Abstract This research identifies in job postings the requirements for data scientists in Brazil. To analyze these documents, it adopts text mining methods of analysis: n-gram, topic modeling, and clustering. The findings point to a concentration of job opportunities in São Paulo while demonstrating that the remote modality is the second most offered. Additionally, it highlights that salaries in Brazil are below the average of other countries, even if organizations look for experienced professionals with an elevated level of education. About the requirements, there is a predominance of technical skills such as machine learning, statistical models, python, and database, among others. The results also demonstrate that n-gram and clustering are more suitable for text mining techniques than topic modeling.

Resumo Esta pesquisa identifica os requisitos para cientistas de dados no Brasil em anúncios de emprego. Para analisar estes documentos, adota métodos de mineração de texto: n-grama, modelagem de tópico e agrupamento. Os resultados apontam uma concentração de vagas em São Paulo e revelam que a modalidade remota é a segunda mais ofertada. Além disso, destaca que os salários no Brasil estão abaixo da média de outros países, mesmo que as organizações procurem por profissionais experientes e com alto nível educacional. Quanto aos requisitos, há o predomínio de habilidades técnicas como machine learning, modelos estatísticos, python, banco de dados, dentre outras. Para as técnicas de mineração, demonstra que n-grama e o agrupamento são mais adequadas que a modelagem de tópicos.

RESUMO Emprega técnicas bibliométricas para identificar as características primordiais da produção de artigos científicos sobre Gestão de Dados. De natureza aplicada, abordagem quantitativa e caráter exploratório, a pesquisa faz uso de um levantamento nas bases de dados Web of Science, SCOPUS, ScienceDirect e Emerald, recuperando um total de 3.683 artigos científicos publicados entre 1963 e 2018. Revela a tendência de crescimento no ritmo de publicações sobre o tema abordado, que obteve seu auge em 2017 com 210 artigos publicados. Pela amostra, coloca Yin Zang como autor mais produtivo com 18 documentos e, pela análise de rede, coloca H. Garcia-Molina como autor mais influente. Entre as palavras-chave mais recorrentes, destaca além dos conceitos relacionados à tecnologia da informação, o termo “human” como um dos mais influentes. A análise dos periódicos ressalta a superioridade das fontes voltadas a pesquisas sobre tecnologia, com predomínio do tema “bancos de dados”, mas também destaca a presença de revistas da área médica e correlatas.

ABSTRACT This study uses bibliometric techniques to identify the primordial characteristics of the production of scientific articles on Data Managment. Classified as applied in nature, with a quantitative approach and exploratory character, the research retrieves from the Web of Science, SCOPUS, ScienceDirect and Emerald databases, a total of 3,683 scientific articles published between 1963 and 2018. As an outcome, the paper reveals the trend of growth in the rhythm of publications on the topic addressed, which reached its peak in 2017 with 210 articles published. For the sample, Yin Zang is the most productive author with 18 papers and, by network analysis, H. Garcia-Molina is the most influential author. Among the most recurrent keywords, it emphasizes the concepts non-related to information technology - the term "human" with one of the most influential. The analysis of the journals highlights the superiority of the sources of research on technology, with a predominance of the theme "databases", but also highlights the presence of journals in the medical field and correlates.

Desde sua apresentação, em meados da década de 1980, o tema 'Gestão do Conhecimento' (GC) tem sido abordado sob os mais diversos aspectos. Neste sentido, uma vez observado o aumento da quantidade de trabalhos publicados em bases acadêmicas, nos últimos 10 anos, os objetivos da presente pesquisa são (1) encontrar os termos mais empregados nestes trabalhos e as (2) diferenças entre os termos encontrados em publicações brasileiras e estrangeiras. Para isto, empregou-se a técnica de mineração de textos. Os resultados mostram que temas envolvendo práticas, processos, sistemas de GC e tecnologias de informação são recorrentemente encontrados tanto em resumos de artigos nacionais como internacionais. Por outro lado, de maneira geral, os artigos nacionais se distinguem pelo fato de apresentarem termos mais associados a aspectos abstratos da GC (modelos, conhecimento tácito e organizacional), enquanto que os internacionais caracterizam-se por termos mais pragmáticos (efetividade, implementação, relacionamentos e desenvolvimento).

Since its introduction in the mid-1980s, the theme 'Knowledge Management' (KM) has been approached under different aspects. In this sense, since the observed increase in the quantity of papers published in academic databases in the last 10 years, the objectives of this research are (1) find the terms more used in these works, and (2) differences between the terms found in Brazilian and foreign publications. For this, was applied the text mining technique. The results show that themes involving practices, processes, KM systems and information technologies are recurrently found in both article summaries national and international. Furthermore, in general, national articles are distinguished by the fact that they are associated with a more abstract aspects of the KM (models, tacit and organizational knowledge), while international are characterized by a more pragmatic terms (effectiveness, implementation, relationships and development).