Ciência de Dados para todos: Compreendendo a importância da análise preditiva

Stacey McDaniel | 08 November, 2022

Tópicos: análise preditiva, ciencia de dados, Aprendizado de máquina

Greg Kinsey é assessor para indústrias e consultor executivo que lidera a Hitachi Vantara na EMEA. Ele e sua equipe trabalham principalmente com indústrias europeias para ajudá-las a imaginar, planejar e executar suas transformações digitais. Em suas próprias palavras, ele ajuda as empresas a se tornarem “mais enxutas, mais verdes, mais ágeis e mais produtivas, usando ferramentas digitais para alcançar esta finalidade.

Greg tem mais de 30 anos de experiência no trabalho com a indústria manufatureira, atuando principalmente nos setores automotivo, eletrônico, aeroespacial e de bens de consumo no mundo todo. Neste blog, tivemos a oportunidade de saber sua opinião sobre vários tópicos de ciência de dados.

Qual a importância de democratizar a análise?

Acredito que seja de importância vital que a análise de dados seja parte integrante de quase todos os trabalhos industriais. Nos dias atuais, esteja você trabalhando em uma fábrica, um escritório, um centro de manutenção ou uma função voltada para o cliente — independentemente da função que ocupa ou do setor em questão — é fundamental ter a análise de dados certa ao seu alcance. Os dados o ajudam a tomar as melhores decisões para otimizar o trabalho que você está fazendo. Os dados evitam que se cometam erros. Ter os dados certos para fazer seu trabalho melhora a produtividade, reduz o estresse e aumenta a satisfação no trabalho.

Qual a importância do letramento em dados para todos?

O letramento em dados é importante, mas talvez mais importante é a constatação de que precisamos de ferramentas que viabilizem o uso fácil dos dados no trabalho, de maneira semelhante à forma como usamos os dados em casa. A revolução digital aconteceu primeiro como uma revolução do consumidor. Antes, tudo estava relacionado a comércio eletrônico, mídia social e dados pessoais. Quase todo mundo tem dispositivos digitais em casa — em geral na mão ou no pulso. Não importa quais sejam seus hobbies, tenho certeza de que você usa dados para praticá-los. Seja você um corredor de maratona, chef amador ou músico, restaurador de antiguidades ou praticante de qualquer tipo de esporte, haverá dados envolvidos. Tudo o que fazemos em nossas vidas pessoais agora usa dados — e esses dados nos ajudam a aproveitar melhor a vida. Ainda não vimos essa mudança total no dia a dia do trabalho na indústria.

Sim, as pessoas na indústria já estão coletando e relatando alguns dados, mas elas não necessariamente obtêm as análises certas de que precisam para desempenhar melhor seu trabalho. Essa questão não é tanto sobre o letramento em dados, mas sobre uma atitude das organizações no sentido de criar o ambiente certo e ter as ferramentas certas nos lugares certos, e que elas sejam fáceis de usar. Isso poderia levar a uma democratização da análise em toda a força de trabalho.

Você precisa melhorar sua compreensão de dados? Considerar cursos sobre como aplicar a análise estatística, preditiva e gráfica usando soluções do Minitab. Informe-se sobre as opções de treinamento pelo Minitab >

Descobra opções de treinamento

A ciência de dados deveria ser mais acessível para ampliar a comunidade de usuários? Por que isso é vital?

A ciência de dados precisa se tornar parte de tudo o que fazemos. O termo “cientista de dados” é enganoso — eu acredito que qualquer pessoa que use estatísticas básicas pode ser considerado um cientista de dados. O uso de dados de forma rigorosa agora está aumentando em quase todas as funções profissionais. Então, de certa forma, todos nós nos tornaremos "cientistas de dados", como parte de qualquer trabalho que fizermos.

Eu estive profundamente envolvido no início do movimento Six Sigma na década de 1990. Foi aí então que reconhecemos o poder de dar aos trabalhadores da indústria acesso a ferramentas estatísticas básicas. Não os chamamos de “cientistas de dados”. Em vez disso, criamos o termo “Black Belts”. Eles usaram a ciência de dados para descrever processos, solucionar problemas e aplicar análises básicas às operações diárias. Essa foi a origem de como a ciência de dados se enraizou nas operações industriais. Six Sigma criou a base para a transformação digital.

Hoje em dia, o mundo dos negócios está realmente começando a aceitar o valor dos dados. Está comprovado que eles têm um grande impacto na produtividade, na tomada de decisões e até na redução dos níveis de estresse dos funcionários, porque os problemas podem ser resolvidos de forma mais rápida e fácil com os dados certos.

Digital é um tema que vive apenas no departamento de TI?

De jeito nenhum. Eu acredito que digital é um tema que interessa a toda a organização. O uso de dados e análises, bem como das ferramentas associadas, deve ser estendido a quase todas as funções. Muitas empresas mantêm os dados isolados nas mãos de alguns “especialistas” em vez de permitir que cada um possa acessar os dados que lhe sejam úteis em seu trabalho diário.

Estamos mudando para um mundo em que os gerentes operacionais também possuem estratégias digitais em suas funções. Portanto, quando você fala com alguém que chefia um departamento de manutenção, de qualidade, de marketing ou de cadeia de suprimentos, essa pessoa é, ou deveria ser, responsável pela transformação digital dessas funções.

Muito do trabalho de consultoria que fazemos como Hitachi é trabalhar com os líderes funcionais.

