#datadriven é sobre pessoas alfabetizadas em dados!
Apaixone-se pelos resultados, não pela solução...
Explorar os dados é a chave para melhorar a experiência do cliente...
A dura e inevitável realidade sobre a estratégia do "Paliativo Definitivo".
Se as perguntas podem mudar o mundo, os dados apoiam nas respostas.
É mais importante o caminho que se trilha que a velocidade que se impõe.
Para gerar resultados relevantes, a partir de algoritmos estatísticos aplicados ao negócio (ML/AI), é necessário utilizar dados confiáveis.
Se você tem a intenção de: "Eu quero aplicar Ciência de Dados na minha Cia.", comece aprendendo sobre método científico, esse é o principal fio condutor das práticas inerentes à aplicação de análise de dados aplicadas ao seu negócio.
Em uma iniciativa de ciência de dados, durante a etapa de análise exploratória dos dados, um dos diferenciais nos resultados está em definir os insights que deverão ser aprofundados.
Uma das belezas em trabalhar com análise de dados é saber que, a cada novo ângulo de visão onde você avalia o conjunto de dados em suas mãos, novas perspectivas são percebidas e descobertas são feitas!
Nem guarda-chuva nem funil, envolva os membros de sua equipe para desenvolver o pensamento crítico para que possam questionar e aprender a negociar e priorizar... para que possam ser os líderes de amanhã!
Estabelecer um modelo de governança, com processos e padrões definidos e disseminados, gera eficiência nas iniciativas de inteligência de dados, por permitir que os envolvidos possam focar na solução do problema, aplicando as melhores práticas.
Leia para melhorar sua escrita.
Escreva para melhorar seu raciocínio.
Compartilhe o raciocínio para aprofundar seu aprendizado.
A melhor maneira de continuar a evoluir em seu conhecimento é discutindo visões e ideais.
"Ensinar o que se sabe
Praticar o que se ensina
Perguntar o que se ignora"
by São Beda
...pois o óbvio, só é óbvio, quando é dito.
Em se tratando de dados, confiabilidade e qualidade dos dados precisam andar juntas!
Se a informação foi cadastrada incorretamente em seu ERP, CRM, Market Place, etc (origem do dado), ferimos a confiabilidade.
Porém, se a informação for confiável, mas o processo de extração e transformação dos dados tem falhas, ferimos a qualidade.
A alfabetização de dados é a capacidade de entender, interpretar, analisar e argumentar a partir de dados. O aprofundamento deve ser feito no uso e aplicação dos dados, a partir de uma hipótese. Dominar o funcionamento das ferramentas utilizadas para ingerir/extrair, transformar ou analisar esses dados é secundário e não necessariamente obrigatório.
Com a aplicação do modelo ágil para o desenvolvimento de iniciativas na Cia, as pessoas certas podem se aproximar, com o conhecimento multidisciplinar necessário, trabalhando em equipe.
Iniciativas envolvendo ciência de dados, aliadas às práticas do modelo ágil, geram uma dinâmica de soma de experiências, aprofundamento nas hipóteses, geração de insights e mensuração de resultados.
Organizar os processos para a aplicação de Inteligência de Dados (Data Intelligence) é um dos fundamentos a serem observados na estratégia de uma Cia Orientada a Dados (Data-Driven), pois simplifica a organização e aplicação das práticas.
Como principais processos, podemos destacar: Governança de Dados (Data Governance) e Alfabetização de Dados (Data Literacy), que agrupam e explicam as áreas de conhecimento para aplicação de Data & Analytics.
Quero tornar minha empresa Data-driven, por onde começo?
A estratégia de dados é orientada pelo objetivo estratégico da Companhia, e não o contrário;
Compreenda o plano estratégico da Cia, identifique esforço, complexidade e potencial. Projete em uma matriz (eixos x e y) e escolha as iniciativas com menor esforço e complexidade;
Identifique, aborde, ouça e envolva pessoas que acreditam que os dados são ativos.
Adapte a abordagem tática, observando a semântica cultural;
Análise de dados é sobre pessoas capazes de aplicar o método científico!
Divirta-se!
A governança de dados é um processo e práticas que visam garantir a confiabilidade, qualidade, disponibilidade, latência e segurança dos dados em uma empresa. Esses processos são suportados por normas e políticas, que definem regras para o uso de dados, internos e externos, e sua aplicação em estudos e aplicações. Vem ganhando relevância, seja por sua reconhecida importância como um guia de boas práticas nas Cia possibilitando otimizar as operações e impulsionar a tomada de decisões de negócios, seja pela sua extensão aplicada às leis de proteção de dados - LGPD e GDPR.
Em um experimento, com base na hipótese que se busca uma resposta, um dos primeiros insumos que temos para trabalhar é um conjunto de dados. Este, por sua vez, precisa ser composto por dados de origem e fontes vinculadas às entidades do domínio informacional do negócio.
Como princípio, entenda quais são os domínios informacionais externos correlatos que podem compor e enriquecer suas análises, isso poderá contribuir nos resultados das análises, dado os efeitos de observabilidade das variáveis ambientais, ajudando a identificar vieses que as análises em um ambiente controlado podem gerar.
Quando falamos em inteligência de dados, é comum nos referirmos a ingestão de dados, transformações, análise exploratória, técnicas de aprendizado de máquina, entre outros, como processos do dia a dia.
Tão importante quanto seu armazenamento, uso e aplicação é a linhagem de dados!
Existem classificações que explicam, de forma simplificada, a granularidade e o nível de abstração, começando pela sua proximidade com o formato original - dados brutos (raw data); primeiros tratamentos e transformações - dados confiáveis (trusted data); e uma camada com os dados no ponto de uso, compondo informações - dados refinados (refined data), onde essas camadas podem ser classificadas como bronze, prata e ouro.
Quando observamos a geração da linhagem de dados, podemos observar as bases de origem, fontes e consumo, que correspondem a first upstream generation, source generation e first downstream generation, respectivamente...
Para melhorar sua redação, leia mais.
Para melhorar seu raciocínio, escreva mais.
Para melhorar sua narrativa, apresente mais.
Para melhorar sua energia, descanse mais.
Para melhorar sua compreensão, ensine mais.
Para melhorar sua felicidade, aprecie mais.
dados →
informações →
conhecimento →
insight →
sabedoria →
impacto ⇆
Repita!!! Garanta a iteração...