Preparando o terreno para contratar o primeiro Data Scientist da empresa

Pode parecer óbvio, mas principalmente quando estamos introduzindo Data Science em empresas, demora um tempo até que toda a organização entenda que é essencial elevar a importância dos dados ao máximo.

Mudança de mindset

Já é antiga a piada de que Data Science é Estatística feita em um Mac (ou em San Francisco), tamanha a semelhança com esse ramo da Matemática. Ao pensar dessa forma, pode ser mais fácil de assimilar o que realmente é Data Science e o que significa introduzi-la na empresa. Tratando-se de Estatística, falamos de uma Ciência, exata, que nos ajuda a enxergar padrões que sofrem de certas variações. Mesmo sem Estatística, você pode ter usado métodos para descobrir que os usuários que mais compram na sua plataforma têm menos de 25 anos e moram no Rio de Janeiro. Com excessões. Essa incerteza está intrínseca nos métodos estudados pela Estatística, então podemos estimar qual a probabilidade dessa condição acontecer ou não, dando melhores ferramentas para tomadas de decisão.

Para começar a trabalhar com Data Science da empresa, precisamos estar preparados para aceitar o que ela tem de melhor: mostrar onde estamos errados e quais caminhos alternativos têm mais chance de darem certo.

Onde encaixamos o conhecimento empírico?

Ao trabalhar muitos anos em uma área, adquirimos conhecimento empírico que não gostamos de ser questionado. Por exemplo, “restaurante cheio é restaurante bom“. Com o trabalho de um Data Scientist, podemos usar dados para suportar ou não nosso conhecimento pré-adquirido. Será que restaurante cheio não é causado muito mais por bom atendimento do que comida boa? Ou apenas o público do nosso aplicativo de exemplo prefira ir a restaurantes que os seus amigos já estiveram do que “os melhores da área”. Provar cada uma das teorias e chegar à melhor descrição pode ser envolver descobrir padrões nos bancos de dados internos, coletar dados de outras fontes ou até mesmo realizar testes A/B no mundo real, trabalhando junto de restaurantes parceiros. Assim, podemos além de ter base científica para nossas decisões, aprender mais e ter um grau de certeza definido para mudanças no software e na forma como traçamos o futuro do negócio.

Não entendo de Estatística

O trabalho de um Data Scientist não para em pensar e validar hipóteses. É extremamente importante que essa pessoa também saiba comunicar os resultados, ajudando com que outros consigam entender o que os dados significam e formas possíveis de se melhorar. Se você, como gerente, conseguir entender os princípios da incerteza estudados pela Estatística, meio caminho andado. Você conseguirá muito mais facilmente confiar em resultados que geralmente não têm 100% de precisão.