BIG-Data & Analytics — Termos & Dicas

Atire a primeira pedra aquele que nunca repetiu um termo em inglês que é utilizado por todos da sua área, sem saber exatamente o que ele significa!

Isso ocorre em todas as profissões, existem os jargões, os termos técnicos, muito comuns para os profissionais que estão na área há muito tempo, mas são “aramaico” para os jovens profissionais e principalmente para os clientes da área em questão.

O próprio conceito de “Ciência de Dados” é pouco compreendido pelos usuários das análises (insights) que transmitimos.

A função do cientista de dados, ainda é um mito para maioria das empresas, mas tudo é muito novo.

Vamos tentar mais uma vez com linguagem simples, esclarecer estas dúvidas que atrapalham tanto o desenvolvimento dos projetos de BIG-Data e Analytics.

Vamos começar pela metodologia (CRISP-DM — CRoss Industry Standard Process for Data Mining)de desenvolvimento de projetos de “BIG-Data” e Analytics, para ir descrevendo os termos e o que realmente significam na prática:

Metodologia CRISP-DM

1 — Definir o objetivo de Negócios

Nesta etapa vamos utilizar algumas técnicas para identificar qual ou quais seriam os problemas ou oportunidades de negócios que podemos identificar e resolver através da análise de dados.

· Uma das técnicas é o “Design Thinking”, do inglês “pensar como um desenhista”, é um conceito da área, de criação de protótipos, que foi adaptada para as corporações. O objetivo é materializar, criar um protótipo do que poderia ser a solução para as necessidades da área demandante, antes de sair buscando informação e construindo uma solução;

· Outra técnica utilizada atrelada a essa é a de “User Experience = UX”, que é desenhar a jornada do usuário ou “Customer Experience = CX” que seria a jornada do cliente, quando estamos falando de um “usuário” externo a empresa. Estas metodologias têm como objetivo mapear o processo atual e o processo desejado pelo usuário/cliente. Assim conseguiremos detectar quais são as sub-etapas que tem algum desvio de expectativa, por exemplo: Em um processo de abertura de conta de um banco digital, o aplicativo solicita que o usuário vá até a agência de um banco físico. Se ele está abrindo uma conta digital é porque não gosta de ir à agência de bancos físicos. No caso do exemplo, teríamos que levantar uma alternativa digital para este processo que no momento está sendo executado em uma agência física e garantir segurança de dados e de transações.

· Nesta etapa, também são definidas a equipe de trabalho, as atividades inerentes ao projeto e a metodologia de gestão do projeto. Existem basicamente duas grandes linhas de gestão de projetos, uma delas é conhecida como tradicional “PMO — Project Management Office”, do inglês “Escritório de Gestão de Projetos”, onde a base da metodologia é o encadeamento de atividades de forma linear, onde o gestor do projeto administra os principais quesitos que são recursos humanos, financeiros, prazos e riscos. Ao final da execução das atividades, apresenta o resultado ao cliente/usuário. Neste processo o usuário tem pouca participação nas decisões durante o processo de desenvolvimento da solução.

Outro método, mais comum nos últimos anos e muito aplicado aos projetos de “Big-Data”, são os intitulados métodos ágeis (SCRUM). Como o próprio nome diz, o foco da metodologia é encurtar o processo linear geralmente adotado pela técnica anterior (PMO), tornar ágil e garantir a participação do usuário final em todo o processo de desenvolvimento. O SCRUM trabalha com o chamado product backlog, um registro que contém as áreas do produto que devem ser desenvolvidas. A partir do product backlog é criado o release backlog, que é a junção dos requisitos do product backlog que vão ser trabalhados, de acordo com a prioridade de cada um. O release backlog é um ponto para a criação do sprint backlog, que representa o espaço de tempo em que uma tarefa chamada de user story, vai ser concluída. Também são realizadas reuniões diárias (Daily meetings), onde o status das user stories planejadas para entrega são atualizados entre os membros da equipe técnica. A estrutura do time de trabalho em um projeto ágil é de grupos de trabalho sub-divididos entre Squads (pessoal técnico) dentro das suas especialidades, orquestrado por um gestor generalista (SCRUM Master) que faz a ponte entre as diferentes equipes técnicas(Squads) e de equipes de negócios (Product Owners) para controlar prazos, mudanças, infraestrutura necessária, tudo através de um painel denominado “Burndown chart” (tabela quente), com o status atual de cada user story, popularmente conhecido como “mural dos post-its”. Existem ferramentas online dedicadas a esse método como o “TRELLO”, “SLACK”, “MURAL”, “MIRO” dentre outras.

A etapa de entendimento da pergunta de negócios se conclui quando:

ü Identificamos as perguntas de negócios que devemos responder com o projeto;

ü Desenhamos a jornada do cliente/usuário (protótipo do Design Thinking — UX/CX);

ü Estabelecemos o planejamento do projeto (Métodos Ágeis, SCRUM) com todas “user stories”, equipes técnicas (Squads) e de negócios (Product Owner) e a infraestrutura necessária definidas para execução.

Como podem ver, a etapa “1”, tem sub-atividades que geram os primeiros “user stories” do projeto.

Cada uma das etapas tem uma sucessão de sub-atividades para resultar em uma evolução do “MVP”(Minimum Viable Product), que é o protótipo idealizado no “Design Thinking”.

Na próxima semana falaremos da etapa 2 e mais termos da área para que possam identificar o real significado de cada um desses jargões e sua importância na qualidade do resultado de um projeto de BIG-Data Analytics.

Fonte:

Site Interaction Design :

· https://www.interaction-design.org/literature/article/5-stages-in-the-design-thinking-process

· https://www.interaction-design.org/literature/topics/ux-design

Site Scrum Org — https://www.scrum.org/resources/what-is-scrum

A autora:

· Embaixadora da Stanford University para o projeto Women In Data Science — WIDS;

· Voluntária Grupo Mulheres do Brasil;

· Especialização em Gestão de Dados (CDO Foundations) pelo MIT — Massachusetts Institute of Technology — EUA;

· Mestrado em Adm. Empresas pela FGV;

· Graduada em Adm. Empresas pela FAAP;

· Professora Universitária no SENAC para os cursos de Pós-Graduação em BIG Data e Gestão do Conhecimento e Inovação e para os cursos de graduação a Distância do SENAC;

· Autora dos livros:

· A Atuação do Profissional de Inteligência Competitiva, Publicit, 2015

· Pesquisa de Marketing, Série Universitária, SENAC, 2017

· Liderança/Participação em Comunidades Digitais: Women In Blockchain, ABINC Data & Analytics, FINTECHs & Newtechs, Marco Civil IA

· Empreendedora na Consultoria estratégica Analytics Data Services;

· Atuação como executiva nas áreas de planejamento estratégico de marketing e gestão e governança de dados em empresas como Unisys, Teradata, Santander, IBM dentre outras