Data Science é o futuro (qual a nossa definição?)

Estamos em 2021 e o futuro chegou. Ainda não vemos carros voadores, nem o Elon Musk enviou pessoas para Marte, mas já temos robots a limpar as nossas casas, temos supercomputadores no nosso bolso e, de acordo com o “The Economist”, o recurso mais importante do planeta terra já não é o petróleo, mas sim, os dados.

As empresas Data-Driven usam grandes fluxos de dados para aumentar a eficácia dos seus processos de decisão, prever tendências de mercado e melhorar a experiência do consumidor com a personalização dos seus produtos. O aumento do uso de smartphones e o crescimento da IoT – Internet of Things – tem enormes quantidades de dados todos os dias, e estudos recentes apontam que em 2025 teremos cerca de 200 Zettabytes de dados em todo o Mundo. Data Science é capaz de extrair conhecimento e informação desses dados oferecendo insights importantes sobre as preferências dos consumidores através de análises estatísticas.

Data Science atua em vários campos. Usa técnicas e teorias matemáticas bem como processos e algoritmos da programação para extrair informação importante de vários tipos de dados (tabular, texto, séries temporais, imagens, entre outros). Data Science aborda também áreas como a estatística, machine learning, programação, analytics e visualização de dados. Os Data Scientists devem ser especializados em todas estas áreas e devem desenvolver modelos estatísticos que detetem padrões e tendências em grandes volumes de dados. Devem ser considerados uns storytellers que apresentam data-insights aos decisores de forma simples e compreensível.

Os historiadores dizem que é importante estudar o passado para não repetir os mesmos erros no futuro. Na maioria dos casos, Data Science tenta aplicar esta ideologia: faz uso do historial de dados para prever e analisar o futuro usando resultados probabilísticos e estatísticos. Algoritmos complexos tiram vantagem de grandes quantidades de dados para encontrar padrões e tendências, que podem ser aplicados para prever, por exemplo, comportamentos de mercado.

Podemos encontrar aplicações para Data Science em praticamente todas as indústrias, desde a gestão de stock em mercearias à análise de dados em desportos de alta competição. Embora existam muitas aplicações para Data Science, a maioria dos use cases podem ser inseridos num dos tipos de problemas mais comuns:

– Classificação, é usada quando é necessário prever a categoria ou classe de um determinado conjunto de dados. Com o aumento da partilha das Fake News através das redes sociais, a classificação de algoritmos entra em cena para detetar e sinalizar estes tipos de posts o mais rápido possível. Podem ser usados para detetar automaticamente mensagens de spam ou analisar o comportamento do consumidor através das suas reviews de produtos fazendo a deteção do sentimento associado à opinião como “boa, má, insatisfeito, satisfeito, etc.”. A automatização destes processos aumenta a rapidez de captura de informação, reduzindo o time to market.

via GIPHY

– Deteção de anomalias, como o nome sugere o objetivo é identificar valores fora do comum. Um dos grandes desafios da indústria financeira é a luta contra a fraude fiscal. Transações fraudulentas, esquemas de phishing e transações anormais, são algumas das irregularidades que podem ser detetadas. Estamos perante a quarta revolução industrial com o crescimento da indústria digital. Uma das vertentes de atuação de Data Science na indústria 4.0 é a deteção de anomalias em máquinas de produção, levando a uma diminuição no impacto financeiro que essas situações acarretam.

via GIPHY

– Previsão indica-nos quando ou como podem ocorrer certos eventos. Data Science tem vindo a ser aplicada nos cuidados de saúde e tem ajudado profissionais a salvar vidas durante os tempos pandémicos que vivemos, seja em prever os picos de contágio ou prevendo a duração de hospitalização de um doente internado. Algumas equipas profissionais de futebol usam Data Science para ganhar jogos, preveem a performance dos seus jogadores e os seus valores de mercado. Por exemplo, os Data Scientists do Liverpool Football Club, analisam centenas de jogos para prever quais as zonas do campo que trazem maior vantagem em cada situação do jogo, aumentando assim as probabilidades de vitória da equipa. Outra área onde a previsão pode ter um impacto significativo, é na evolução da relação cliente-empresa. Pode ver um bom exemplo da previsão do customer churn rate no nosso blogpost recente, onde pormenorizamos este tema de forma mais detalhada.

via GIPHY

– Sistemas de recomendação. “É capaz de gostar” é uma frase comum nas lojas online ou nas plataformas de streaming e são construídas com base nesta vertente de recomendação. Por exemplo, a Netflix, extrai vários conjuntos de dados para compreender e analisar o que os seus consumidores estão a ver, quanto tempo veem determinado conteúdo, a que momento do dia, os estilos de filmes/séries de preferência, os atores mais vistos, entre outros. Com este tipo de informação é possível recomendar filmes ou séries que são do interesse de cada consumidor, fazendo assim com que o seu produto seja altamente personalizado. Estes sistemas de recomendação estão a ser usados também em redes sociais, para a oferta de páginas recomendadas consoante os nossos gostos, comentários e conteúdo observado.

via GIPHY

– A tecnologia está a desenvolver-se rapidamente, a cada dia que passa é possível fazer processamento de dados mais caros computacionalmente, aumentando a capacidade de desenvolver modelos e algoritmos mais complexos. O reconhecimento é uma tecnologia futurística que já está presente no nosso quotidiano, com técnicas de extração de informação de imagens ou sons. Conseguimos desbloquear os nossos smartphones através do reconhecimento facial ou transcrever uma conversa automaticamente. Vamos ser honestos, dizer à Alexa para ligar as luzes da nossa casa sempre foi motivo de nos sentirmos estilosos e na vanguarda da tecnologia.

via GIPHY

Na Xpand IT definimos o nosso próprio processo de Data Science que visa mitigar a incerteza, natural em projetos deste tipo, através de abordagens baseadas em metodologias Agile (Scrum e o nosso próprio framework de desenvolvimento, o XPAGILE). Deste modo podemos abordar cada projeto da forma ágil sem perdermos o foco no que realmente importa: entregar projetos de qualidade dentro do prazo.

Como Data Scientists, desenvolvemos esta metodologia para não perdemos nenhuma etapa que consideramos fundamental para ir de encontro à visão do cliente. Algumas vantagens que a introdução desta framework traz são:

• Redução do risco: uma vez que é um processo faseado com entregas e discussões de resultados regulares;
• Maximização do valor obtido: identificamos o problema desde o início, garantindo a relevância do objetivo, sendo possível o seu ajuste em cada iteração;
• Solução viável: garantimos que a solução final seja viável. A produtização do projeto garante que este não foi apenas uma experiência, mas a solução para o problema;
• Especificidade do projeto: tentamos assegurar a qualidade de cada projeto individualmente, não caindo na armadilha do “uma solução serve para todos”.

Data Science pode abranger diferentes áreas de negócio, e não é fácil definir quais são as principais vantagens para todos os casos, já que cada caso é único e traz a necessidade de ser avaliado individualmente para identificar as suas melhores oportunidades. O objetivo principal deste artigo é mostrar-lhe as possíveis aplicações de Data Science e desmistificar o seu uso real.

A nossa unidade de Data Science está pronta para o ajudar em qualquer caso. O nosso objetivo é acrescentar valor ao longo de todo o ciclo de vida do projeto e, ao mesmo tempo, analisar e compreender todo o seu negócio, ajudá-lo a desenvolver novas soluções e implementar a tecnologia necessária para o sucesso do mesmo.