O Data Science, o Data Mining e o Analytics

Por volta do século V. a.c., os gregos já iniciaram inúmeros estudos e aprenderam a aprender, originaram estudos como a matemática, a física e tantos outros como a astronomia. Dentre estes estudos tinham técnicas de observação dos céus e mesmo sem computadores, conseguiam identificar padrões de estrelas bem como a sua repetição todos os anos, iniciaram tentando identificar estas relações com o corpo humano com a astrologia, uma ciência que ficou um pouco mais no lado épico do ser ao que nos foi dado saber até então… Enfim, mais tarde no século XV, com o renascimento e os conhecimentos náuticos, encontraram uma finalidade comercial nesta descoberta e observação antes originada com os gregos, que foi a navegação e as expedições marítimas. Pelas estrelas eles sabiam para onde iam, em que mês estavam e etc. principalmente durante a noite, calculavam distâncias e etc.

Hoje o pulo-do-gato do Data Science é identificar estes padrões de seus estudo e saber o que eles querem nos dizer naquilo que estamos buscando, seja em Ciência, seja no mundo dos negócios. Então, eu tenho um Banco de Dados Relacional fixo, que chamamos de Banco de Dados relacional Cliente Servidor, ou mesmo um Big Data, que são conjunto de dados mais fragmentados com dados em computador, tablet, celulares e até IOT – Internet das coisas, enfim pega-se todos estes dados e cria-se um modelo dimensional, que é basicamente buscar transformar estes dados brutos em informação real e prática, transformando estes dados em qualitativos e quantitativos, num processo denominado ETL – Transformação de Dados, de posse destas métricas com sistemas como Tableux, Power BI, Qlik View e até mesmo um Excel moderno, busca-se estes padrões de dados, que comercialmente identificamos como cliente 1:1, que é saber aonde o nosso cliente está afim de saber o que fazer para ganha-lo mais e mais e aumentar os nossos lucros. Em Ciências o raciocínio não é tão diferente, esta técnica pode ser utilizada para aprender como funciona uma cultura, seja de bactéria, seja humana, por exemplo, afim de se identificar se um remédio surte um efeito ou não numa dada condição, ou na Ciência Social, se um evento surtiu o efeito esperado numa ou noutra cultura social ou mesmo tribal, suas semelhanças e suas diferenças, os Cientistas estabelecem métodos e pelos padrões, aprendem e encontram-se na realidade prática dos seus estudos e de suas competências muito importantes neste processo de aprender a aprender.

Comercialmente o Data Science se aplica mais ao Marketing e norteia a empresa a conhecer o seu público alvo, o seu nicho, os produtos que se afinam com as escolhas deste cliente, quando compra e quanto compra entre outros atributos e isto se aplica ao CMO – Diretoria de Marketing, também se aplica ao Marketing o Data Mining, que é a projeção destes dados por meio de pequenas amostras, num processo denominado Training, aonde se procura predizer estas tendências futuras destes padrões como faturamento do próximo semestre mês a mês, então o profissional vai garimpando isto até que se atinja o grau esperado em sua microeconomia empresarial, garantindo-se menores perdas com esta maior certeza.

Já o Analytics, se aplica ao CEO – Presidente da empresa, num processo mais macro de tomada de decisões de aporte de investimentos em marketing, tecnologias para a direção da empresa como um todo, enquanto que o foco do Data Science no sentido empresarial é mais na relação cliente-produto. Os processos do Analytics começam com KPIs – Indicadores de desempenho, dos níveis gerenciais até a tomada de decisões mais importantes de nível de presidência, visando mais o marketing corporativo e administrativo.

O grande papel mais importante do que as tecnologias neste processo, é saber se situar e o que quer destes dados, afim de transformá-los em informação e em conhecimento, é saber calcular, fazer as fórmulas, os algoritmos, exigir de seus técnicos conhecimentos de interpretação e sobretudo de observação, afim de se identificar estes padrões, seja de comportamento de consumo, seja de comportamento esperado, enfim, saber identificar esta informação e torna-la útil para a empresa, um conhecimento ou know-how em seu core buzines, sua atividade fim, esta capacidade de raciocínio é o que o Data Scientist deve almejar.

Acontece que poucos sabem a força que tem um computador e não sabem tirar o devido proveito das tecnologias que temos hoje-em-dia, percebemos isto claramente na política e na economia, com as crises econômicas e disputas baratas entre setores, percebemos isto na grande quebradeira de empresas. Se o Data Science for melhor compreendido e levado no nível social, a empresa pode dar uma grande contribuição aos seus funcionários, seu mercado e a seu patrimônio, sem dúvida.

Há muito que se evoluir na questão e precisamos de mais coesão tanto no mundo científico quanto no mundo corporativo e mais focado ao bem comum, e se os Gregos do século V. inventaram as bases da matemática, uma das maiores Ciências atuais e sem precedentes, o que será que não podemos inventar com centenas de milhares de instruções que um computador pode nos fornecer por segundo? Viveríamos num mundo mais pacífico se tudo fosse muito bem utilizado com uma inteligência maior e não tão pequena… Podemos, já é hora, basta todos querermos mais o que é da gente…

Abraços,

 

 

 

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *