A ciência de dados pode resolver os problemas da sua empresa?

Home Blog A ciência de dados pode resolver os problemas da sua empresa?

A ciência de dados pode resolver os problemas da sua empresa?

por Marcos Coque Jr, PhD – Head of Data Science na LEVEE

Eu sempre trabalhei com análise de dados e modelagem estatística, porém nunca se falou tanto na utilização de dados para a solução de problemas empresariais como agora. Essa grande repercussão ocorre, principalmente, devido ao grande volume de informações – com a expansão e ampla utilização da internet – e aos avanços tecnológicos atingidos e disponibilizados para o mercado. Neste contexto, surge uma área muito interessante…a Ciência e Dados!

Ciência de Dados pode ser definida como um ramo da inteligência artificial que transforma um problema de negócio em um problema de dados…para em seguida resolvê-lo. Em geral, esse problema tem como objetivo auxiliar e orientar uma estratégia de negócios da empresa.

A maioria das pessoas imaginam a inteligência artificial como a construção de robôs tomando decisões sozinhos por toda a empresa. Talvez algum dia isso seja verdade, mas atualmente a ciência de dados permite desenvolver algoritmos, principalmente de Machine Learning, que possam resolver problemas empresariais de forma mais rápida e assertiva utilizando o conhecimento que existe nos dados. Para isso há necessidade da integração de três elementos: negócio, tecnologia e estatística/matemática.

Existe o famoso caso da competição da Netflix, que foi dado um prêmio de US$ 1 milhão para a equipe que conseguisse melhorar a precisão do algoritmo de previsão para avaliação dos filmes pelos consumidores. A equipe vencedora conseguiu desenvolver um algoritmo que possibilitou um índice de assertividade melhor para recomendação de filmes aos usuários, porém seu modelo não foi implantado, pois os ganhos adicionais de precisão não pareciam justificar o esforço de engenharia necessário para trazê-lo para um ambiente de produção. Um típico caso onde os elementos de estatística foram atendidos, porém inviável em questões tecnológicas.

Há necessidade de entender sobre o negócio – do processo de funcionamento da empresa – para definir o problema a ser resolvido, e desta forma extrair as informações dos dados para transformá-las em decisões que impactarão os resultados. Neste ponto, é fundamental definir o problema a ser resolvido, pois caso contrário chegamos à resposta certa do problema errado.

Vale lembrar que todo problema de ciência de dados deve resolver um problema de negócio, porém nem todo problema de negócio pode ser resolvido com ciência de dados. Certa vez, em uma experiência profissional anterior, me pediram para desenvolver um modelo. No entanto, não havia nenhum dado sobre o problema em questão… Neste caso, seria como pedir para alguém fazer um bolo sem ter farinha ou ovos!

A visão tecnológica visa construir todo alicerce de ferramentas para captura, armazenamento e processamento de dados. Algumas empresas consideram que investir em um projeto de ciência de dados é investir nos sistemas mais recentes ou mais “falados”. Porém deve-se ter em mente que a plataforma tecnológica é um meio para atingir um objetivo, e não o fim.

Outro ponto fundamental é o conhecimento estatístico/matemático dos algoritmos que serão construídos para a solução do problema. Por isso é fundamental o conhecimento técnico das metodologias estatísticas e do funcionamento do processo da empresa, pois é preciso definir qual a metodologia adequada aos dados disponíveis e com foco na solução do problema de negócio definido.

Vistos esses três pontos, fica clara a necessidade de equipes multifuncionais e com experiência em cada um desses elementos, para que ocorra integração entre eles e tenha alta probabilidade de sucesso no projeto de ciência de dados.

Como a sua empresa está pensando na ciência de dados?

Marcos Coque Jr. é Bacharel e Mestre em Estatística pelo IME-USP, Doutor em Engenharia pela POLI-USP e MBA em Engenharia Financeira pela POLI-USP.
Tem mais de 15 anos de experiência atuando no desenvolvimento de modelos quantitativos na indústria financeira, mineração, petrolífera, fintech entre outros ramos. Atualmente é Head Data Science na LEVEE, empresa brasileira de tecnologia que utiliza recursos de machine learning aplicados à força de trabalho para aumentar a produtividade e a eficiência das empresas, atuando no desenvolvimento de algoritmos de machine learning para otimização de produtividade nas empresas.