Data science

O que é data science?

A data science é uma forma de estatística aplicada que incorpora elementos de ciências da computação e matemática para extrair insights de dados quantitativos e qualitativos.

As ferramentas e tecnologias usadas em data science incluem algoritmos e frameworks de machine learning, assim como linguagens de programação e bibliotecas de visualização.

Um cientista de dados combina programação, matemática e conhecimentos de domínio para responder perguntas através dos dados.

Por que data science é importante?

As práticas de data science mantêm as empresas competitivas e mais produtivas.

As organizações que priorizam a data science descobrem tendências e oportunidades que poderiam ter sido ignoradas se tivessem optado por não explorar os dados disponíveis. Os insights obtidos pela data science podem ter um enorme impacto nos resultados dos negócios.

A data science extrai informações úteis tanto de grandes quanto de pequenos conjuntos de dados. Embora grandes quantidades de
dados sejam necessárias para treinar sistemas de inteligência artificial (AI), a data science ainda pode ajudar com pequenos conjuntos de dados.

Por exemplo, os varejistas costumavam prever o estoque das suas lojas com base nas vendas das mesmas lojas. Quando a pandemia de COVID-19 fez com que os estabelecimentos fossem fechados, os varejistas tiveram que alterar seus métodos de previsão à medida que a quantidade e o tipo de dados disponíveis mudavam.

Quando há apenas uma pequena quantidade de informações disponíveis, a data science usa práticas como reforço de dados, geração de dados sintéticos, transferência de aprendizagem e aprendizagem de conjunto para fornecer insights.

A data science também permite que uma organização crie resiliência adicional. Neste mundo tecnológico
em constante mudança onde as coisas podem se transformar rapidamente, as empresas precisam ser capazes de se adaptar e responder rapidamente,
e a data science pode facilitar isso.

A data science é aproveitada por muitas organizações e tem diversas aplicações. As empresas que não a aproveitam correm o risco de ficar para trás ou acabar fechando.

Ciclo de vida de data science

A data science é um processo cíclico. O ciclo de vida pode ser dividido nas seguintes etapas:

Conhecimento do tópico: para começar, um cientista de dados precisa ter uma compreensão básica do tópico ou problema que está tentando explorar para poder fazer perguntas relevantes. A natureza da data science é buscar explicações sobre por que as coisas são como elas são. Uma base de conhecimento especializada define a necessidade de um projeto de data science e garante decisões mais confiantes e orientadas por dados.

Aquisição de dados: a próxima etapa do ciclo de vida da data science é coletar os dados certos para ajudar a responder à pergunta definida. Os dados podem residir em uma variedade de lugares ou serem difíceis de acessar, dependendo do conjunto de habilidades de uma pessoa. Mas o sucesso do restante do processo de data science depende da qualidade das informações coletadas nesta etapa e de como elas são preparadas.

Preparação dos dados: Preparação de dados: é a etapa mais demorada e, provavelmente, a mais importante do ciclo de data science. A qualidade do resultado dela depende das informações que você fornece. Os dados precisam ser devidamente limpos e combinados antes da análise. Isso pode incluir a integração de fontes diferentes, o tratamento de valores ausentes e outliers, e muito mais. Durante essa etapa reiterada, um cientista de dados pode perceber que precisa voltar e coletar mais informações.

Análise exploratória de dados: Análise exploratória de dados: envolve a identificação e a compreensão de padrões em um conjunto de informações. Uma vez que os dados estejam limpos e sejam utilizáveis, os cientistas de dados podem dedicar algum tempo entendendo as informações e formando hipóteses para testar. Essa é outra etapa em um processo iterativo, e um cientista de dados pode precisar de uma ou duas etapas para executar limpeza e combinação adicionais com base nas descobertas. A prática inclui a revisão dos atributos distintos de cada ponto, ou "recursos" no conjunto de dados, e a determinação se outras combinações e transformações de dados produziriam novos recursos potencialmente significativos. O processo de criação de novos recursos nos dados é chamado de "engenharia de recursos". Geralmente ocorre na interação entre as etapas de análise exploratória e preparação dos dados.

Modelagem e avaliação preditiva: após a exploração, um cientista de dados pode começar a treinar modelos preditivos. A modelagem preditiva muitas vezes pode ser combinada com a exploração de dados. Assim que a modelagem e a avaliação começarem, é provável que um cientista de dados perceba novas coisas sobre os recursos e volte a iterar sobre a engenharia de recursos. À medida que os modelos são construídos, eles precisam ser avaliados. Um cientista de dados deve continuar a testar e refinar modelos até encontrar um com o qual esteja satisfeito.

