{"id":5592,"date":"2017-07-24T19:07:02","date_gmt":"2017-07-24T22:07:02","guid":{"rendered":"http:\/\/marcogomes.com\/blog\/?p=5592"},"modified":"2017-07-24T19:33:23","modified_gmt":"2017-07-24T22:33:23","slug":"datascience-3-licoes-do-meu-1o-ano-trabalhando-com-dados-em-nova-york","status":"publish","type":"post","link":"https:\/\/marcogomes.com\/blog\/2017\/datascience-3-licoes-do-meu-1o-ano-trabalhando-com-dados-em-nova-york\/","title":{"rendered":"#DataScience: 3 li\u00e7\u00f5es do meu primeiro ano trabalhando com dados em Nova York"},"content":{"rendered":"

3 li\u00e7\u00f5es que aprendi no dia-a-dia da empresa que usa dados para resolver os problemas mais complexos de algumas das mais importantes organiza\u00e7\u00f5es do mundo.<\/p>\n

Recentemente completei um ano trabalhando com data science<\/em> em Nova York para uma startup do Vale do Sil\u00edcio, num dos mercados mais competitivos do planeta. Eu n\u00e3o trabalho com inven\u00e7\u00e3o e implementa\u00e7\u00e3o de algoritmos complexos \u2013 apesar de lidar com este tema frequentemente \u2013, meu papel \u00e9 no desenvolvimento de neg\u00f3cios, estrat\u00e9gia de implanta\u00e7\u00e3o, o famoso “business development”. Deixando claro que esta \u00e9 minha perspectiva, trago a voc\u00eas algumas li\u00e7\u00f5es de neg\u00f3cios em grandes (enormes!) projetos de dados nas organiza\u00e7\u00f5es mais importantes do mundo.<\/p>\n

Li\u00e7\u00e3o 1: Integra\u00e7\u00e3o geral normalmente causa mais impacto que pequenos focos de super-algoritmos e machine learning<\/h3>\n

O problema de dados mais comum em uma organiza\u00e7\u00e3o n\u00e3o \u00e9 entender os dados, mas integrar as m\u00faltiplas fontes e plataformas. Mesmo numa startup pequena, como eram as minhas no Brasil, a informa\u00e7\u00e3o fica espalhada em in\u00fameros sistemas, ambientes e planilhas, como Google Analytics, Mailchimp, Salesforce, Oracle, DB2, Google Spreadsheets, Microsoft Excel e tantos outros. Para uma grande organiza\u00e7\u00e3o (e para uma pequena tamb\u00e9m), integrar todos estes dados num ambiente \u00fanico e centralizado, com o devido controle de permiss\u00f5es, \u00e9 mais valioso que aplicar um algoritmo de machine learning otimizando apenas o hist\u00f3rico de vendas, por exemplo. H\u00e1 bastante inefici\u00eancia no fluxo de informa\u00e7\u00e3o dentro de uma grande organiza\u00e7\u00e3o, e inefici\u00eancia pode ser traduzida como dinheiro sendo queimado. Melhorar o fluxo de informa\u00e7\u00e3o geral dentro de uma corpora\u00e7\u00e3o cria mais valor que otimizar apenas um pequeno setor.<\/p>\n

Li\u00e7\u00e3o 2: <cliche>Data Science \u00e9 sobre pessoas<\/cliche><\/h3>\n

Numa grande organiza\u00e7\u00e3o, voc\u00ea lida primariamente com pessoas, n\u00e3o com m\u00e1quinas e sistemas. S\u00e3o as pessoas que tomam decis\u00f5es baseadas no que v\u00eaem nos dados, ao aplicar um novo algoritmo super sofisticado numa tabela com 1 bilh\u00e3o de registros, o output (sa\u00edda, resultado) precisa ser simples o suficiente para ser entendido e ter valor suficiente para valer a mudan\u00e7a de h\u00e1bito da pessoa que vai consumir aquela informa\u00e7\u00e3o. Neste sentido, minha experi\u00eancia com user interface e user experience se mostrou altamente valiosa, apresentar gr\u00e1ficos bem constru\u00eddos, pain\u00e9is de controle f\u00e1ceis de entender, e aplica\u00e7\u00f5es eficientes, impacta diretamente em como uma pessoa entende, valoriza e usa recorrentemente o resultado de um trabalho de data science.<\/p>\n

