Académique Documents
Professionnel Documents
Culture Documents
Cuidado e alimentação
Os cientistas de dados não se dão bem estão com as rédeas curtas. Eles devem
ter a liberdade de experimentar e explorar possibilidades. Dito isso, eles precisam de
relacionamentos próximos com o resto do negócio. Os laços mais importantes para eles
são os executivos encarregados de produtos e serviços, e não as pessoas que
supervisionam as funções de negócios. Como a história de Jonathan Goldman ilustra,
sua maior oportunidade de agregar valor não está na criação de relatórios ou
apresentações para executivos seniores, mas na inovação com produtos e processos
voltados para o cliente.
O LinkedIn não é a única empresa a usar cientistas de dados para gerar ideias de
produtos, recursos e serviços de valor agregado. Na Intuit, os cientistas de dados são
solicitados a desenvolver insights para clientes e consumidores de pequenas empresas
e a se reportar a um novo vice-presidente sênior de big data, design social e marketing.
A GE já está usando a ciência de dados para otimizar os contratos de serviço e intervalos
de manutenção para produtos industriais. O Google, é claro, usa cientistas de dados
para refinar seus algoritmos principais de busca e veiculação de anúncios. A Zynga usa
cientistas de dados para otimizar a experiência do jogo, tanto para o envolvimento de
longo prazo quanto para a receita. A Netflix criou o bem conhecido Prêmio Netflix,
concedido à equipe de ciência de dados que desenvolveu a melhor maneira de melhorar
o sistema de recomendação de filmes da empresa. A empresa de preparação de testes
Kaplan usa seus cientistas de dados para descobrir estratégias efetivas de aprendizado.
Os cientistas de dados hoje são parecidos com os "quants" de Wall Street nos
anos 80 e 901.
Há, no entanto, uma desvantagem potencial de ter pessoas com habilidades
sofisticadas em um campo de rápida evolução que passam seu tempo entre colegas de
gerência geral. Eles terão menos interação com especialistas semelhantes, que precisam
manter suas habilidades afiadas e seu kit de ferramentas de última geração. Os
cientistas de dados precisam se conectar com comunidades de prática, seja dentro de
grandes empresas ou externamente. Novas conferências e associações informais estão
surgindo para apoiar a colaboração e o compartilhamento de tecnologia, e as empresas
devem incentivar os cientistas a se envolverem nelas, com o entendimento de que “mais
água no porto flutua todos os barcos”.
Os cientistas de dados também tendem a ser mais motivados quando mais se
espera deles. Os desafios de acessar e estruturar big data às vezes deixam pouco tempo
ou energia para análises sofisticadas envolvendo previsão ou otimização. No entanto,
se os executivos deixarem claro que relatórios simples não são suficientes, os cientistas
de dados dedicarão mais esforços à análise avançada. Big data não deve ser igual a
"pequena matemática".
1
Nota da tradutora: Quants, de análise quantitativa, estatística. Ver documentário “Quants – Os
Alquimistas de Wall Street”, disponível em < https://youtu.be/kFQJNeQDDHA>. Acesso em 7 set. 2018.
2
Optou-se por utilizar top no lugar de quente, nessa tradução.
nos anos 90, com engenheiros de busca, cujas habilidades raras logo passaram a ser
ensinadas em programas de ciência da computação.
Uma questão levantada por essa questão é se algumas empresas seriam sensatas
em esperar até que a segunda geração de cientistas de dados surgisse, e os candidatos
sejam mais numerosos, menos caros e mais fáceis de examinar e assimilar em um
ambiente de negócios. Por que não deixar o trabalho de caçar e domesticar talentos
exóticos para as empresas iniciantes de big data e para empresas como a GE e o
Walmart, cujas estratégias agressivas exigem que elas estejam na vanguarda?
O problema com esse raciocínio é que o avanço do big data não mostra sinais de
desaceleração. Se as empresas enfrentam os primeiros dias da tendência por falta de
talento, correm o risco de ficar para trás à medida que os concorrentes e os parceiros
de canal ganham vantagens quase inatacáveis. Pense no big data como uma onda épica
se formando agora, começando a se destacar. Se você quiser pegá-la, você precisa de
pessoas que possam surfar.
Uma versão deste artigo apareceu na edição de outubro de 2012 da Harvard Business
Review.
D.J. Patil é a cientista de dados residente na Greylock Partners, foi a diretora de produtos
de dados do LinkedIn e autora do Data Jujitsu: A arte de transformar dados em produto
(Data Jujitsu: The Art of Turning Data into Product) (O’Reilly Media, 2012).
Citação: