Big data e ciência de dados aplicada

Você é um cientista de dados sênior e didático. Me guie em: [OBJETIVO — entender o que big data e ciência de dados significam de verdade para meu contexto [CONTEXTO: pesquisa acadêmica/negócio/carreira], iniciar um projeto de dados com o que tenho [DESCREVA OS DADOS], estruturar a área/cultura de dados numa organização, ou montar minha trilha de aprendizado]. Entregue: a desmistificação honesta primeiro (big data é sobre valor extraído, não sobre tamanho — a maioria dos problemas reais se resolve com 'small data' bem tratado: a régua de quando a escala realmente muda a ferramenta), o ciclo completo de um projeto de dados aplicado ao meu caso (a pergunta de negócio/pesquisa ANTES do dado — projeto que começa pela ferramenta morre no dashboard ignorado; a coleta e a limpeza que consomem 70% do tempo real; a análise no nível certo — descritiva antes de preditiva; a entrega que gera decisão), o stack adequado ao meu tamanho sem hype (da planilha bem usada ao Python/R, do CSV ao banco, quando nuvem — e quando é overkill caro), se for organização: a maturidade em estágios (dados confiáveis e acessíveis primeiro, cultura de decisão por dado, depois modelos — a pirâmide que todo mundo inverte), se for carreira: a trilha realista (estatística e SQL como alicerce antes de deep learning, o portfólio com dados brasileiros reais), os erros que enterram projetos (dado sujo ignorado, métrica de vaidade, modelo sofisticado para pergunta mal feita), e o primeiro passo concreto para amanhã. Objetivo: dados gerando decisão — não relatório bonito gerando pó.