Interpretação e implantação: o resultado de todo esse trabalho pode ser uma interpretação dos dados e resultados, no qual o cientista de dados usa o modelo e toda a análise que realizou durante o ciclo de vida para responder à pergunta com a qual começou. Outro resultado pode ser que o modelo seja destinado à implantação, na qual será usado para ajudar os interessados a tomarem decisões orientadas por dados ou automatizar um processo (se esse for o seu resultado, não se esqueça da próxima etapa, o monitoramento).

Monitoramento: depois que o modelo é implantado, ele precisa ser verificado e mantido para que possa continuar funcionando corretamente mesmo quando receber novos dados. Os modelos precisam ser monitorados para que, quando os dados forem alterados devido às mudanças no comportamento ou outros fatores, os ajustes possam ser feitos de acordo.

Repetição: o ciclo se repete, quer o objetivo final seja a interpretação imediata ou implantação a longo prazo. O resultado de qualquer projeto de data science deve ser aprender algo novo sobre o tópico ou problema que está sendo explorado, o que leva a perguntas novas e mais profundas.

Aplicações de data science em diferentes setores

As empresas usam a data science todos os dias para melhorar seus produtos e operações internas. Praticamente todo tipo de negócio em qualquer setor pode se beneficiar da data science.

Alguns exemplos de casos de uso incluem:

• Uma empresa de software de energia que usa modelos de recomendação para combinar clientes elegíveis com produtos de energia novos ou existentes
• Uma empresa do setor financeiro que usa modelos de machine learning para alcançar clientes em potencial que podem ter sido ignorados por instituições bancárias tradicionais
• Uma empresa de compartilhamento de carros que usa modelos de preços dinâmicos para sugerir preços para as pessoas que registram e alugam carros
• Uma instituição de ensino superior que combina dados de transcrições, pontuações de testes padronizados, dados demográficos e muito mais para identificar estudantes em risco de não se formarem
• Uma fintech que usa uma combinação de consultas de dados complexas e algoritmos de decisão para avaliar se um solicitante de empréstimo é fraudulento

Veja mais sobre esses casos de uso no documento Data science na prática: cinco aplicações comuns.

Business intelligence x data science

Embora a data science tenha aplicações de negócio significativas, seu foco é mais amplo, e as táticas são mais diversificadas do que o business intelligence.

O business intelligence usa estatísticas e ferramentas de visualização de dados estruturados tradicionais para descrever e apresentar tendências atuais e históricas de uma forma fácil de consumir e entender.

A data science aproveita essas abordagens, assim como o machine learning em relação aos dados estruturados e não estruturados, para investigar relacionamentos e descobrir resultados prováveis ou ações ideais.

Embora o resultado mais típico de business intelligence seja alguma forma de relatório ou painel (informando uma pessoa, que tomará a melhor decisão estimada), a data science produz decisões e ações que podem ser executadas diretamente.

Quem pode usar a data science?

Apesar do que muitos pensam, os cientistas de dados não são os únicos que usam a data science. Na verdade, qualquer pessoa pode lançar mão dela. Graças aos avanços tecnológicos, a data science não requer mais conhecimento especializado em programação ou estatística avançada. "Arrastar e soltar" agora é uma forma amplamente aceita e viável de data science, oferecendo aos analistas e outros profissionais o poder de criar e implantar modelos em escala. Esses "citizen data scientists", ou profissionais de dados, que podem executar análises avançadas sem conhecer as complexidades dos processos de back-end, têm sido muito procurados.

Com a data science em alta demanda e os cientistas de dados tradicionais estando em falta e pedindo altos salários, os citizen data scientists são vistos como multiplicadores da data science. Com as verificações apropriadas em vigor, eles podem aumentar amplamente a produção de modelos em qualquer corporação, gerando insights e receitas que antes seriam impossíveis.

Como começar a usar a data science

O Alteryx Analytics Automation Platform permite que você crie fluxos de trabalho automatizados e
repetíveis que podem tornar o processo de data science mais fácil e eficiente. O acesso aos dados,
a preparação, a modelagem e o compartilhamento dos resultados analíticos acontecem no mesmo lugar, em uma única plataforma
fácil de usar.

Você também pode aprender como integrar o Alteryx ao
Snowflake, uma ferramenta de analytics e armazenamento de dados baseada em nuvem,
através do nosso kit de
início. O uso dos dois
em conjunto facilita a condução de resultados analíticos e de data science na nuvem.