Os dados nunca estiveram tão disponíveis e acessíveis quanto hoje. A explosão no volume de informações disponíveis em todos os lados tornou o processo de tomada de decisão mais complexo. Por outro lado, o advento gerou também uma grande oportunidade: os líderes e os gestores que aprenderem a processar e analisar essa enorme quantidade de dados de forma estratégica criarão uma verdadeira vantagem competitiva pessoal no mercado de trabalho. Nesse contexto, nasceu uma disciplina que vem se tornando mais e mais relevante para os negócios: data science, ou ciência dos dados.
Tida como uma espécie de intersecção entre diferentes áreas, data science é mesmo um composto de uma série de habilidades atuais: visão holística e estratégica, entendimento dos modelos de negócio, capacidade de identificar e priorizar problemas reais por meio de análises de bancos de dados e, por fim, capacidade de aplicar técnicas de estatística, programação e machine learning adequadas para solucionar esses desafios.
>> Leitura recomendada: Inovação na gestão: o impacto da inteligência artificial nos cargos de liderança
Muito além da ciência exata
Trata-se de uma forma mais ampla e estratégica de análise de dados (a propósito desse assunto, não perca nosso artigo sobre Big Data Analytics). A figura do cientista de dados, que começou a aparecer no final dos anos 2000, chegou para auxiliar companhias (de todos os tamanhos e setores) a fazer o melhor uso possível desta enorme quantidade de informações, deste big data.
O problema é que a parte científica da modalidade costuma ter peso muito maior do que a parte humana, digamos assim. De acordo com este texto da Tera, escola que promove cursos para a economia digital, os cientistas de dados acabam dando muito mais prioridade ao aprimoramento de modelos complexos e algoritmos. Com isso, acabam deixando de lado as questões que realmente importam para os negócios: aquelas capazes de prever cenários, e que podem realmente gerar valor, no sentido de aumentar eficiência, reduzir custos ou aumentar a receita. Ou seja, falta imaginação, experimentação e comunicação – e isso não depende de ciência exata.
Economia e psicologia, enfim juntas: as teorias de Richard Thaler
A julgar pelo cenário de profissionais disponíveis, o que falta em data science é o mesmo que falta ao pensamento econômico em geral: a incorporação de aspectos subjetivos. Por isso são revolucionárias as teorias do mais recente Prêmio Nobel de Economia, Richard Thaler.
Economista norte-americano, Thaler foi um dos primeiros estudiosos a aproximarem a economia da psicologia. O princípio de seu pensamento é o seguinte: os seres humanos não são sempre racionais, e suas escolhas são baseadas em questões subjetivas e culturais – muitas vezes, esses fatores podem pesar até mais do que a racionalidade.
De acordo com esta matéria da Época Negócios, a linha de pesquisa de Thaler, conhecida como economia comportamental, humaniza a economia.
E, por outro lado, mostra que o comportamento das pessoas afeta movimentos na economia que não podem ser previstos ou explicados pelos economistas clássicos. De alguma maneira, Thaler mostra que as tomadas de decisão não são tão simples como pensavam os economistas – e como pensam os data scientists.
>> Leitura recomendada: Tomada de decisão: dicas para acertar em cheio no momento mais importante de uma gestão
Fatores irrelevantes devem ser levados em conta
Neste artigo escrito para o New York Times, o próprio Thaler explica o conceito: “Um problema importante na teoria econômica tradicional é que os economistas descartam qualquer fator que não influenciaria o pensamento de uma pessoa racional. Mas infelizmente para a teoria, muitos fatores considerados irrelevantes importam. Os economistas criaram um problema para eles mesmos ao insistir em criaturas míticas conhecidas como homo economicus. Eu prefiro chamá-los de ‘Econs’ – seres altamente inteligentes capazes de fazer os cálculos mais complexos e totalmente sem emoções. Pense no Spock de Star Trek. Um Econ não compraria uma porção maior do que quer que seja que ele irá jantar na terça-feira porque estava com fome no domingo enquanto fazia as compras. A fome no domingo não deveria ser relevante para a escolha do tamanho da sua refeição na terça-feira”.
No entanto, segundo Thaler, é relevante sim. Há um tanto de imponderável em nosso comportamento, um tanto de imprevisível – um território que jamais será metrificado, quantificado, racionalizado. Daí vem a importância da aproximação com a psicologia.
Você já ouviu falar em Nudge?
Um dos pontos centrais do trabalho acadêmico de Richard Thaler é o chamado Nudge. O termo é bem recente e ainda não foi traduzido para o português, mas costuma ser definido como um “empurrão” ou um “gatilho” para influenciar a decisão de um consumidor. Thaler até publicou um livro sobre o assunto.
Um exemplo do Nudge praticado por aqui: no Rio de Janeiro, a prefeitura ligou para as pessoas para dizer que o bom cidadão paga as contas. Como resultado, as pessoas pagaram mais IPTU. Ou seja, de alguma forma, essa ligação afetou mais do que a simples chegada da conta na casa dos cidadãos.
A ciência só faz sentido se o negócio fizer
Você deve estar se perguntando o que tudo isso tem a ver com data science: pois bem, aqui também falta a inserção do fator humano, para além da pura e simples análise dos dados. Falta a interpretação, a compreensão do cenário que esses dados apresentam.
Retiradas da mesma matéria da Tera, aqui vão algumas dicas para você “humanizar” seu data science, aumentando sua chance de aproveitar melhor os dados gerados pelo seu negócio:
Entenda para atender
Épreciso que seu time de analistas compreenda, na íntegra e com empatia, as decisões-chave que os gestores têm que tomar. Só então poderão ser apresentados resultados analíticos que vão contribuir para essas decisões.
Crie laço com os objetivos-chave
De modo a garantir que os resultados analíticos sejam relevantes para a sua empresa, é também indispensável estabelecer um laço entre esses resultados e os principais objetivos de negócio: eficiência, custo, receita etc.
Viva e respire o negócio
Em qualquer empresa, sempre há pessoas experientes em termos de relação com clientes, de desenvolvimento de produto, de mercado etc. Os responsáveis por data science devem absorver tudo o que puderem com elas. Devem trocar constantemente e de forma ágil para dar transparência à evolução dos projetos e experimentos.
Automatize o fluxo de trabalho para humanizar a gestão
Para completar, vale você conhecer o Runrun.it, ferramenta online de gestão que ajuda a organizar o fluxo do trabalho e registrar melhor os dados gerados pela sua equipe.
Com ela, você conseguirá organizar as tarefas realizadas pela sua equipe, monitorar os recursos investidos e incrementar a produtividade. Tudo para que possa dedicar mais tempo a humanizar a sua gestão. Faça agora mesmo um teste gratuito: http://runrun.it
