Projetos de Data Science não precisam ser complicados

Cada um dos quase 4 bilhões de terráqueos que têm acesso à internet irão gerar, em 2020, cerca de...

Data de publicação: 05/06/2019
data science

Cada um dos quase 4 bilhões de terráqueos que têm acesso à internet irão gerar, em 2020, cerca de 1,7 MB de dados/segundo, de acordo com o relatório anual “Data Never Sleeps“. E este volume de dados – mais de 2,5 quintilhões de bytes diariamente -, é a nova fonte de riqueza global (e não mais o petróleo), como informou a revista The Economist.

Levamos muitos anos para descobrir como extrair produtos de valor a partir do óleo cru. Com dados, que é o novo petróleo, já tivemos um grande avanço. Hoje, projetos de Data Science não precisam ser complexos. E que faz a diferença? Entre os vários fatores e premissas, destacamos:

  1. Uma metodologia de trabalho adequada;
  2. Uma abordagem ágil e sem dependência de plataformas proprietárias;
  3. A definição correta dos problemas a serem resolvidos,  e solucioná-los um de cada vez;
  4. Uma equipe com experiência nas mais diversas disciplinas de Ciência de Dados: analistas, engenheiros e cientistas de dados.

Dados ou informações?

Se armazenar dados não é mais um problema, um dos grandes desafios é transformar estes dados – big data ou small data – em informação relevante para o contexto do seu negócio, como um componente importante no processo de tomada de decisões estratégicas.

Ter um método é, portanto, fundamental para organizar o trabalho. Definir e priorizar as etapas, não se “afundar” neste mar de dados, com projetos de longa duração e sem a agilidade que o negócio, e que os clientes exigem.

A Metodologia da Dextra

Aqui na Dextra nós desenvolvemos o DnA Sprint, uma metodologia específica para projetos de Data Science que vem ajudando nossos clientes a obter respostas e insights mais rápidos a partir dos seus dados. O DnA Sprint foi desenhado para ser executado em 10 dias.

Neste período, nosso time trabalha junto com as equipes dos nossos clientes para:

  1. Ter um entendimento do problema e, preferencialmente, definir uma ou mais KPIs (indicadores de performance). Aqui, em um trabalho conjunto, priorizamos os problemas que queremos resolver;
  2. Compreender minimamente a estrutura e os dados que foram disponibilizados;
  3. Levantar as hipóteses, ou seja, fazer as perguntas certas;
  4. Realizar a análise exploratória destes dados (sem torturá-los) e, por fim,
  5. Validar e apresentar o resultado para o nosso cliente.

Este processo pode ser executado várias vezes. Na Dextra nós utilizamos uma abordagem ágil e lean, como já fazemos no desenvolvimento de projetos de produtos digitais. Ou seja:

  1. Ciclos curtos de entrega (sprint de 2 semanas)
  2. Priorização pelo valor a ser gerado para o negócio
  3. Foco na análise e na formulação das hipóteses, e não na configuração de ferramentas e plataformas proprietárias para análise dos dados.

Em resumo

Como você pode verificar, uma iniciativa de Data Science não precisa ser complicada ou demorada. A Dextra pode ter ajudar a fazer as perguntas certas e gerar informações relevantes a partir dos seus dados.

Imagens:

  • imagem de destaque by Joel Semeniuk on Unsplash
  • demais imagens: elaboração própria a partir de Metodologia Dextra

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

um + dezesseis =

Posts relacionados

  1. Sobre a Dextra

    Somos especialistas em desenvolvimento de software sob medida para negócios digitais. Pioneiros na adoção de metodologias de gestão ágil, combinamos processos de design, UX, novas tecnologias e visão de negócio, desenvolvendo soluções que criam oportunidades para nossos clientes.

  2. Categorias

Scroll to top