará limpar e atualizar regularmente seus dados para manter a qualidade. 

Quais são alguns desafios comuns que você pode enfrentar? 

Formatos de dados inconsistentes em conjuntos de dados que exigem alinhamento cuidadoso. 

Registros duplicados que precisam ser identificados e mesclados ou removidos. 

Garantir a privacidade dos dados e cumprir as regulamentações sem comprometer a integridade dos dados. 

Esses problemas podem complicar o processo de limpeza e afetar a confiabilidade dos seus dados. Por exemplo, se os nomes dos clientes forem inseridos em formatos diferentes nos bancos de dados de vendas, levará algum tempo para padronizá-los antes que você possa analisar adequadamente as tendências dos clientes. 

Felizmente, existem estratégias que você pode usar para agilizar a limpeza de dados. Considere o uso de ferramentas de automação para lidar com tarefas repetitivas de formatação. A criação de sistemas de codificação padronizados também pode ajudar a manter os dados consistentes. Ao compreender a realidade da limpeza de dados, você estará bem preparado para garantir conjuntos de dados precisos e confiáveis ​​no mundo real. 

Como começar com habilidades de limpeza de dados. 

Pronto para começar a limpeza? Veja como começar com o pé direito: 

Construa uma base sólida 

Primeiro, certifique-se de entender o básico. Conheça seus dados observando coisas como médias, medianas e valores ausentes. Isso ajuda a garantir que seus dados sejam confiáveis. Pratique filtragem, manipulação de strings e conversão de tipos de dados para obter experiência prática. 

Concentre-se em habilidades que correspondam aos seus objetivos 

Que tipo de ferramentas de limpeza de dados você precisará no emprego dos seus sonhos? Excel? Pitão? SQL? Domine as habilidades que o tornarão eficiente na preparação de dados e avance em sua carreira em ciência de dados. Além disso, não tenha medo de misturar e combinar! Os analistas de dados geralmente usam uma combinação de ferramentas para realizar o trabalho. 

Pratique, pratique, pratique. 

A melhor maneira de consolidar seu novo conhecimento? Aplique-o imediatamente com projetos práticos. Tente praticar com conjuntos de dados reais de fontes como Kaggle ou UCI Machine Learning Repository. Quanto mais experiência prática você tiver, mais intuitivas essas técnicas se tornarão! 

Continue aprendendo e mantenha-se atualizado. 

A limpeza de dados está sempre evoluindo, portanto, mantenha-se atualizado com as técnicas e ferramentas mais recentes. Participe de comunidades on-line, participe de workshops ou faça cursos sobre métodos emergentes*. Ficar por dentro das tendências expandirá suas habilidades e tornará você um candidato a emprego mais forte. 

Pronto para se tornar um profissional de limpeza de dados? Siga estas etapas e você estará no caminho certo para essa habilidade de dados tão solicitada. 

Por que escolher o Dataquest para limpeza de dados? 

Se você deseja iniciar uma carreira em dados, a proficiência em limpeza de dados é obrigatória. Felizmente, o Dataquest oferece uma excelente maneira de adquirir essas habilidades críticas, mesmo se você for um iniciante. 

Por meio de projetos práticos, você praticará as principais técnicas de limpeza de dados usadas diariamente por profissionais de dados, como: 

Tratamento de valores ausentes e outliers. 

Decuplicando e normalizando dados. 

Analisando datas e trabalhando com dados esparsos. 

Ao aplicar essas habilidades em cenários realistas, você desenvolverá um forte entendimento prático que impressionará os empregadores. 

A plataforma interativa do Dataquest orienta você passo a passo, para que você aprenda fazendo. Você escreverá código real em Python, uma linguagem essencial para limpeza e análise de dados. Isso significa que você ganhará uma valiosa experiência de programação à medida que aprende. 

Tem alguma dúvida enquanto trabalha em um projeto? Sem problemas! A comunidade acolhedora de profissionais e estudantes de dados da Dataquest está pronta para ajudar. 

Aprender com outras pessoas mantém você motivado e oferece novas perspectivas. 

O currículo completo cobre todas as bases, desde a filtragem básica até operações complexas. Assim, você pode ter certeza de que está desenvolvendo todas as habilidades necessárias para uma carreira em dados. 

Quer mostrar suas novas habilidades? Os projetos que você conclui tornam-se um portfólio impressionante que demonstra sua habilidade em limpeza de dados para potenciais empregadores. Imagine como será ótimo compartilhar seu trabalho com orgulho! 

Portanto, se você está animado para começar a trabalhar com dados, o Dataquest oferece um caminho envolvente e eficaz para adquirir habilidades essenciais de limpeza de dados. Você ficará surpreso com a rapidez com que pode aprender! 

O que você achou? 

Envie seu feedback para

Fiquem ligados, pois teremos mais artigos sobre nosso Universo Salesforce.  