O departamento de TI apoia a transformação digital, mas vejo que esse processo, na verdade está sendo conduzido do ponto de vista de operações, porque é onde os usuários estão. Os gerentes de operações sabem melhor por onde começar a transformação digital e geralmente têm uma visão para suas operações futuras. Muitas das melhores ideias vêm de pessoas que trabalham nas operações diárias, por isso é importante envolvê-las nos esforços de design digital.

Isso representa uma grande mudança em relação a 20 anos atrás, quando novos sistemas foram implementados e as organizações tiveram que mudar a maneira como trabalhavam para se adequar a TI. Lembro-me de muitas empresas que adaptaram seus processos de negócios para atender aos requisitos das rígidas aplicações MES ou MRP. Com frequência, isso impedia a inovação e a otimização operacional.

Agora está acontecendo o contrário; temos a chance de criar interfaces, algoritmos e plataformas digitais que fazem sentido para os processos de trabalho. O método agile é focado nos problemas a serem resolvidos e nas experiências do usuário que são necessárias. O departamento de TI deve, então, oferecer apoio a essas inovações e fazer com que se encaixem na infraestrutura geral de TI.

As organizações deveriam priorizar o investimento em soluções com pouco código e sem código?

Com certeza. Pense na forma como usamos nossos smartphones. Não precisamos saber como programar um código para fazer coisas úteis com eles. Deve ser o mesmo caso com as ferramenta de análise no trabalho. A experiência do usuário deve ser rápida, fácil e relevante.

Durante os primeiros dias da TI no mundo dos negócios, tudo se resumia a ferramentas sofisticadas que podiam ser usadas apenas por especialistas. Você se lembra das pessoas que eram chamadas de “programadores”? Hoje, o que importa é encontrar ferramentas de análise que todos possam usar. Na Hitachi, estamos criando soluções que não exigem grandes esforços de programação ou codificação em linguagens avançadas.

Os profissionais orientados por dados estão sempre tentando prever o que exercerá o maior impacto sobre os resultados de negócios. A análise preditiva pode ajudar a identificar, em segundos, os fatores mais importantes. Por que isso é tão importante?

A análise preditiva é uma verdadeira revolução. A maioria dos dados usados hoje na indústria são retrospectivos. Os dados históricos descrevem o que aconteceu no passado. Em algumas áreas, os dados em tempo real estão disponíveis, o que possibilita a visualização de o que está acontecendo naquele exato momento. Com as análises avançadas de hoje, é possível começar a fazer projeções sobre o que acontecerá com base no comportamento de fatores causais. Por exemplo, talvez o clima afete suas operações. Ou talvez uma grande mudança nas taxas de câmbio venha a afetar sua estrutura de custos. Ou uma mudança rápida nas preferências do consumidor. Talvez você queira coletar e analisar dados sobre esses fatores para entender o que está acontecendo hoje e amanhã. Para começar a extrapolar esses dados a fim de projetar como será a próxima semana ou o próximo mês, entra em cena a análise preditiva — com base em aprendizado de máquina e dados fatoriais — viabilizando uma visão do futuro.

Gosto de pensar nisso como uma “viagem no tempo”. A análise preditiva nos dá a capacidade de viajar para alguma data futura e criar cenários, perguntando “e se?”. E se o mercado for realmente por uma determinada direção e a demanda realmente mudar de uma maneira específica? E se acelerarmos ou desacelerarmos um processo? Que tal simular mudanças no design do produto? E se for possível considerar o impacto de um resultado econômico ou político? Como isso afetará a economia ou o ambiente regulatório em que operamos? O escopo pode ser amplo.

Em seguida, você pode agrupar todos esses fatores e criar cenários para o próximo ano, próximo trimestre ou mês seguinte. Você começa a ver como essas diferentes relações de causa e efeito se desenrolarão no futuro. O que podemos fazer sobre isso? Que mudanças ou ações corretivas serão necessárias neste cenário futuro? É daí que vem o valor. Ao otimizar o seu desempenho futuro.

É por isso que é tão importante. Você pode se preparar, antecipar-se aos acontecimentos a fim de gerenciar melhor seu negócio, sua organização e seus processos e lidar melhor com todas essas mudanças que vêm em sua direção. É sobre ser ágil (agile).

Aumente seu conjunto de habilidades de análise preditiva com recursos fáceis de usar, porém robustos. Saiba mais neste webinar sob demanda >

Gravação de Webinar em inglês

Você acredita que os engenheiros podem se transformar em cientistas de dados usando tecnologia com pouco código ou sem código?

Claro! Eu me formei como engenheiro, sou bacharel em engenharia mecânica. Aprendi que a engenharia envolve resolução de problemas, modelagem matemática e aplicação do método científico. A ciência de dados faz parte disso.

O advento da tecnologia que reduz a necessidade de programação complexa para acessar e usar dados está levando a uma utilização cada vez maior da ciência de dados na comunidade de engenharia. Mas abrange muito do que isso. O grande ganho está no que fica além da comunidade de engenharia — quando os trabalhadores qualificados que operam máquinas, dirigem veículos, fazem manutenção de equipamentos, desempenham funções de manufatura — quando todas essas pessoas começam a se tornar cientistas de dados, aí está o grande ganho. E não vamos nos esquecer dos gerentes, incluindo os Diretores — eles também estão se tornando “cientistas de dados”.

Quando toda a organização tem dados e ferramentas de análise melhores e que são fáceis de usar, isso viabiliza a “ciência de dados para todos”. Acredito que este seja um dos elementos fundamentais da 4ª revolução industrial.

Pronto para saber o valor real de seus dados? Fale com a Minitab

Talk to Minitab