5 melhores práticas para escalar a ciência de dados na empresa

Quase todas as empresas querem fazer mais com a ciência de dados. No entanto, executivos e cientistas de dados estão frustrados com a dificuldade de transformar novas iniciativas em impacto para os negócios em escala. A observação é de Kjell Carlsson, sênior analista da Forrester.

Segundo ele, fora os casos de uso bem estabelecidos – como pontuação de risco ou otimização de resultados de pesquisa – os cientistas de dados reclamam regularmente que suas soluções podem levar meses ou mesmo anos para serem implementadas ou, pior, nunca são adotadas.

O especialista aponta, contudo, que a falta de dados e capacidades técnicas não são a principal razão pela qual as novas iniciativas de ciência de dados têm um desempenho inferior. Isso acontece porque a maioria das organizações aborda a ciência de dados como um ofício artesanal.

“Em vez disso, elas devem abordar a ciência de dados como um processo industrial: que requer planejamento, divisão de trabalho e cooperação”, observa ele.

Essa abordagem não apenas exige equipes de ciência de dados multidisciplinares, mas também que equipes de ciência de dados, TI e negócios executem seus respectivos papéis de forma eficaz. E demanda as ferramentas certas que permitem o rápido desenvolvimento e a implantação da ciência de dados, bem como colaboração e gerenciamento.

Para conseguir isso com novos casos de uso de ciência de dados (por exemplo, análise de imagem ou texto) e com partes da empresa que são novas na ciência de dados (por exemplo, vendas ou RH), as empresas bem-sucedidas aproveitam cinco práticas recomendadas:

• Priorizar grandes e resultados e bem definidos
• Construir equipes escaláveis híbridas
• Aliar data science e data engineering
• Desenhar plataformas para eficiência
• Mapear todo o ciclo de vida