Casos clássicos e desafios do uso da Ciência de Dados

Conheça casos clássicos da aplicação de ciência de dados e os seus principais desafios.

O livro Data Science para Negócios é uma excelente fonte de inofrmações para ganhar vocabulário sobre Ciência de Dados. Este livro conta três situações onde o uso da Ciência de Dados levou a ações importantes em diferentes tipos de negócios. Neste post vamos resumir os três casos e enfatizar os principais desafios para aplicação das técnicas de Ciência de Dados em situações reais.

 - O furacão Frances e o Walmart: este caso foi primeiro publicado em uma matéria no jornal The New York Times em 2004. O furacão Frances ameaçava atingir a costa atlântica da Flórida. Os moradores se mudaram para uma região mais elevada na cidade de Bentonville, Arkansas. Executivos da varejista Walmart identificaram que a situação era uma oportunidade para o time de dados usar técnicas de análise preditiva para decidir como preparar as lojas para a passagem do furacão. Linda M. Dillman, diretora executiva de informação, demandou que sua equipe trabalhasse para fazer previsões baseadas no que havia acontecido quando o furacão Charley apareceu algumas semanas antes. Baseado nos dados de compras de seus milhões de clientes, a empresa pôde se planejar para a passagem do furacão Frances. O New York Times relatou que os especialistas exploraram os dados e descobriram que as lojas precisavam reforçar o estoque de alguns produtos além das habituais lanternas. Os dados mostraram que as vendas de Pop-Tarts de morango aumentou sete vezes acima do normal antes do furacão. A diretora também comentou em uma entrevista que o produto mais vendido pré-furacão foi cerveja.

 - Target e os bebês: esse caso foi notícia em 2012 quando a Target varejista norte-americana, preocupada com os hábitos de compra de seus clientes, notou que a chegada de um bebê mudava significativamente os hábitos de compra da família. A maioria dos varejistas sabe disso e competem na tentativa de vender produtos de bebês para os novos pais. Nos Estados Unidos os registros de nascimento são públicos, assim os varejistas enviam ofertas especiais para os pais. Porém, o objetivo da Target era sair na frente e queriam prever se as pessoas estavam esperando um bebê. Assim, analisaram dados históricos das clientes que souberam posteriormente que estavam grávidas. Os Cientistas de Dados da Target foram capazes de obter informações que poderiam predizer quais clientes estavam esperando um bebê. O modelo preditivo da Target foi tão bem sucedido que a Target começou a enviar campanhas promocionais para famílias que não sabiam que suas filhas adolescentes estavam grávidas. Este caso levantou questões éticas sobre o uso de técnicas preditivas. Tais preocupações são relevantes, e merecem um post dedicado.
 
 - Banco Signet e os dados como ativo estratégico: na década de 1980 técnicas de análise de dados haviam transformado o setor de crédito ao consumidor ao modelar a probabilidade de inadimplência. Porém, na década de 1990 cartões de crédito ainda tinham preços uniformes, por dois motivos: i) as empresas não possuíam sistemas adequados para lidar com preços diferentes e ii) os bancos acreditavam que os clientes não apoiavam a diferença de preços. Nesta mesma década, dois visionários (Richard Fairbanks e Nigel Morris) notaram que a tecnologia era poderosa suficiente para criar modelos preditivos mais sofisticados e com eles oferecer condições diferenciadas no produto cartão de crédito. Eles tiveram dificuldades em encontrar grandes bancos que apoiassem essa ideia, porém conseguiram apoio de um pequeno banco do interior da Virgínia, o banco Signet. Um detalhe importante é que ao invés de focar a modelagem na inadimplência, o banco Signet queria focar na lucratividade que cada cliente traria para o banco. Porém havia um grande desafio para implementar essa estratégia: eles não tinham dados. Na verdade ninguém tinha. Como todos os bancos ofereciam produtos padronizados, não havia variabilidade. A estratégia que usaram foi ousada e consistiu em obter os dados necessários a um custo, ou seja, eles consideraram os dados como um ativo de negócio e estavam dispostos a investir para obtê-los. Eles desenharam diferentes produtos e começaram a oferecer aleatoriamente aos clientes. Como era de se esperar, no começo o banco Signet teve prejuízos, porém com o passar do tempo os cientistas de dados trabalharam na construção de modelos preditivos e começaram a implantá-los para aumentar o lucro do banco. Por fim, a operação de cartão de crédito tornou-se rentável e chegou a ser desmembrada em outras operações.
 
Os três casos mencionados são o resultado de muito empenho e dedicação na construção de uma cultura baseada em dados. Mas o caminho para esse sucesso não é livre de desafios. Pode se dizer que os quatro principais desafios de uma organização para implantar uma cultura baseada em dados são:

- Fontes de dados e ferramentas: organizar e harmonizar as diferentes bases de dados dentro de uma organização é um grande desafio para implantar uma cultura de decisões baseadas em dados. Seja qual for o negócio, em geral existem diversas bases de dados desorganizadas e desconectadas. Isso aliado ao uso desorganizado de diversas ferramentas computacionais configura um dos principais desafios para a aplicação de técnicas de Ciência de Dados. Não é incomum diferentes áreas não conversarem sobre os seus dados. Esse desafio é o primeiro a ser superado. Lembre-se que sem dados não temos o insumo para melhores decisões e geração de valor para o negócio.

- Falta de otimização: apesar dos dados existirem, a informação certa não chega para subsidiar a tomada de decisão. Em geral, o fluxo de dados e até mesmo o conhecimento dos dados da organização não fazem parte da cultura dos colaboradores e portanto apresentam dificuldades para encontrar o que precisam.

- Analytics expertise: apesar de existirem relatórios, muitas empresas não têm pessoal qualificado para transformar dados em insights e ações de negócio.

- Predictive insights: apesar de conseguir analisar dados, algumas empresas não conseguem transformá-los em insights de negócio. Não conseguem determinar tendências e antecipar o comportamento dos clientes e do mercado.

Para superar esses desafios é importante ter claro como a Ciência de Dados vai trazer resultados. E na sua empresa quais são os principais desafios? Deixe seu comentário e compartilhe para conhecer os desafios que seus colegas enfrentam no dia-a-dia.