CDOCiência de DadosNo CodeProfissionais de Negócios

Como profissionais de negócios podem implementar soluções de Ciência de Dados e IA, mesmo sem experiência em programação?

Como implementar projetos de DS

Atualmente as empresas geram um grande volume de dados e consequentemente tem aumentado a demanda por análises. No entanto, o número de cientistas de dados e estatísticos é insuficiente para atender tal demanda.

Utilizar os dados para gerar valor para a empresa tem sido o principal objetivo da maioria dos gestores e líderes das áreas de negócios.

Desta forma, o trabalho deste profissional com foco no negócio é afetado diretamente quando há escassez de profissionais para atender a demanda de análise dos dados da empresa.

Esse gap só poderá ser preenchido quando profissionais das áreas de negócios também desenvolverem projetos de Analytics, reduzindo as demandas enviadas aos cientistas de dados.

No entanto, ainda que os profissionais de negócio possuam sólidos conhecimentos em suas áreas de atuação e, em muitos casos, até conhecimentos de métodos analíticos (ex. técnicas de estatísticas básicas), raramente, eles são fluentes em linguagem de programação.

Na verdade, eles não têm tempo de aprender programação, uma vez que possuem os desafios inerentes ao seu dia a dia.

Low-code – Programação Visual

Low Code
Programação Visual – Plataformas Low Code

A questão é: escrever código é condição sine qua non para desenvolver Ciência de Dados?

A resposta é …não. Graças às plataformas Low-code, a codificação não é a única forma de criar programas capazes de desenvolver Data Analytics.

Low-code é uma abordagem de desenvolvimento de software que requer pouca ou nenhuma codificação para construir aplicativos e processos analíticos.

Uma plataforma de desenvolvimento low-code usa interfaces visuais com lógica simples e recursos de arrastar e soltar, em vez de linguagens de codificação extensas, gerando interessantes vantagens.

Desta forma essas plataformas intuitivas permitem que usuários sem conhecimento de codificação ou desenvolvimento de software criem aplicativos e projetos para diversos fins.

No-code não significa no-math!

Mesmo utilizando as plataformas amigáveis com programação visual, algum conhecimento de técnicas estatísticas é necessário para que se possa ter entendimento do que está por trás dos processos do Analytics.

Pois, ainda que essas plataformas sejam amigáveis, elas possibilitam o processamento de métodos simples como uma regressão linear até algoritmos mais complexos de machine learning.

Assim, esse conhecimento é fundamental para que a implementação e adaptação da solução ocorra com sucesso.

Utilizando essas plataformas visuais de programação e conhecimentos de métodos estatísticos, os profissionais e líderes das áreas de negócios poderão entregar soluções de ciências de dados que resolvam desafios complexos de dados, ainda que não utilizem métodos avançados de programação.

Plataformas Low Code
Comparação entre os Scripts em R, Python e KNIME

Veja o exemplo de um de nossos clientes

Pedro é um executivo que atua na área de precificação de uma das maiores empresas de turismo do Brasil. Ele sempre foi da área de negócios e estava diante de um desafio cuja solução envolveu o Data Science.

O desafio foi: Otimizar o sistema de precificação e propor o best price para o cliente.

O projeto envolveu a manipulação de um grande volume de informações — conhecimento do negócio, consideração de diversos cenários, canais de vendas, perfil de cliente, produtos e Data Analytics.

Uma vez que Pedro não possuía conhecimento para desenvolver códigos e sistemas, ele decidiu optar por uma plataforma low-code como o KNIME, que lhe trouxe vários benefícios:

  • agilidade para conectar com as diversas fontes de dados,
  • tratar um grande volume de informações com segurança e rastreabilidade,
  • criar modelos estatísticos
  • implementar (deploy) o projeto de data science do início ao fim de forma ágil.

Assim, o cliente não precisou investir o seu precioso tempo para codificar. Ele focou e se dedicou a resolver o problema de precificação, que impactou positivamente os business e beneficiou milhares de clientes.

Workflow Cliente
Uma parte do fluxo ( workflow) de Data Science desenvolvido para atender a demanda do Projeto

O futuro da Ciência de Dados é a programação visual

A real necessidade de obter valor para o negócio gera uma demanda massiva por projetos envolvendo Ciência de Dados.

Cenário este que impacta diretamente no trabalho dos executivos de negócios. De modo que, são estes os profissionais mais interessados em atender esta demanda por Analytics.

Neste contexto, as plataformas low code de programação visual têm tido um papel fundamental para a democratização de Data Analytics, possibilitando que profissionais de negócios implementem com sucesso seus projetos de Ciência de Dados.

O objetivo deste texto não é desqualificar o trabalho daqueles que escrevem códigos, a proposta aqui é mostrar outras alternativas para os profissionais que não escrevem códigos desenvolverem os seus programas de forma mais ágil.

Eu aprendi a programar aos 14 anos e continuei escrevendo códigos durante e após a minha formação em Bacharelado em Estatística.

E desde então tenho ajudado profissionais das áreas de negócio e executivos a resolverem problemas de dados implementando soluções envolvendo Data Science e AÍ em suas empresas há mais de 10 anos.

Uma vez que a demanda por Data Analytics tem crescido de forma acelerada nas empresas, eu arrisco a dizer, com uma estreita margem de erro ,-), que os profissionais das áreas de negócios serão os que mais desenvolverão Ciência de Dados em seu dia a dia . E para isso utilizarão cada vez mais as plataformas low code.

Escrito por: Marcus Estanislao – CEO HupData

Deixe um comentário

O seu endereço de e-mail não será publicado.