As bases do sucesso na Ciência de Dados

O crescimento da quantidade de dados parece ser indiscutível. Em 2020, estima-se que cada pessoa no mundo tenha gerado, em média, 1,7 megabytes de dados por segundo. Isso significa que, hoje, seriam precisos cerca de 180 milhões de anos para baixar todos os dados da Internet.

Sem dúvidas, tamanha quantidade representa uma oportunidade de usar esses dados para tomar decisões, e essa é a razão pela qual 94% das empresas afirmam que dados são cruciais para o crescimento de seus negócios na era da transformação digital.

Nesse contexto, o campo da Ciência de Dados tem a missão de transformar esses dados em informações úteis. Como lidar com essa quantidade de material para fornecer insights e recomendações para um negócio? Essa é uma das perguntas de ouro que os cientistas de dados são contratados para responder. Levando isso em consideração, o Escritório de Estatísticas Trabalhistas dos EUA prevê que o número de empregos no campo da Ciência de Dados crescerá cerca de 28% até 2026.

Mas você já pensou em que tipo de problemas os cientistas de dados podem trabalhar? Apenas como exemplo, aqui na Rock Content, trabalhamos de forma a prever quando um cliente cancelará um contrato antes mesmo que a decisão seja tomada, com base em dados.

A partir dessa constatação, é possível envolver outras equipes no engajamento dos clientes, salvando essa receita proativamente. Desde desafios relacionados à aquisição de novos clientes até oportunidades de vendas cruzadas nos negócios: cientistas de dados se concentram no uso de dados para resolver problemas.

É natural que esses profissionais abordem os problemas de um negócio por meio de estratégias diferentes. Embora seja saudável, especialmente quando uma equipe está repleta de profissionais de diferentes formações, gostaria de destacar uma característica especialmente importante para o sucesso.

Os projetos de Ciência de Dados na vida real não são os mesmos que encontramos em ambientes de aprendizagem ou em sites de desafios, como o Kaggle. Isso não significa que as competições sejam ruins, mas participar delas não significa que o mesmo sucesso será alcançado em projetos da vida real.

As diferenças entre os dados na vida real e no ambiente de aprendizado

Em sua rotina, você não vai necessariamente ter um conjunto de dados pronto para cada cenário. E caso tenha, talvez você possa refletir sobre ele, porque esse conjunto de dados será o principal propulsor da sua entrega. O ponto é: como você pode se responsabilizar pelo seu resultado proporcionado pelo seu propulsor se você não o analisou?

A partir dessa pergunta, é importante reforçar: a Ciência de Dados definitivamente começa muito antes dos dados. Eu encorajo vigorosamente os cientistas de dados a prestarem atenção à definição do problema, e não apenas ao relatório de análise de dados que será entregue no final. O negócio vem em primeiro lugar. Sempre.

Isso também ocorre quando profissionais de marketing fazem o planejamento anual, por exemplo. É tentador se lançar ao metaverso só porque todos estão falando sobre isso. Mas reflita: por que você quer estar no metaverso? Que problemas do seu negócio você quer resolver? Lembre-se: as estratégias sempre vêm antes das táticas.

Quando se trata de dados, usar essa abordagem assegurará que a solução não seja criada antes mesmo de a equipe explorar o que realmente deve ser resolvido. Assim, é muito importante que líderes trabalhem com cientistas de dados o mais rápido possível.

Apesar de 38% dos profissionais de dados estarem envolvidos em tomadas de decisões, eles podem sentir que suas percepções não são levadas a sério. Várias questões podem surgir a partir disso, e uma parte delas está relacionada à diferença entre entender de dados e entender de negócios.

Com isso em mente, podemos explorar uma questão mais profunda: como os cientistas de dados podem refletir sobre os problemas empresariais se eles não entenderem bem o negócio? Eu definitivamente concordo que um projeto de Ciência de Dados não é uma atividade individual, porém acredito firmemente que os cientistas de dados podem contribuir para o desenvolvimento de hipóteses.

É importante destacar que, em uma área com uma lacuna de talentos, o equilíbrio entre o conhecimento do mercado e as hard skills de análise de dados pode ser crucial para o sucesso de projetos.

Os dados podem ser apenas o topo do iceberg

Mergulhar no funcionamento de um negócio não deve ser visto como uma atividade além das funções do cientista de dados: é parte integrante da função. Isso porque essa análise profunda é fonte de insights para definir a base que vai nortear o projeto de Ciência de Dados, assim como lidar com outros desafios técnicos.

Note que os dados são apenas a ponta de um iceberg envolvendo reflexões muito mais profundas sobre os objetivos de uma empresa. Então, se você considera que seu trabalho começa na ponta do iceberg, já deve ter perdido milhares de oportunidades.

O esforço de contextualizar o problema enfrentado por um negócio é provavelmente a característica que mais se destaca em cientistas de dados de diferentes backgrounds. Naturalmente, essa tarefa não depende apenas desse profissional, mas também da liderança, que deve levá-lo à fase de tomada de decisão.

Conclusão: é preciso trazer cientistas de dados para discutir as estratégias do negócio

Para encerrar, é interessante dizer que há muitas discussões relacionadas à ideia de que os cientistas de dados estão sendo substituídos por novas ferramentas capazes de aplicar automaticamente o Machine Learning. Eu discordo totalmente. Essas ferramentas provavelmente estão substituindo profissionais que estão apenas escrevendo códigos, sem qualquer tipo de interpretação — em outras palavras, lidando com a ponta do iceberg.

Os profissionais capazes de ir às profundezas do oceano não são facilmente substituíveis. Isso requer uma mistura de habilidades que entram em ação muito antes dos dados. E a Ciência de Dados vai além de discutir algoritmos e modelos.

Essa é a resposta para entender por que temos tantos cientistas de dados fazendo um excelente trabalho e vindo de outras áreas, não diretamente relacionadas à ciência, tecnologia, engenharia e gestão.

É tudo uma questão de explorar e usar hard skills como ferramentas de aprendizagem que ajudarão a proporcionar melhorias em um negócio. Por isso, é importante assegurar que os cientistas de dados compreendam o negócio em si antes de lidar com questões técnicas.

O contato com o produto é um dos melhores presentes que um líder pode dar a um cientista de dados e, na maioria das vezes, esse esforço levará a insights valiosos e a um ritmo acelerado dos projetos no futuro próximo. Quanto mais próxima a equipe técnica estiver do produto, maior será o número de oportunidades identificadas por ela.

Por outro lado, lembre-se de que a análise de dados é apenas uma maneira de atingir as metas da empresa. Ao compreender essa lógica, podemos concluir que não há nada melhor que especialistas em negócios para apoiar o andamento de projetos baseados em dados.

Convido você a refletir sobre que tipo de cientista de dados pode fazer a diferença no seu negócio. Também recomendo que assine nossa newsletter para receber atualizações sobre novos temas relacionados a marketing e negócios.