Tenho a satisfação de anunciar que o Sigmoidal chegou até um dos maiores podcasts do Brasil, o Primocast. Nesse bate-papo com o Thiago Nigro (o Primo Rico), Rodrigo Gianotto, Kaique e Lucão, todos do Grupo Primo, saíram inúmeros insights sobre como os dados podem ajudar o seu negócio a prosperar, crescer e vender ainda mais.
Além disso, conversamos muito sobre o mercado de trabalho de tecnologia atual, as oportunidades para quem quer começar uma nova carreira do absoluto zero e qual o caminho para conquistar uma vaga de cientista de dados em 2023. Como você vai ver, Data Science não é apenas a área mais inovadora do mundo, mas também a mais democrática, pois independe da sua idade ou formação.
A era do Data Science
A frase que diz que dados são o novo petróleo é creditada ao matemático Clive Humby, porém ganhou popularidade após uma publicação da revista The Economist, em 2017.
“Data is the new oil.”
Clive Humby
Se essa comparação parece desproporcional ou inadequada para você, não deveria. Se você parar para analisar o papel crítico que os dados assumiram, praticamente o de uma força motriz para a economia digital, você verá que é apenas um retrato fiel do cenário que vem se desenhando ao longo dos últimos anos.
Na última década, as empresas que adotaram um modelo de decisão baseado em dados (data-driven decision) assumiram o topo do ranking das mais valiosas corporações do mundo.
A verdade é que nunca antes a humanidade produziu tantos dados como agora. A título de curiosidade, a cada dois dias a população mundial cria a mesma quantidade de dados criados do início da civilização humana até 2003.
Como ilustração, Thiago Nigro cita alguns números sobre as redes sociais:
- em 1 minuto, os usuários do Twitter enviam 473 mil tweets;
- em 1 minuto, os usuários do Instagram postam 49 mil fotos;
- em 1 minuto, o LinkedIn ganha 120 novos usuários;
- a cada 1 segundo, o Google processa mais de 40 mil pesquisas; e
- 1,5 bilhão de pessoas estão ativas no Facebook.
Que estamos na era da informação, dos dados, não é muito novidade para ninguém. Afinal de contas, o que são dados?
Dados são o novo bacon
De acordo com a Wikipedia, “Os dados são uma coleção de valores discretos que transmitem informações, descrevendo quantidade, qualidade, fatos, estatísticas, outras unidades básicas de significado, ou simplesmente sequências de símbolos que podem ser posteriormente interpretados.”
Em uma definição mais prática (e não tão acadêmica), dados são, por exemplo, fotos digitais, arquivos de texto, arquivos de áudio ou arquivos do Excel. Organizados em estruturas que fornecem um contexto e significado adicionais, são usados em pesquisas científicas, no mercado financeiro e praticamente qualquer forma de atividade organizacional que você consiga imaginar.
Porém, dados sozinhos não significam nada! Assim como o petróleo bruto que não passou pela refinaria ainda, dados devem ser organizados, processados e analisados a fim de se tornarem informação. Essa informação, ao ser estruturada e colocada na forma correta, deve se transformar em conhecimento, o qual, aplicado da maneira correta, será convertido em inteligência estratégica para a empresa.
Para percorrer esse caminho de transformação, temos, no nosso arsenal, técnicas e ferramentas de Data Science — a arte de “transformar dados em vantagem estratégica”. Chegando ao final do texto, você quer saber a minha opinião sincera sobre a controversa frase do Clive Humby? Para mim, dados não são o novo petróleo. Dados são o novo Bacon — o que é muito melhor!
“O que diferencia uma organização de outra não é a capacidade de armazenamento de dados; é a capacidade de seu pessoal extrair conhecimento desses dados.”
Carlos Melo
O Que É Data Science
Data Science envolve os princípios, processos e técnicas que permitem entender fenômenos por meio de análises de dados. Porém, obviamente, não é possível definir Ciência dos Dados ignorando o contexto de sua aplicação.
Dentro do escopo trabalhado no Primocast, eu diria que o objetivo do Data Science é o aprimoramento do processo decisório dentro da organização e todos os processos associados. Aqui no Brasil, a prática de decidir com base na análise dos dados contrasta fortemente com a cultura quase que enraizada do “eu”presa, em que as decisões são muitas vezes passionais ou amparadas pela “intuição” do líder.
Respondendo à pergunta do Nigro sobre que dados precisariam ser coletados para uma plataforma de finanças (a exemplo da Finclass), expliquei que, em primeiro lugar, deve-se ter a compreensão inteira dessa plataforma para fazer uma estruturação real do problema. Ou seja, deve-se entender como aquele negócio funciona, do que ele é composto, seus objetos, para saber que dados procurar para melhorar o negócio.
Além dessa visão mais macro, outros aspectos foram citados: para os assinantes, é preciso saber o NPS (Net Promoter Score, que avalia a fidelidade dos clientes à empresa) e a taxa de Churn (taxa de cancelamento), identificando os padrões do comportamento de pessoas que deixaram de assinar a plataforma.
