Ciência de dados explicando coisas que acontecem no mundo

Hoje cada ser humano com um dispositivo móvel em mãos produz uma série de dados, gerados em velocidade, volume e variedade nunca vistos antes. A internet das coisas tem se tornado um mar de oportunidades para a ciência de dados nos últimos anos. Isso acontece, porque, através de sensores inteligentes e softwares que transmitem dados para uma rede, o IOT conecta objetos físicos comunicando entre si e com seus usuários. Aliado a essa disponibilidade dos dados, a evolução de processadores, computadores e celulares na última década permitiu um grande avanço desse universo digital. Com isso, a internet tornou-se cada vez mais acessível, populada e, assim, quantidades massivas de dados passaram a ser produzidas diariamente – o que conhecemos como Big Data. 

Mas e agora que os dados estão aí, o que fazer? 

É de se imaginar que com tanta oferta de dados o esforço para analisá-los também é muito maior. Dados por si só não trazem informação, o que é capaz de gerar conhecimento a partir dos dados é o processo de análise dos mesmos. E é neste cenário de geração de valor da informação que se entende a importância da Ciência de Dados nos negócios. O entendimento de que esses dados podem conter informações preciosas tem feito com que várias áreas de conhecimento busquem na Ciência de Dados, conhecimentos que levem à solução de vários de seus problemas e permitam avanços significativos.

Ciência de dados nos Negócios

Inúmeras tomadas de decisão são feitas em um curto espaço de tempo ou em tempo real, imediato. Apesar disso, a longo prazo, podem representar um risco crítico para uma empresa ou corporação se não guiadas a partir de informações sólidas e padrões lógicos.  A ciência dos dados é frequentemente aplicada para garantir a previsibilidade em todos os níveis de tomadas de decisão. Suas aplicações nos negócios são inúmeras e incluem desde a detecção de fraudes, sistemas de recomendação, previsões da demanda, até a otimização de rotas de transporte.  

Publicidade e ciência de dados 

No setor empresarial, a ciência de dados desempenha um papel importante em praticamente todos os aspectos das operações e estratégias de negócios. As redes sociais desempenham um papel estratégico no marketing de empresas como Instagram, Facebook, YouTube, LinkedIn, Twitter, a gigante google, a Netflix entre outras. Essas redes utilizam a ciência nesses milhões de dados, disponibilizados nos mais diversos tipos, como textos, vídeos, fotos entre outros, publicados por seus usuários, para extrair informações sobre perfil dos seus clientes. Essas valiosas informações ajudam as empresas de todos os setores ajudam essas empresas a criarem planos e estratégias de marketing mais fortes, com a publicidade direcionada para aumentar as vendas de produtos, identificando de tendências de mercado e concorrência. Sem esse tipo de análise, as empresas podem perder oportunidades e tomar decisões falhas.  

S&OP e ciência de dados 

Na maior parte das organizações, o planejamento estratégico do negócio, o planejamento de vendas e o planejamento da produção eram atividades feitas por equipes diferentes, em momentos diferentes e sem qualquer troca de informações ou comunicação entre si. O S&OP ou Sales and Operations Planning (Planejamento de Vendas e Operações) é um processo integrado para gerir as áreas de negócios de uma forma sustentável. Gerenciando e alocando os principais recursos da operação como um todo, desde o planejamento de produção até a entrega final dos produtos. A ciência de dados permite integrar as informações nos seus diferentes níveis espaço temporais de detalhamento, integrando toda a cadeia de suprimentos com modelos de matemáticos de otimização robustos. Esses modelos garantem a previsibilidade da produção e demanda otimizando os recursos de forma sustentável. 

Recursos humanos e ciência de dados 

Selecionar candidatos é uma tarefa árdua para muitas organizações. Quem nunca se arrependeu de uma contratação? A grande dificuldade está em definir quem desempenhará melhor a função a partir de uma quantidade limitada de informações.  A Ciência de Dados pode ajudar nisso. É possível treinar o computador para tomar esse tipo de decisão por você, registrando os casos de sucesso e fracasso de recrutamento ocorridos no passado, analisando e inferindo sobre as características que, de fato, implicarão numa contratação que trará resultados no futuro. Para os mais céticos é importante saber que isso já está sendo feito e tem nome: People Analytics. Algumas organizações estão usando não só dados dos testes, mas também dados obtidos através do Facebook para análise de perfil. 

Risco financeiro e ciência de dados 

No gerenciamento de riscos financeiros, a ciência de dados tem buscando padrões nos dados de forma a reconhecer a ocorrência de evento fraudes com cartão de crédito, fraudes com seguro, fraudes no plano de saúde, corrupção, lavagem de dinheiro, cibercrime e uma lista poderia seguir indefinidamente. Esse reconhecimento de padrões nas informações é importante para a detecção anomalias presente nas transações fraudulentas, ajudando a prever resultados e definir regras mais eficazes, de forma a minimizar os riscos de perdas.  

