A tomada de decisão em contextos globais está cada vez mais complicada. Muitas variáveis envolvidas, modelos matemáticos enormes para descrever as relações entre essas variáveis, permitindo enxergar mais claramente os efeitos de umas sobre as outras. As decisões globais são mais difíceis, quase impossível enxergar todo o sistema e o impacto sistêmico de cada variável. Para complicar, o volume de dados gerado diariamente é fora de controle, inviável fazer qualquer análise sem ajuda de modelos e de computadores rápidos que permitam obter resultados para guiar as decisões no tempo certo.
No rastro desta explosão já prevista desde o final do século passado, surgem diversificações em carreiras tradicionais, como é o caso do Analista ou Cientista de Dados (data analysts, business intelligence specialists, business analysts, insight analysts and consultants, e outras variações). Na recente eleição presidencial estadunidense, esse profissional ficou em evidência, pois muitas das ações na campanha do candidato Obama foram baseadas em indicações de análise de grandes volumes de dados, que permitiram enxergar tendências e preferências completamente escondidas no grande volume de dados disponível nas redes sociais, vejam uma das notícias aqui.
Este profissional tem posicionamento estratégico nas empresas, atuando mais próximo dos centros de decisão (CEO, CFO, Conselho de Administração) como um intermediário entre as necessidades de informação para decisões estratégicas e os modelos, as bases e fontes de dados e informações necessárias para fornecer o devido apoio às decisões. Decisões estratégicas, ou seja, aquelas de responsabilidade do nível gerencial Estratégico na pirâmide gerencial, têm características especiais: normalmente são problemas não-estruturados que nunca foram enfrentados antes pela empresa, com ocorrência única e raramente são reutilizados em outras decisões. Ou seja, não existe uma sequência de passos que possa ser seguida para que a decisão seja tomada, em contraposição às decisões de nível Transacional nas empresas, que normalmente são repetíveis e podem ser transformadas em sequência de passos a serem seguidos sempre que o problema aparecer. Por exemplo, “uma montadora de automóveis que quer construir uma nova fábrica fora de seu país de origem” é um enorme desafio, representa uma decisão estratégica a ser tomada em médio ou longo prazo, com enormes riscos financeiros envolvidos. Como é que uma montadora decide, por exemplo, vir montar uma fábrica no Brasil? Porque algumas decidem ir para o Uruguay ao invés de montarem a fábrica aqui? Quais variáveis são levadas em consideração? Que tipo de modelo (ou modelos integrados) devem ser usados para apoiar a decisão? E o grande volume de dados disponíveis, como será pré-processado para poderem servir de entrada para os modelos? Que cenários podem ser gerados? Qual a tendência local e mundial dos consumidores?
Qual a formação deste profissional, que habilidades deveria ter? Os fundamentos vêm de mineração e análise de dados (data mining), área que por si só já envolve fundamentos específicos da Matemática (séries temporais, equações diferenciais, sistemas dinâmicos para citar algumas), da Estatística (clusterização, análises de regressão e variância, etc.), da Matemática Computacional (otimização, redes neurais, etc.), da Computação (bases de dados, linguagens, datawarehouses, processamento analítico de dados com recursos de Online Analytical Processing OLAP). Isto para ficar apenas na parte técnica de fundamentos. Se o profissional for trabalhar no nível estratégico das empresas, intermediando decisões e informações, ele também deveria ter formação em Economia ou Administração, para conseguir entender melhor o problema e seu contexto o que ajudaria a enxergar com mais clareza o contexto. Mas, claro, também podemos ter um profissional que não atue diretamente neste nível, e fique responsável pela recuperação de dados e informações atuando diretamente nos níveis mais baixos de apoio, o que exigiria uma formação em áreas técnicas de Computação com interseção com área de Administração e Economia.
Sobre a formação, notícia recente mostra que a IBM, dando continuidade às suas parcerias estratégicas com universidades e centros de pesquisa importantes, criou um programa para formar Cientistas de Dados em nível de Mestrado pelo menos, ajudando a suprir a crescente demanda por esses profissionais. Para entender melhor o perfil do Cientista de Dados, o artigo da Network World está didático e mostra parte dos caminhos. Mas, se você gosta de ler livros e aprofundar um pouco mais na parte técnica de Business Intelligence, recomendo o livro BI2 – Business Intelligence, Modelagem & Qualidade, Carlos Barbieri, Ed. Campus, 2011, (Livraria Cultura). O autor do livro, Carlos Barbieri, mantém um blog, o Blog do Barbi, que tem várias postagens interessantes e técnicas sobre o assunto.
O conteúdo deste artigo está protegido segundo LicençaCreativeCommons: Atribuição;Uso Não-Comercial;Compartilhamento
Publicado originalmente no Blog do Professor José Luis Braga.