Por exemplo, há quanto tempo a pessoa não acessa a plataforma, como ela navega dentro da plataforma (que conteúdos consome e tal) ou quanto tempo ela permanece consumindo um dado conteúdo. Porque é muito mais fácil (barato), se pararmos para raciocinar, oferecer alguma vantagem para esse cliente propenso a cancelar do que fazer com que uma pessoa de fora assine a plataforma.
Somado a isso, Rodrigo cita os aspectos relacionados ao login na plataforma (quando o assinante entra, que horário, por quanto tempo lá permanece) e o Lifetime Value (LTV).
“Tudo começa pela análise dos dados. Possuindo esses dados, buscas são feitas em cima deles para responder uma pergunta de negócio. Não adianta só a análise; deve-se responder ao negócio, o que o negócio está exigindo.”
Rodrigo Gianotto
Rodrigo Gianotto divide a Ciência de Dados (Data Science) em três segmentos: análise de dados, engenharia de dados e uma área voltada à construção de modelos predicativos:
- A análise de dados é o início, em que o analista vai utilizar a linguagem SQL para realizar as buscas nos banco de dados, analisar e gerar insights. O papel do analista é o de trazer conhecimento que estava “escondido” naquela multidão de dados soltos.
- Já na engenharia de dados, o engenheiro de dados tem o papel de, por exemplo, extrair dados de locais diferentes e alocá-los no mesmo local, o qual será utilizado pelo analista de dados.
- Por fim, sobre a área mais avançada, é aquela relacionada com Inteligência Artificial, Machine Learning. Essa última área é a mais inovadora, citando como exemplo as recomendações de séries e filmes da Netflix: algo dinâmico, que toma decisões a todo instante para fazer recomendações personalizadas.
Tomando Decisões Baseadas Em Dados
Por que os dados são utilizados? Claro, para tomar decisões mais acertadas. Na verdade, há uma explicação biológica, que tem a ver com uma própria limitação do cérebro humano.
“Tudo é óbvio desde que você saiba a resposta.”
Ducan J. Watts
A forma de ver o mundo das pessoas é enviesada (preferências e tal); as experiências pessoais são muito relacionadas com relações de causa-efeito (pode ser uma mera coincidência ou uma relação de muitas variáveis inter-relacionadas); a limitação da memória mesmo (não conseguimos lembrar ou relacionar os inúmeros eventos que presenciamos); e além da óbvia não onipresença (ao contrário do Google, não temos o registro dos acontecimentos em todos os confins do planeta).
Para ilustrar como os dados são utilizados estrategicamente no mercado, eu citei um exemplo com a Walmart. Essa empresa descobriu algo nada óbvio: como suprimento para lidar com furacões anunciados (relativamente comum nos Estados Unidos da América), seus consumidores compravam muito tortilhas de morango (um doce). Sabendo disso, essa empresa então abastecia suas lojas com esse produto nesses períodos.
Mais outro exemplo e também com a Walmart. Ela, analisando dados, chegou à conclusão de que a cerveja ao lado de fraldas aumenta a venda de cerveja. Dessa forma, colocaram estoques de cerveja perto do local onde estavam armazenadas as fraldas.
No entanto, nem tudo são flores. Como Thiago Nigro disse, dados, isoladamente, são inócuos, e dependerá de alguém experiente para saber lidar com eles para gerar insights e fundamentar decisões. Além disso, muitos dados pode ser um problema.
A partir de muitas entradas (dados), algoritmos são capazes identificar padrões. Esses padrões não estavam atrás de um vidro limpo; na verdade, foi necessário analisar muitos dados para se chegar a essas conclusões.
Em pleno 2022, com todo o acesso a informação, o mundo inteiro conectado, realmente não é muito responsável tomar determinadas decisões baseadas em pura intuição. Como falaram Lucas e Kaique no Primocast, os dois passaram a utilizar os dados coletados para direcionar suas decisões, como no caso do YouTube.
Nessa plataforma, eles testam como certos aspectos (por exemplo, título e thumbnail) interferem no consumo pelo seu público (visualizações), e suas futuras decisões são baseadas nesses resultados.
Assista ao episódio completo do Primocast
Eu quero convidá-lo a assistir ao episódio completo do Primocast sobre Data Science e Gestão de Dados. Nele, você vai acompanhar a visão e insights das pessoas que estão à frente de um negócio que fatura centenas de milhões de reais por ano e que possui uma base de mais de 200 mil assinantes.
Para aqueles que querem se preparar para conquistar uma vaga em tecnologia, nada como entender quais habilidades e tecnologias as maiores empresas do país buscam em um candidato.
Por fim, eu só quero agradecer pela oportunidade de ter participado de mais um evento no Grupo Primo, empresa que admiro e pela qual tenho um profundo carinho. Em todas as vezes que os visitei em São Paulo, pude acompanhar como eles são diferenciados em relação ao restante do mercado. Não há dúvidas de que serão cada vez maiores.
Um forte abraço a todo o time do Grupo Primo!
Carlos Melo
