O que aprendi quando a teoria encontrou o mundo real

Por Lucca Gamballi, Associate Data Scientist · Agosto de 2026

Teoria na bagagem e um conselho de mãe

Meu nome é Lucca Gamballi e, em abril de 2025, comecei meu estágio em Data Science na Wildlife Studios. Fui estudante de Engenharia Elétrica na Universidade de São Paulo, e como boa parte de quem está lendo isso, cheguei ao mercado com aquela bagagem clássica da faculdade: bastante teoria, alguns projetos pessoais, e a mania de tentar resolver tudo sozinho. Este artigo é sobre o que aconteceu quando essa bagagem encontrou o mundo real: os projetos que toquei, o que aprendi de técnico e, principalmente, como foi trabalhar em um ambiente não tão controlado como a sala de aula.

Conheci a Wildlife por indicação da minha mãe. Estava no último semestre, voltando ao Brasil do duplo diploma, e precisava completar a disciplina de estágio da faculdade para me graduar. Um dia, conversando com minha mãe sobre essa situação, ela comentou que tinha visto no LinkedIn uma vaga de uma empresa de jogos que tinha a minha cara. Como conselho de mãe não se nega, me inscrevi e não podia ter sido melhor.

"Escolha um jogo e jogue"

Meu onboarding não foi um curso de SQL nem uma pilha de documentação. Foi: escolha um jogo, jogue (e jogue bastante), entenda o jogo e responda algo que despertou seu interesse.

Confesso que, no primeiro momento, bateu aquele frio na barriga. Eu esperava tarefas mais simples, como documentar algo ou arrumar um conjunto de dados. O que recebi foi uma pergunta de verdade num problema totalmente aberto, com potencial de explorar e propor melhorias para um dos produtos da empresa. Para chegar lá, precisei primeiro entender o produto: como funciona o jogo, como monetiza, onde está no mercado. Só depois fui para os dados: quanto os jogadores gastam, quanto vencem, como progridem.

Essa ordem não foi acidente, e foi meu primeiro grande aprendizado. Entender o contexto do problema vale tanto quanto o conhecimento técnico. Na faculdade, o contexto vem pronto no enunciado e nos meses de aula sobre o tópico da prova. No trabalho, construir esse contexto é metade do trabalho. Desde esse primeiro projeto, ficou claro que nada do que eu faria ali seria tarefa de estagiário para preencher tempo: tudo tinha um motivo e alguém esperando a resposta.

Os projetos que a faculdade não ensina

Depois do onboarding, os projetos foram ganhando peso, e cada um me ensinou algo que nenhuma disciplina tinha me ensinado.

Um detalhe de país e o efeito cascata

O primeiro eles, a empresa trocou o provedor que identifica de qual país vem cada jogador. Parece um detalhe, até você perceber que his marcada. O país do jogador alimenta as métricas de instalação e receita, que alimentam os modelos de previsão, que alimentam decisões de investimento. Meu trabalho foi validar se nada quebrava no caminho, e de quebra descobri que boa parte dos jogadores que "mudaram de país" na atualização eram, na verdade, pessoas usando VPN. A lição é que os projetos mais valiosos nem sempre são os mais glamour de ferramenta. Validar uma migração não rende um modelo bonito para o portfólio, mas é o que garante que todos os modelos bonitos continuem confiáveis.

Airflow aprendido no susto

Depois veio uma tarefa de automação: um Código em R que precisava ser editado na mão a cada atualização, e que transformei em um pipeline automatizado em Python usando Apache Airflow. Feu meu primeiro contato com a ferramenta, aprendido no susto, "on the fly". O primeiro pipeline custou suor. O segundo, já em outro projeto, saiu muito mais fácil. É assim que funciona, e hoje eu sei que "aprendiz no susto" é um recurso que se treina.

A ponte entre os safras e o calendário

Na reta final, trabalhei na reconstrução de uma camada dos Modelos de data. Tem um problema sutil ali que só aparece na prática. Os modelos preveem quanto cada safra de instalções de jogadores vai oferta ao longo do tempo, mas a empresa desconsidera a receita dia a dia no calendário. São duas visões do mesmo dinheiro que não conversem naturalmente, e a ponte entre elas vai estava sem manutenção. No fim, reconstruir essa ponte transformou isso num "produto" interno e me deixou com um sentimento de que existe um tijão meu aqui dentro.

As três lições que não são técnicas

A parte técnica foi intensa: primeiro contato com Airflow e com R, SQL usado de verdade, Git todo dia, tabelas ENORMES. Mas se eu tenho que resumir o estágio em aprendizados, os três maiores não são técnicos.

Peça ajuda cedo. Essa é, disparado, a lição mais importante que levo. Na universidade, Eu estava acostumado a resolver tudo sozinho, e nos trabalhos em grupo fazia mais do que devia. No trabalho, aprendi que perguntar cedo não é sinal de fraqueza, é respeito pelo tempo de todo o mundo, incluindo o seu. Pedir ajuda mais cedo me economizou muitas horas de trabalho, e vice-versa.

Contexto e definir o problema é fundamental. Entender por que um problema existe, quem depende da resposta e o que muda com ela aparece tanto quanto saber a técnica para resolvê-lo. Na faculdade, isso vem de graça, construído ao longo do semestre. No trabalho, é a primeira coisa a construir.

Trabalho não é individual. Eu imaginava o trabalho com dados como algo solitário: eu, o notebook e as queries. Errei feio. As discussões com o time, o apoio dos colegas, o sentimento de pertencer ao time. Isso não só torna o dia a dia melhor, como melhora o trabalho.

Exigência com propósito e acolhimento

O que mais me marcou na Wildlife foi a combinação de duas coisas que eu não pensava que andavam juntas: um nível de exigência alto e um ambiente genuinamente acolhedor.

No começo a exigência assusta, mas faz sentido, porque sempre veio com propósito e eu conseguia ver a razão de ser de cada coisa. E o acolhimento apareceu desde a recepção no primeiro dia: pessoas que tratam o próprio trabalho com um cuidado real, que dão o melhor de si e extrai o melhor dos colegas, e que não guardam conhecimento para si.

O sinal mais claro do seu desenvolvimento não foi técnico. Foi perceber, aos poucos, que as discussões do time ficaram mais fáceis de acompanhar. Que passei a tomar mais iniciativa e parei de postergar o que me assustava. Que comecei a conseguir ajudar outras pessoas da mesma forma que fui ajudado. É claro para mim que não sou mais o mesmo de quando comecei.

Alguns meses atrás, eu era estagiário que não sabia o que era um DAG e achava que trabalhar com dados era uma atividade solitária. Hoje, olho para trás e percebo o quanto evoluir.