Supply Chain e Logística
Data science: o que é e onde a arte contribui com a ciência de dados
- Por Eduardo Banzato
- Publicado em
- Atualizado em
- 6 min de leitura
Sumário executivoData science em resumo: Data science, ou ciência de dados, é a ciência que se apoia em disciplinas como matemática, estatística, big data, ciência da computação e machine learning para extrair conhecimentos e insights a partir de dados. Além disso, ajuda a prever resultados com modelos preditivos. Para o autor, as melhores soluções também integram a arte: o conhecimento empírico dos mais experientes.
Onde a “ARTE” contribui com a “CIÊNCIA” no campo que é hoje uma das principais vertentes do desenvolvimento tecnológico e dos negócios?
Este artigo é útil somente para aqueles que já trabalharam com DADOS… ou seja, praticamente todos nós! A “Data Science”, como o próprio nome diz, é uma ciência que se apoia em diferentes disciplinas para extrair conhecimentos e “insights” a partir de dados, matéria-prima cada vez mais abundante e barata de ser armazenada, processada e analisada.
A ciência de dados envolve conceitos de matemática, mineração, big data, exploratory data analysis, estatística, data visualization, ciência da computação, machine learning, deep learning etc. Tudo isso para que possamos compreender melhor a realidade, visualizar a mesma sob diferentes perspectivas (sem vícios e/ou influências) e avançar em um velho desafio: PREVER (a modelagem preditiva hoje nos auxilia a prever resultados, sejam eles no futuro ou mesmo no passado). Passado? Sim, você pode extrair de uma base de dados modelos preditivos que contribuem com a investigação de acidentes, problemas de produção e logística de causas ainda desconhecidas etc.
Em minhas experiências pessoais, geralmente, projetos que envolvem inovação, no sentido de transformar mais “radicalmente” a forma com que um determinado processo é realizado, demandam justificativas que passam por modelos preditivos, a fim da empresa visualizar o quanto já perdeu no passado e o quanto ainda perderá no futuro se não seguir o que o modelo preditivo está dizendo. Denominamos isso de “PERDA INVISÍVEL”, que só é possível ser claramente visualizada por meio de um bom trabalho de DATA SCIENCE.
E a ARTE?
Em 33 anos, desenvolvendo mais de 300 projetos pude observar que, invariavelmente, os mesmos iniciam com DADOS e com equipes/pessoas completamente diferentes. Assim, dá para assegurar hoje que a ciência de dados que alcança as melhores soluções integra: pesquisas empíricas e científicas + ciência computacional (que hoje navega em um “oceano” de dados que cresce, cada vez mais, exponencialmente).
Mas observe que eu citei no parágrafo anterior “Pesquisas Empíricas” como um dos componentes para se alcançar as melhores soluções. Elas compõem o conjunto de ações para coleta de dados e/ou conhecimentos por meio da OBSERVAÇÃO e EXPERIÊNCIA.
Assim, por exemplo: se você está desenvolvendo um projeto de manufatura e/ou logística e deseja obter dados relevantes, sem preconceitos, escute atentamente aqueles mais experientes que já estão há 10, 20, 30 anos observando aquela determinada operação. Certamente eles terão dados empíricos que podem gerar “insights” interessantes para o cientista de dados.
Aliás, não é por acaso que um dos lemas da IMAM é: “A ARTE e a CIÊNCIA do Fluxo de Materiais”…
A ARTE deriva do termo latino “ARS” (técnica ou habilidade) e é desenvolvida de diversas formas como pintura, escultura, música, dança, cinema… e por que não em suas atividades profissionais? Sim, o processo criativo também é muitas vezes disparado (“insights”) a partir de conhecimentos empíricos adquiridos por observação e experiências pessoais. E são justamente estes “insights”, que muitas vezes nem o próprio profissional sabe explicar, que acabam sendo os precursores de grandes inovações (vide Youtube, Facebook etc.).
Obviamente, hoje, a boa CIÊNCIA já integra a ARTE em seus estudos, mas o fato da mesma não estar tão explícita para os cientistas de dados, principalmente para os jovens, vale o destaque da importância de se respeitar o conhecimento empírico dos mais experientes.
Tipos de Problemas/Oportunidades com Dados
Cada tipo de problema tem uma demanda maior ou menor no que diz respeito à ARTE (empirismo, criatividade, “insights”…) e à CIÊNCIA (métodos quantitativos, estatística, modelos…). Em artigos futuros detalharemos cada problema…
Que venham muito mais cientistas de dados para avançarmos em soluções inteligentes, criativas, inovativas, visuais, disruptivas…
“FALAR BEM COM DADOS É UMA CIÊNCIA E UMA ARTE…”
Eduardo BANZATO, diretor do Grupo IMAM
Sucesso e vamos em frente…
Saiba mais no curso: Data Science Para Supply Chain e Logística
Eduardo BANZATO
Ciência e arte na data science
Em resumo, o que o post inclui em cada componente:
| Componente | O que o post inclui |
|---|---|
| Ciência | Métodos quantitativos, estatística, modelos e ciência computacional |
| Arte | Empirismo, criatividade e insights, a partir de observação e experiência |
| Pesquisas empíricas | Ouvir quem observa a operação há 10, 20 ou 30 anos para obter dados relevantes |
| Modelos preditivos | Preveem resultados no futuro e no passado e revelam a perda invisível |
Perguntas frequentes sobre data science
O que é data science?
Data science, ou ciência de dados, é uma ciência que se apoia em diferentes disciplinas para extrair conhecimentos e insights a partir de dados, matéria-prima cada vez mais abundante e barata de armazenar, processar e analisar. Envolve matemática, mineração de dados, big data, estatística, visualização de dados, ciência da computação, machine learning e deep learning.
O que é EDA em data science?
EDA é a sigla de exploratory data analysis, ou análise exploratória de dados. É a etapa em que o cientista de dados examina a base com estatística descritiva e gráficos para entender sua estrutura, encontrar padrões, falhas e valores fora do comum antes de construir modelos. O post a cita entre as disciplinas que compõem a ciência de dados.
O que é preciso para ser cientista de dados?
Domínio das disciplinas que formam a ciência de dados, como estatística, matemática, ciência da computação e machine learning, e também respeito ao conhecimento empírico. O autor recomenda escutar os profissionais mais experientes de uma operação, pois eles têm dados obtidos por observação e experiência que geram insights valiosos.
Modelos preditivos servem para prever o passado?
Sim. Segundo o autor, é possível extrair de uma base de dados modelos preditivos que ajudam a investigar acidentes e problemas de produção e logística de causas ainda desconhecidas, além de mostrar quanto a empresa já perdeu no passado, o que ele chama de perda invisível.
Onde a arte entra na ciência de dados?
Nas pesquisas empíricas, que coletam dados e conhecimentos por observação e experiência, e no processo criativo que dispara insights. A palavra arte vem do latim ars, técnica ou habilidade. Para o autor, as melhores soluções integram pesquisas empíricas e científicas com a ciência computacional.
Conteúdos complementares recomendados
- Análise de dados: Além disso, como transformar dados em decisão.
- Falar com dados nas decisões da operação: Dados no dia a dia da operação.
- Machine learning na excelência operacional: Por fim, algoritmos que aprendem com dados.
