Construindo equipes de Data Science

Por Milton Volpato,

Construir uma equipe de Data Science pode ajudar empresas a disseminar a cultura de dados

É comum que as empresas busquem parceiros terceirizados para executar seus projetos analíticos e de TI. Esta é, de fato, uma boa prática para maximizar seus recursos. Quando falamos em Data Analytics, as empresas precisam procurar parceiros que tenham as melhores ferramentas e que possam oferecer suporte, conhecimento, modelagem e disponibilidade dos dados para apoiar os tomadores de decisão. “Comprar ferramentas avançadas e ter uma grande coleção de dados não faz de você um cientista de dados como uma faca de chef não faz de você um chef”.

Como Data Analytics não é uma solução “plug and play”, na qual implementa-se e usa-se, se faz necessário que as empresas criem uma equipe de “Data Science” para suportar a adoção das soluções analíticas e modelos analíticos criados e implantados por parceiros externos. Essa equipe será fundamental para garantir o ROI dos projetos analíticos, além de ajudar a empresa a disseminar a cultura de dados e preparar os usuários finais para que colaborem de forma mais efetiva em trazer “insights”. Escreverei um novo artigo sobre qual a melhor forma dos usuários finais comunicarem os seus problemas de negócios para a equipe de Data Science, para que possam obter melhores respostas.

Então, para construir sua equipe de Data Science, é necessário perguntar: que perfil de profissionais devem existir no time? Como formar a equipe? Que tipo de trabalho seus integrantes realizarão? Como eles vão trabalhar juntos?

Em sua equipe de Data Science, é importante separar a análise do “insight”. Não deixe sua equipe produzir apenas análise de dados, faça-os responder perguntas interessantes (“Insights”) e entregar informação útil para tomada de decisões. Para ser capaz de fazer isso, é necessário ter pessoas de diversas áreas da organização na equipe.

Existem três grandes áreas de responsabilidade para sua equipe:

  • Coletar, acessar e construir relatórios com bases nas informações;
  • Fazer boas perguntas;
  • Permitir tomada de decisões com a informação reportada.

A ideia é trabalhar com pessoas da própria organização, dividindo sua equipe de Data Science em três funções:

  • Líder de Pesquisa;
  • Analista de Dados;
  • Gerente de Projetos (Scrum Master se quiser um sabor ágil).

Agora, como colocar esses papéis para trabalharem juntos, fazer boas perguntas, reunir evidências e obter insights? Tudo começa com boas perguntas. As empresas costumavam se concentrar nas respostas porque as respostas acabam com as discussões e porque boas perguntas podem levar a mais perguntas. Gerenciar esse fluxo de perguntas e respostas é papel do líder de pesquisa, que geralmente vem do negócio. O líder não precisa ser um especialista ou um cientista, mas precisa ser capaz de questionar suas suposições. Além disso, é importante separar o questionamento dos dados porque existe um conflito inerente de interesses. Por exemplo, se você sabe que tem um pequeno conjunto de dados, pode limitar-se a perguntas simples.

Quando as questões ou problemas-chave forem identificados, o analista de dados trabalha lado a lado com o líder de pesquisa para construir insights, verificar se temos os dados corretos para responder as perguntas, recomendar métodos e ferramentas estatísticas e criar a visualização dos dados por meio de relatórios, painéis, histórias, etc. Para completar a equipe precisamos de um gerente de projeto que proteja o líder de pesquisa e o analista de dados de reuniões intermináveis, garanta que as empresas atuem a partir dos insights e apliquem o gerenciamento de mudanças para melhorar a adoção das soluções analíticas. Esse integrante também é responsável por negociar o acesso aos dados e permissões segundo política de segurança da organização.

Devido à forte concorrência e volatilidade do mercado atual, as empresas estão percebendo que o uso dos dados se tornou fundamental para tomar melhores decisões. Os CIOs, CDOs, CEOs precisam preparar seus recursos para responder melhor a esse desafio.

Você já criou sua equipe de Data Science? Como suas organizações estão enfrentando esse desafio? Quais estruturas de equipe têm funcionado para suas empresas? Compartilhe nos comentários!

 

Acesse as redes sociais da SAP: Facebook Twitter LinkedIn Instagram / Whatsapp

© 2018 SAP SE. All rights reserved. SAP and other SAP products and services mentioned herein as well as their respective logos are trademarks or registered trademarks of SAP SE in Germany and other countries. Please see http://www.sap.com/corporate-en/legal/copyright/index.epx#trademark for additional trademark information and notices.