• No caso de uma seguradora de automóveis, por exemplo, existe uma grande chance de ocorrência de sinistros que contenham algum indício de fraude externa. Por exemplo a cobrança de peças não instaladas, reparos desnecessários e até mesmo danos intencionais ao veículo. Essa aplicação é uma necessidade para que os provedores se mantenham à frente dos fraudadores, reduzam perdas e forneçam as melhores soluções ajustadas ao risco a seus clientes; 
• No setor bancário modelos de machine learning análise de risco de concessão de crédito. Antes de concordar com a concessão do crédito, o banco analisa o perfil do cliente e o compara com os dados históricos de pagamentos e falhas de pagamento dos empréstimos concedidos, dessa forma o banco consegue determinar se o cliente em questão será um possível bom ou mal pagador.

Ciência de dados na Saúde e ciência de dados 

Uma das principais aplicações da ciência de dados é na área da saúde. Esse setor utiliza intensamente data science para descoberta de novas drogas, na prevenção, diagnóstico e tratamento de doenças e no monitoramento da saúde de pacientes. Durante a pandemia de COVID-19, a ciência de dados emergiu como um dos primeiros recursos buscados para compreender o comportamento do vírus na população mundial. Além disso, foram criados modelos preditivos sobre os impactos da doença e divulgadas estatísticas relacionadas por meio da visualização de dados. A pandemia de COVID-19 ressaltou a importância do acesso seguro a informações precisas e confiáveis. Nesse sentido, também reforçou a necessidade crítica e urgente de transformação digital do setor da saúde, cumprindo um dos compromissos da Agenda de Saúde Sustentável para as Américas 2018-2030. Nela, é definida uma política para a aplicação da ciência de dados na saúde pública.

Ciência de dados na Sustentabilidade

A Agenda para o Desenvolvimento Sustentável de 2030, adotada por todos os Estados Membros das Nações Unidas em 2015. Ela fornece um projeto comum para a paz e prosperidade das pessoas e do planeta, agora e para o futuro. Parte desse projeto é o plano de 17 objetivos de desenvolvimento sustentável traçados pela ONU. Esses objetivos abordam questões desde redução de desigualdades, consumo e produção responsável, educação de qualidade e etc. A questão é como podemos utilizar a ciência de dados para nos ajudar no alcance desses objetivos? Como a ciência dos dados pode ser utilizada para melhorar as nossas vidas e as vidas das gerações futuras?  Muitos grupos de pesquisa atuam para desenvolver soluções para tais problemas por meio do uso da ciência de dados. 

ESG sustainability goals

A Agenda para o Desenvolvimento Sustentável de 2030 estabelece as métricas relevantes para a quantificação das metas. Nesse contexto, o SDG Tracker, criado pela Our World in Data, desempenha um papel fundamental. Ele utiliza dados da ONU e de outras organizações, fornecendo visualizações de dados e explicações dos indicadores. O objetivo desses indicadores é responsabilizar os governos por seus compromissos. No entanto, ainda existem vários desafios relacionados à coleta, armazenamento e disponibilidade desses dados, a fim de permitir uma avaliação abrangente de todos os critérios de atendimento estabelecidos.

Identificação de volume de resíduos plásticos

Os resíduos plásticos são uma grave questão ambiental. Infelizmente, muitos dos nossos resíduos acabam no oceano. Alguns grupos de pesquisa utilizam dados em formatos de imagem para reconhecer esses resíduos no oceano. Assim, com o auxílio desse reconhecimento, é possível estimar o volume de resíduos e traças planos de ação para retirá-los. 

Logística

O setor dos transportes desempenha um papel significativo nas alterações climáticas. Além disso, a ciência de dados desempenha um papel importante na obtenção de rotas mais curtas, resultando na redução do consumo de combustíveis. É fundamental reduzir e substituir o transporte pessoal com automóveis por meios de transporte menos poluentes. Nesse sentido, os dados de mobilidade desempenham um papel crucial na análise dos padrões de viagem. Esses dados podem, por sua vez, informar as infraestruturas de transporte público, tornando-as mais acessíveis. Em áreas urbanas, é possível ajustar os horários, capacidades e opções de transporte disponíveis. Essas ações têm o potencial de motivar mais pessoas a adotar modos de transporte mais sustentáveis.

Campo de atuação

A ciência de dados é um ramo multidisciplinar podendo ser portanto aplicado em diversas áreas diversas áreas do conhecimento. Ela envolve técnicas de computação, matemática, estatística, inteligência artificial, e otimização com o intuito de resolver problemas analiticamente complexos, utilizando grandes conjuntos de dados.  

Outro ponto importante a ser abordado é que a carreira de Dados não se resume apenas ao papel do Cientista de Dados. Além disso, um time completo de dados envolve diferentes papéis, como o do Engenheiro de Dados, Analista de Dados (BI), Arquiteto de Dados e Engenheiro de ML. Esses papéis são essenciais para o desenvolvimento completo de aplicações, como os exemplos que foram mostrados.

Por: Larissa Carolina e Ana Carolina Albuquerque