Li\u00e7\u00e3o 3: Mudar h\u00e1bitos exige enorme investimento de energia<\/h3>\n

Fazendo softwares para as massas e lendo (material introdut\u00f3rio) sobre psicologia e ci\u00eancia cognitiva eu aprendi muito mais sobre o sucesso de projetos de data science que estudando data science em si. Implementar um novo ecossistema de dados numa organiza\u00e7\u00e3o \u2013 por exemplo ao integrar 28 fontes de dados e 1 trilh\u00e3o de registros contendo 10 anos de informa\u00e7\u00e3o hist\u00f3rica \u2013 \u00e9 um trabalho enorme, mas eu diria que esfor\u00e7o t\u00e3o grande quanto \u00e9 fazer um pequeno grupo \u2013 que seja uma d\u00fazia de pessoas \u2013, com diferentes trajet\u00f3rias profissionais e forma\u00e7\u00f5es, abandonarem seus antigos h\u00e1bitos, planilhas, emails, e passarem a usar o novo fluxo de trabalho em uma ferramenta que eles nunca viram. Existe sempre o “mas antes estava funcionando”, e o desafio \u00e9 mostrar que o novo jeito vai trazer mais produtividade e precis\u00e3o no resultado do trabalho, liberando tempo das equipes para lidar com outras atividades que um sistema automatizado ainda n\u00e3o consegue fazer.<\/p>\n

O mercado \u00e9 menos fic\u00e7\u00e3o-cient\u00edfica e mais neg\u00f3cios<\/h3>\n

Todos os desafios humanos envolvidos numa venda de carro usado est\u00e3o tamb\u00e9m envolvidos em implementar um projeto de data science. As pessoas t\u00eam v\u00edcios, prefer\u00eancias, jogo de poder, simpatia ou antipatia e tudo mais que define as rela\u00e7\u00f5es humanas desde que decidimos descer das \u00e1rvores e nos organizar em grupos. Entender este aspecto fundamental do desenvolvimento de neg\u00f3cios pode te ajudar a ter muito mais sucesso em projetos, sejam eles de data science ou venda de picol\u00e9.<\/p>\n

\"Vista<\/p>\n

\n

Sobre o autor:\u00a0<\/strong>Marco Gomes, reconhecido em 2014 pela revista Forbes como um dos 30 jovens com menos 30 anos mais promissores do pa\u00eds, foi premiado como O Melhor Profissional de Tecnologias de Marketing do Mundo<\/strong> pela World Technology Network; foi o fundador da boo-box, apontada como uma das empresas de publicidade mais inovadoras do mundo pelas revistas Fast Company e Forbes<\/strong>, vendida em 2015 para a FTPI Digital; e co-fundador do Heartbit \/ Mova Mais, app de sa\u00fade listado pela revista Consumidor Moderno como uma das 100 empresas mais inovadoras do Brasil<\/strong>. O profissional fez educa\u00e7\u00e3o executiva em Gerenciamento de Marketing Estrat\u00e9gico na Universidade de Stanford<\/strong>, Calif\u00f3rnia, e j\u00e1 palestrou na sede da ONU, em Nova York<\/strong>, sobre Economia Criativa e Liberdade de Express\u00e3o na Internet.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

3 li\u00e7\u00f5es que aprendi no dia-a-dia da empresa que usa dados para resolver os problemas mais complexos de algumas das<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[35,59,5,39,47,6],"tags":[713,703,712,267,518,519,512],"class_list":["post-5592","post","type-post","status-publish","format-standard","hentry","category-development","category-entrepreneur","category-marcogomes","category-business","category-technology","category-work","tag-business","tag-data","tag-datascience","tag-negocios","tag-new-york","tag-nova-york","tag-usa"],"_links":{"self":[{"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/posts\/5592","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/comments?post=5592"}],"version-history":[{"count":12,"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/posts\/5592\/revisions"}],"predecessor-version":[{"id":5606,"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/posts\/5592\/revisions\/5606"}],"wp:attachment":[{"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/media?parent=5592"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/categories?post=5592"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/marcogomes.com\/blog\/wp-json\/wp\/v2\/tags?post=5592"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}