Siga nossa comunidade e receba avisos sobre novos eventos:

https://trailblazercommunitygroups.com/salesforce-user-group-curitiba-brazil/

YouTube -

https://www.youtube.com/@dvlprbr

@Admin Group, Sao Paulo, BR @Admin Group, Vitoria, BR @* Success - Português * @Comunidade Salesforce Brasil @Developer Group, Belo Horizonte, BR @Developer Group, Porto Alegre, BR @Marketer Group, São Paulo, BR @Marketer Group, Vitória, BR @Salesforce, Florianópolis, BR @User Group, Distrito Federal, BR @User Group, Rio de Janeiro, BR @User Group, Sao Paulo, BR @WIT Group, Sao Paulo, BR 

Evolução da AI e nossos empregos!!! 

Profissionais da Salesforce, preparem-se, a revolução da IA ​​não está chegando agora, ela já está aqui e está remodelando o ecossistema em um ritmo alucinante.  

Até 2028, 40-50% das tarefas atuais realizadas por administradores, desenvolvedores e analistas serão automatizadas. Ferramentas com tecnologia de IA, como Einstein GPT e Agentforce, estão assumindo a configuração manual, a codificação e até mesmo a tomada de decisões estratégicas, forçando os profissionais a evoluir ou arriscar se tornarem obsoletos. 

Se você não estiver se adaptando ativamente, sua função pode desaparecer. Quais empregos da Salesforce prosperarão e quais a IA eliminará? Este relatório detalha as sete funções principais no ecossistema da Salesforce e revela exatamente como a IA está reescrevendo descrições de cargos, remodelando salários e redefinindo planos de carreira. 

Seu trabalho sobreviverá à era da IA? Continue lendo para descobrir. 

Administradores do Salesforce: de configuradores a orquestradores estratégicos 

1.1 Automação de tarefas de rotina 

Ferramentas de IA como Einstein Automate e Agentforce eliminarão 40-50% do trabalho de configuração manual até 2028, incluindo gerenciamento de permissão de usuário, geração de relatórios e criação básica de fluxo de trabalho. Os administradores farão a transição da execução de tarefas para a supervisão de sistemas de automação orientados por IA, com foco no tratamento de exceções e otimização de processos. 

1.2 Surgimento de responsabilidades de governança de IA 

Novos requisitos de conformidade exigirão estruturas de auditoria de IA para configurações de CRM. Os administradores precisarão: 

Validar estruturas de campo geradas por IA para riscos de viés. 

Monitorar decisões de agentes autônomos em implantações do Service Cloud. 

Implementar controles de qualidade de metadados para dados de treinamento de IA. 

Os salários para administradores com certificações de governança de IA devem aumentar 22% acima dos pares não certificados até 2027. 

Desenvolvedores Salesforce: A ascensão da engenharia aumentada por IA 

2.1 Mudança de paradigma de geração de código 

O Einstein GPT automatizará 35% da codificação Apex/Velocity para operações básicas de CRUD e componentes LWC até 2026. Os desenvolvedores se concentrarão em: 

Treinar modelos de IA personalizados usando pipelines de dados de CRM 

Depurar código gerado por IA para vulnerabilidades de segurança 

Implementar proteções éticas de IA em aplicativos voltados para o cliente. 

2.2 Especialistas em integração de IA full-stack 

A demanda aumentará por desenvolvedores qualificados em orquestração de IA multi-nuvem, particularmente: 

Integrar previsões do Einstein com o Marketing Cloud jornadas. 

Criando APIs MuleSoft para consumo de modelos de IA de terceiros. 

Implementando registro de decisões de IA em tempo real para conformidade. 

A remuneração para desenvolvedores de integração de IA ultrapassará as funções tradicionais em 30-40% até 2028. 

Analistas de negócios: transição para os sussurradores de IA 

3.1 Curadoria declarativa de modelos de IA 

Os BAs usarão ferramentas sem código como o Einstein Discovery para: 

Projetar modelos de pontuação de leads preditivos sem equipes de ciência de dados. 

Gerar explicações em linguagem natural de insights baseados em IA 

Criar painéis de análise de autoatendimento com recomendações de IA incorporadas. 

3.2 Previsão de impacto comportamental 

Um novo conjunto de habilidades críticas envolverá a previsão de impactos de mudanças organizacionais de implementações de IA: 

Modelagem de como as previsões de vendas baseadas em IA afetam as estruturas de comissão. 

Antecipação de desafios de adoção do usuário para agentes de serviço autônomos 

Quantificação de ganhos de produtividade com resolução de casos assistida por IA. 

Os BAs de alto desempenho receberão salários de mais de US$ 125.000 até 2027 para unir IA técnica e operacional impactos. 

Gerentes de Projeto: Arquitetos de Entrega Orientados por IA 

4.1 Alocação Inteligente de Recursos 

Ferramentas com tecnologia de IA permitirão: 

Modelos de equipe preditiva usando dados históricos de velocidade de sprint. 

Detecção automatizada de riscos em lacunas de requisitos. 

Alinhamento multilíngue de stakeholders em tempo real via tradução de PNL 

4.2 Otimização Quântica do Fluxo de Trabalho 

Os PMs devem dominar metodologias de projeto aprimoradas por IA: 

Ajustes dinâmicos de cronograma usando as previsões de Einstein. 

