A ciência de dados transita em um campo multidisciplinar, que abrange uma enorme gama de ramos do conhecimento. Os profissionais dessa área costumam ter boa formação acadêmica, muitos com mestrado e doutorado, e grande domínio técnico em suas matérias. No entanto, esses cientistas, em geral, passaram muitos anos inseridos em ambientes acadêmicos, mergulhados em pesquisas teóricas. Ou seja, não têm proximidade, muito menos experiência concreta, com o mundo dos negócios – o que dificulta o bom desenvolvimento de projetos de big data voltados ao mercado. Como criar uma estratégia de Inteligência Artificial para vendas sem conhecer as leis e os comportamentos que regem o comércio?

Para as empresas, transmitir aos engenheiros de dados a cultura e as regras de suas operações é um desafio. De um lado, os cientistas de dados precisam ser pensadores analíticos, para que possam formular opiniões, emitir julgamentos. Mas também é importante que eles interajam com o universo para o qual prestam serviço. Em outras palavras, um bom cientista de dados deve ter curiosidade sobre o negócio para o qual trabalha. É fundamental, por exemplo, conversar com as partes implicadas no problema a ser resolvido, entender as necessidades e identificar quais dados serão relevantes para o caso em estudo. Depois, será preciso explicar os algoritmos aos executivos, de modo que os números façam sentido para o plano de negócios deles.

A ajuda aos cientistas de dados para que possam desenvolver projetos bem-sucedidos começa por uma boa orientação da empresa sobre os objetivos, os desafios e as expectativas da atividade-fim. A integração dos cientistas de dados com a equipe comercial e com técnicos de TI é outro ponto importante, considerando-se criar um fluxo de trabalho entre essas unidades que possibilite operações conjuntas e sintonizadas. Para isso, é fundamental compreender que projetos de IA não são meros projetos de tecnologia. São projetos de negócio que usam ferramentas de tecnologia. São duas áreas distintas e uma deve cooperar com a outra.

Outra questão é que as empresas nem sempre têm certeza do quê esperar dos resultados de seus projetos de big data. Ou, de quando terão os resultados esperados – visto que a maior parte não é capaz de avaliar se um projeto de ciência de dados está avançando ou se está estagnado. Além disso, as demandas corporativas não têm exatamente as mesmas características das demandas com as quais os cientistas de dados estão habituados nas universidades e nos institutos de pesquisa. Os prazos são muito mais curtos, por exemplo. Assim, é fundamental estabelecer um plano com as expectativas de cronograma e de entregas desejadas.

Uma coisa deve ficar clara tanto para o gestor quanto para o cientista de dados: a clássica imagem do cientista isolado em sua ilha de saber, totalmente submerso pelos dados, não é a melhor posição para ele, dentro de uma empresa que desenvolve, produz e comercializa. É preciso que esse profissional possa compreender as dinâmicas da organização que vai utilizar seus conhecimentos e, ao mesmo tempo, entenda que o seu trabalho deve servir para apoiar as estratégias de gestão daquele negócio.

BigDataCorp