De facto, a “data science” ou a ciência dos dados está a tornar-se numa realidade incontornável para a gestão da mudança e está na agenda da gestão de topo da maioria das empresas atualmente.

A “data science” é mais complexa do que aparenta, pois envolve disciplinas diversas como estatística, computação, gestão de negócios e matemática. Na prática refere-se a processos, métodos científicos e técnicas com o intuito de extrair informações relevantes para o negócio a partir do enorme volume de dados, grande parte derivados de Big Data. Para uma organização implica também ter capacidade de interpretação de dados e antever alternativas, oportunidades de mercado e direções a partir de dados.

Quando uma empresa utiliza uma abordagem “orientada por dados”, significa que toma decisões estratégicas com base na análise e interpretação de dados. Uma abordagem orientada por dados permite que as empresas examinem e organizem os seus dados com o objetivo de melhor compreender o mercado e o comportamento dos seus clientes e satisfazer as suas necessidades trazendo valor para a organização.

Vários estudos indicam que as empresas mais bem posicionadas para mudar na próxima década serão, sem dúvida, aquelas que se prepararem bem agora a este nível, investindo em pessoas qualificadas e recolhendo a tipologia de dados correta e investindo na sua capacidade analítica.

São múltiplas as vantagens de utilizar uma abordagem de tomada de decisão “orientada por dados”, sendo as mais relevantes a celeridade e eficácia no processo de decisão bem como a possibilidade de cruzar diversas fontes de dados em tempo real e ter uma decisão mais fundamentada e poder-se fazer análise preditiva com menor margem de erro.

O “santo graal” da análise de dados é mesmo podermos construir modelos preditivos, ou seja, prever e recolher grandes e diversos conjuntos de dados, para depois com recurso a inteligência artificial (IA) e machine learning (ML) identificar padrões e daí “forecasts” para a gestão. 

Porém, apesar de nos últimos anos esta ciência ter evoluído muito, há ainda muitos desafios na prática: falta de profissionais qualificados para as funções de business analytics ou de data scientist; pouca qualidade dos dados disponíveis para análise; diferentes formatos de dados que colocam desafios em termos de unificação; fontes credíveis de dados, sobretudo dados de mercado; curva de aprendizagem demorada ao nível da interpretação dos dados. Adicionalmente, muitas das organizações que trabalham com modelos de IA/ML hoje não têm uma estratégia de dados.

Na minha perspetiva para lá dos desafios acima há um ainda maior que é ter uma cultura organizacional na qual todos valorizem a utilização dos dados para tomar decisões de negócios. Por outras palavras, a existência de uma cultura organizacional orientada a dados. E aqui, sim, ainda temos muito que fazer. Mas é por aqui o caminho, e este faz-se caminhando.