Como foi apresentado em muitos white papers e blogs escritos nos últimos 10 anos, Big Data é definitivamente a nova fronteira da inovação e do crescimento da produtividade, e para pequenas e grandes empresas, organizações privadas e públicas, tornou-se imperativo que Big Data seja parte da estratégia geral de negócios.

Leia sobre o casamento entre ciência computacional, estatística, e expertise de domínio aqui! 

Agora a pergunta está sendo feita – como desenvolver uma estratégia de big data?  Proponho os 6 passos seguintes (do ponto de vista de um analista de dados):

Etapa 1: Inventário abrangente de dados.  

Então, perguntamos mais uma vez o que é Big Data? Big Data é tudo sobre dados e poderíamos agrupá-los em três: 

  1. Grupo 1: dados que as organizações têm coletado sobre seus clientes através de faturamento, atendimento ao cliente, transações de comércio eletrônico, e-mails, pesquisas de mercado e fontes tradicionais, como ABS 
  2. Grupo 2: aqueles que estão sendo voluntários nas mídias sociais, por exemplo, facebook e twitter Grupo 3: aqueles que as organizações globais, por exemplo, Google, facebook, Amazon, e Ebay têm coletado ao longo da década.  

O primeiro passo para desenvolver uma Grande Estratégia de Dados é entender completamente quais dados a empresa possui.  

Para muitas organizações, potencialmente, esta é a primeira vez que se faz um inventário de dados abrangente e se descobre quais e quantos dados a empresa tem, o que pode ser um grande abridor de olhos.  

E

Com foco nos clientes, obter todos os dados relacionados ao cliente e os dados que podem ser vinculados aos clientes.  

Faça mineração de dados e descubra o que seus dados mostram, faça a visualização dos dados, pois é mais fácil ver visualmente padrões regulares e incomuns.  

Para fazer os processos de descoberta e visualização de dados, é aconselhável contratar um cientista/estatístico de dados de fora da empresa por dois motivos: 

1) para ter uma nova perspectiva, livre de preconceitos internos e processos BAU;

2) para medir a significância estatística das observações.

Etapa 2: Coleta de Requisitos Estratégicos 

Os dados são usados para informar os processos comerciais, a tomada de decisões, a elaboração de políticas e o planejamento. Portanto, é importante entender como os dados estão sendo usados e quem são os usuários finais. 

Vá diretamente aos tomadores de decisão, os executivos de nível C, se necessário, e você poderá descobrir que perguntas fundamentais estão sendo feitas. 

Por exemplo, participação de mercado, elasticidade de preços, valor do cliente, rentabilidade do cliente e segmentação correta do mercado.  

Mapeie essas perguntas e defina sua estratégia de Perguntas-e-Respostas – quais são as perguntas-chave que estão sendo feitas e como estas perguntas podem ser respondidas.  

Fique sabendo sobre o componente que falta para compor o seu algoritmo clicando aqui!

Os dados do Grupo 1 seriam suficientes para responder essas perguntas ou você precisa entrar no Grupo 2 e no Grupo 3?  

Esta etapa também determinará que tipos de modelagem estatística precisam ser desenvolvidos, o que acabaria por definir o tipo de software e infraestrutura necessários.

Etapa 3: Infra-estrutura de TI e Inventário de Software existentes

A partir de aprendizados das etapas 1 e 2, realize o inventário da infra-estrutura de TI e aplicações.  Avalie se sua capacidade de TI existente está de acordo com o que você quer fazer com seus dados.  

Habilidades essenciais em Data Science: leia mais sobre aqui!

Seu próprio departamento de TI deve ser a fonte de inteligência para este exercício e, se você tiver terceirizado sua TI, contrate consultores de tecnologia agnóstica que não estejam apenas motivados a vender-lhe seus produtos. 

O ponto-chave aqui é – não comece a comprar novos softwares e construir nova infra-estrutura até que tenha feito as etapas 1, 2 e concluído esta etapa.  

É provável que você tenha tantos softwares e sistemas, mas você não está pronto para Big Data.  

Também é possível que você tenha uma infraestrutura de Big Data de alguma forma e dependendo de seus requisitos comerciais – talvez tudo o que você precise é de capacidade analítica para extrair, analisar e modelar dados. 

Portanto, talvez você precise apenas contratar cientistas de dados ou estatísticos que possam trabalhar com dados estruturados e não estruturados.  

Etapa 4: Construa um Business Case

Nesta etapa, você deve ter reunido os principais dados para o seu projeto – custos e benefícios. Novamente, envolva a TI para projetar um protótipo e, a partir das etapas acima, determine o custo de seu projeto.  

Uma vez estimados os custos do projeto, compare isso com os benefícios esperados, por exemplo, economia de custos, crescimento da produtividade ou geração de receita.  

Leia sobre Análise de Redes Sociais por Big Data no nosso artigo! 

Um ROI forte é a chave para um forte argumento comercial para gerar interesses de potenciais patrocinadores.

Passo 5: Desenvolver Grande Capacidade de Dados

Infraestrutura, Metadados, Software, BI (Relatórios). Esta é a etapa real de gerenciamento do projeto que pode potencialmente durar entre 12 a 18 meses.  

Passar os primeiros 6 meses desenvolvendo um protótipo de ponta a ponta vai valer muito a pena e ser rentável – mesmo que você tenha que parar o projeto!

Passo 6: Construir Capacidade Analítica (Aluguel) 

Contratar cientistas/estatísticos de dados. Voltar à descoberta de dados. Passe muito tempo na descoberta de dados, o que pode envolver limpeza e transformação de dados. 

Uma vez que você tenha compreendido completamente seus dados, então e somente então você poderá construir uma segmentação implementável, desenvolver modelos de comportamento e realizar análises preditivas, de decisão e de política.

Published On: novembro 26th, 2021 / Categories: Análise de Dados, Data Science /

Aprenda a conseguir trabalho

Se inscreva para receber acesso gratuito ao módulo Conseguindo Trabalho!

Obrigado por se inscrever!
Houve um erro ao enviar sua inscrição. Tente novamente mais tarde.

Ao acessar, você concorda em receber nossos comunicados.