Mapeamento automatizado de dependências em nuvens híbridas. 

Análises post-mortem geradas por IA com prescrições de melhoria. 

As taxas de falha para PMs ignorantes em IA chegarão a 65% até 2027, em comparação com 18% para profissionais fluentes em IA. 

Consultores: de implementadores a parceiros de estratégia de IA 

5.1 Design de solução de IA verticalizada 

Os principais consultores se especializarão em padrões de IA específicos do setor: 

Saúde: automação da jornada do paciente conforme HIPAA 

Serviços financeiros: trilhas de auditoria SEC/FINRA orientadas por IA 

Manufatura: integrações de manutenção preditiva de IoT+IA 

5.2 Escalonamento de implementação autônoma 

A adoção do Agentforce exigirá que os consultores: 

Projetem estruturas de colaboração multiagente 

Implementem ecossistemas de configuração de autocorreção 

Desenvolvam currículos de treinamento de IA específicos do cliente 

As consultorias relatam entrega de projeto 45% mais rápida ao alavancar copilotos de IA, gerando melhorias de margem de 30%. 

Arquitetos de solução: designers de ecossistema de IA ética 

6.1 Mandatos de implementação da camada de confiança 

Os arquitetos devem implementar: 

Pipelines de mascaramento de dados para treinamento de modelo de IA 

Detecção de viés em tempo real em mecanismos de recomendação 

Estruturas de explicabilidade entre nuvens 

6.2 Criação de soluções de IA composta 

A demanda explodirá por arquitetos qualificados em orquestração de vários modelos: 

Combinando Salesforce LLMs com modelos externos como GPT-4 

Projetando sistemas de failover entre IA preditiva e generativa 

Otimizando compensações de custo/precisão entre fornecedores de IA 

Arquitetos de IA éticos certificados verão um crescimento de demanda de mais de 50% até 2028. 

Arquitetos técnicos: integradores de sistemas de IA 

7.1 Padrões de integração cognitiva 

As principais áreas de foco incluem: 

Implementando a camada de confiança Einstein em Heroku/MuleSoft 

Projetando trilhas de auditoria para decisões de agentes autônomos 

Otimizando a utilização de GPU em nuvens híbridas 

7.2 Design de arquitetura de auto-otimização 

Arquitetos técnicos serão pioneiros em: 

Sistemas de quantificação de dívida técnica orientados por IA 

Ajustes automatizados de postura de segurança por meio de previsão de ameaças 

Escalonamento automático baseado em desempenho de clusters de modelos de IA 

A falha em adotar práticas de design aumentadas por IA renderá 40% das atuais arquiteturas técnicas obsoletas até 2027. 

Conclusão: A força de trabalho do Salesforce alimentada por IA 

Até 2028, o ecossistema do Salesforce exigirá três vetores de habilidades essenciais: 

Fluência em IA: Todas as funções precisam de competência básica em engenharia rápida e avaliação de modelos 

Governança ética: 78% dos cargos exigirão certificação de ética em IA para conformidade 

Pensamento híbrido: Misturando conhecimento técnico de IA com propriedade de resultados de negócios 

Funções que se recusam a se adaptar enfrentam riscos de redundância de 20-35%, enquanto os primeiros a adotar terão acesso a prêmios salariais de mais de 45%. Profissionais bem-sucedidos adotarão ciclos de aprendizado contínuo, com foco no design de colaboração humano-IA e preservação de valor estratégico. As organizações devem investir em programas de requalificação e carreiras aumentadas por IA para manter a vitalidade do ecossistema. 

O que você achou?  

Envie seu feedback para   

Fiquem ligados, pois teremos mais artigos sobre nosso Universo Salesforce.   

Siga nossa comunidade e receba avisos sobre novos eventos: 

YouTube - 

🚀 Dia 6/30 – ZeroToHeroAgentforce - Chunking no Agentforce!

O Agentforce é um agente que depende de dados. Eu, com meu histórico de trabalho com dados antes de migrar para o Salesforce, sou suspeito em afirmar categoricamente que tratar os dados antes de qualquer ingestão para uma IA é fundamental.

Um dado bem tratado, faz com que o chunking - que é a etapa que quebra seus arquivos (HTML, PDFs, etc.) em partes coesas - seja muito melhor, deixando tudo preparado o RAG e, por consequência, fazendo a IA ser mais direta, específica e eficiente dentro da plataforma.

No vídeo - que ficou com mais de 12 minutos e não deu pra subir aqui, por isso coloquei no curso - falo sobre:

- O que é chunking? 

- Como você pode configurar um arquivo para que ele seja tratado com o modelo semantic-based (usa tags HTML como <h1> e <p>) dentro do ADL.

Tudo isso para gerar respostas mais precisas e sem “encheção de linguiça”.

Se quiser os detalhes completos, confira o vídeo de hoje, onde mostro como converter um arquivo texto ou mesmo PDF, para gerar um arquivo HTML e otimizar a criação de chunks no Data Cloud e estes serem utilizados de forma eficiente pelo #Agentforce!

.

Aproveitem :)

https://reforce.academy/courses/agentforce-zero-to-hero/