[PROVÁVEL] O que esperar das Inovações na área de Ciência de Dados



Fonte: Canaltech




É interessante notar como as empresas somente agora começam a despertar para a necessidade de trabalhar de maneira adequada com os dados disponíveis na organização. Fruto da maior revolução dos últimos tempos, a informação está sendo cada vez mais utilizada para gerar valor ao negócio. Estas iniciativas, porém, quando existem, estão direcionadas para soluções pontuais que atendem a um único objetivo de negócio. 

Apesar de aparentemente ser um processo complexo, é urgente para as empresas iniciar o processo de conhecimento nos dados existentes. Tenho comentado neste blog sobre a importância de trabalhar com dados históricos para encontrar padrões e utilizá-los para apoio no processo de tomada de decisão. Muitas empresas ainda trabalham apenas olhando para o “retrovisor” quando falamos de análise de dados. Seja D-7 (uma semana), D-1 (um dia) ou até mesmo dentro do mesmo dia e muito próximo do on-line, é importante não limitar a visão de quem toma decisões a situações passadas. 

Tenho argumentado que o ideal é se trabalhar com D+n, ou seja, utilizar os dados históricos para prever situações, cenários e comportamentos futuros. Ao utilizar modelos matemáticos para apoiar o gestor que irá tomar decisão, cria-se uma cultura corporativa de decisão baseada em dados. Isso faz com que as decisões sejam melhor direcionadas levando em consideração o histórico da organização e não apenas a percepção, experiência e feeling do gestor. Estes elementos são importantes, mas ser-humano algum é capaz de analisar um volume de dados tão grande quanto um computador é capaz de analisar. A análise de dados apoiada por computadores em um cenário de Big Data, ou seja, com dados em volume extremamente alto e muitas vezes não estruturados faz com que esta seja a única saída. A realidade é que sempre é possível identificar um padrão. E para isso basta ter histórico. E quanto maior o histórico, melhor para criar um modelo matemático consistente. E, automatizando o processo de criação do modelo matemático (machine learning), as previsões serão cada vez melhores. 

Todo o ciclo se repete e gera um fluxo positivo de utilizar dados para tomar decisões que com o passar do tempo serão cada vez melhores porque teremos mais dados disponíveis. A grade questão aqui é começar. O primeiro passo é sempre o mais importante, pois tira a empresa da inércia do processo. Boa parte das empresas atualmente ainda não despertaram para esta necessidade. Outras já despertaram e já enxergam os resultados. Mesmo assim boa parte destas empresas ainda trabalham com modelos isolados que atendem demandas pontuais. 

Após a utilização de modelos isolados, o próximo passo será fazer com que os modelos conversem e gerem insights mais robustos, estabelecendo cenários e fazendo simulações. Muitos analistas ou gestores podem imaginar que isto é difícil ou complexo demais para implementar. Por um lado, isso pode ser verdade. Porém atualmente existem diversas ferramentas que apoiam, auxiliam e encurtam o caminho para quem quiser se aprofundar neste assunto. Está surgindo uma série de aplicações do tipo marketplace para utilização de algoritmos complexos. 

Desta forma será possível conectar-se em uma plataforma, escolher o algoritmo, submeter os dados e receber o resultado das análises. Tudo indica que estas aplicações poderão ser consumidas internamente (on-premises) ou como serviço (em cloud). O papel fundamental é saber o que fazer com os dados da corporação. Como vincular, analisar e relacionar para extrair inteligência dos dados. O papel do cientista de dados neste contexto é muito importante. Este profissional precisa aliar o conhecimento técnico, estatístico e de negócio para poder realizar todo processo dentro da organização. Portanto, apesar da aparente complexidade, havendo histórico suficiente de dados é importante começar a criar modelos preditivos. 


Este é o primeiro passo para poder implantar uma cultura de tomada de decisão baseada em dados. Com os serviços de algoritmos e aplicações que estão chegando todo processo será simplificado e acessível para todas as organizações.


Matéria completa:
http://corporate.canaltech.com.br/coluna/gestao/o-que-esperar-das-inovacoes-na-area-de-ciencia-de-dados/
O conteúdo do Canaltech é protegido sob a licença Creative Commons (CC BY-NC-ND). Você pode reproduzi-lo, desde que insira créditos COM O LINK para o conteúdo original e não faça uso comercial de nossa produção.

Compatilhe no Google Plus

Sobre Grimaldo Oliveira

Mestre pela Universidade do Estado da Bahia (UNEB) no Curso de Mestrado Profissional Gestão e Tecnologias Aplicadas à Educação (GESTEC) com o projeto “GESMOODLE – Ferramenta de acompanhamento do aluno de graduação, no ambiente virtual de aprendizagem(MOODLE), no contexto da UNEB“. Possui também Especialização em Análise de Sistemas pela Faculdade Visconde de Cairu e Bacharelado em Estatística pela Universidade Federal da Bahia. Atua profissionalmente como consultor há mais de 15 anos nas áreas de Data Warehouse, Mineração de Dados, Ferramentas de Tomada de Decisão e Estatística. Atualmente é editor do blog BI com Vatapá. Livro: BI COMO DEVE SER - www.bicomodeveser.com.br

0 comentários: