Quando Dizer NÃO a um Projeto de Ciência de Dados

Embora a ciência de dados seja uma ótima ferramenta para ajudar a entender tendências e anomalias e tomar decisões, às vezes é preciso dizer não a um projeto e cumprir algumas etapas antes de seguir em frente.

Muitas organizações estão recorrendo à ciência de dados para resolver ou prevenir problemas. Embora não haja dúvidas de que ela pode trazer importantes benefícios, também pode resultar em frustrações se não houver as condições necessárias.

O que é Ciência de Dados?

Pode-se definir como um campo de aplicação de técnicas analíticas avançadas, como aprendizado de máquina e análise preditiva e outros princípios científicos para extrair insights significativos e acionáveis ​​de dados e para usá-los para a tomada de decisões.

Aspectos Essenciais de um Projeto

Um projeto de ciência de dados não é somente aprendizado de máquina, inteligência artificial e outras coisas para mostrar novos resultados. Para obter informações significativas requer, pelo menos um sólido trabalho de preparação e qualificação dos dados e, naturalmente, consciência compartilhada sobre quais objetivos a alcançar.

Além disso há um expressivo conjunto de atividades técnicas com o uso de recursos estatísticos, ML e IA para análises avançadas, usando, geralmente, Python ou R.

Duas Questões Básicas Antes de Iniciar um Projeto

1 - O projeto tem interessados e um patrocinador que realmente “venda” a ideia para a organização?

Simplesmente não haverá um projeto bem sucedido sem a adesão voluntária de outros colaboradores e sem aprovação e incentivo de patrocinadores importantes, com liderança e autoridade para “empurrar” as atividades. Raras vezes uma iniciativa isolada pode ter sucesso, mas são exceções a confirmar a regra – a chance é mínima

2 - Em que estágio analítico está a área de abrangência do projeto?

As pessoas a serem envolvidas usam de forma adequada o que já possuem para fazer análises com ferramentas do tipo Power BI, Qlik, Tableau, Excel, etc.? Se a resposta for sim então a área “pode” estar pronta para análises mais avançadas. Caso contrário, certamente precisará amadurecer antes de agregar mais sofisticação. Se o essencial ainda não funciona não existem condições gerais para avançar.

Conclusão

Se não houver condições indispensáveis para um projeto de ciência de dados, deve-se aproveitar a ideia para fazer que estas condições necessárias sejam atendidas: qualificar dados, evoluir processos de análise, ampliar cultura analítica e outras ações que gerem um ambiente favorável, racional e consistente para incursões mais sofisticadas.

Que projetos de ciência de dados não sejam apenas um “hype” na organização ( o que também é chamado de moda ou “entusiasmo selvagem”), mas uma verdadeira evolução.

Pensando melhor, que não se diga simplesmente “NÃO” a quaisquer proposições bem intencionadas, mas “Depois de ..... SIM!”

Com isto a iniciativa do projeto já dará alguns frutos

*Baseado e adaptado do artigo “When to Say NO to a Data Science Project”, Analytics8 – 2021.