Por Priscila J. Papazissis Paolinelli* e Cesar Ripari**
Nos últimos anos, a disponibilidade e o grande volume de dados que transitam nos bancos de dados, Redes Sociais e sensores, agregados à capacidade analítica, estatística e de programação e o grande poder computacional disponível aponta que os indivíduos e organizações comecem a voltar sua atenção ao termo Data Literacy (fluência em dados). Ser fluente em dados é ter a capacidade de ler, acessar, manipular, comunicar e saber argumentar com os dados para resolver problemas do dia-a-dia dentro e fora das organizações. Quando aplicado ao ambiente empresarial, pode ser considerada uma competência que auxilia na organização e disseminação dos dados dentro da empresa, em busca de análises e resultados mais precisos e sustentados.
Ao estarmos treinados nessas competências, seremos capazes de entender melhor sobre as informações a que somos submetidos no dia-a-dia e aumentar a capacidade de gerar hipóteses e pensar de forma crítica e analítica, sendo capaz de resolver problemas com base nos dados e tomando decisões embasadas por eles, e não apenas por intuição e / ou acúmulo de experiência ao longo dos anos em determinados assuntos.
A fluência em dados (ou alfabetização em dados) irá compor o conjunto de métodos e processos aplicados a Business Intelligence, Analytics e Ciência de Dados, pois a geração de conhecimento que acontece a partir das informações capturadas e tratadas com o objetivo de sustentar a tomada de decisão possam ser, de fato, referência para a ação. É inegável o aumento da eficiência operacional, possibilidade de redução de custos, aumento de receita, onde vender, em quais regiões investir, quais produtos criar, como segmentar meus clientes de forma efetiva; são algumas das questões que podem ser respondidas e sustentadas a partir dos dados.
Em seu estudo, Prado e Marzal (2013) afirmaram que as competências necessárias à fluência em dados compreendem:
- Habilidade de identificar o contexto onde os dados são produzidos e reutilizados (ciclo de vida do dado);
- Habilidade de reconhecer valor nas fontes, tipos e formatos dos dados;
- Habilidade de determinar quando os dados são necessários;
- Habilidade de acessar fontes de dados apropriadas para as informações necessárias pela organização;
- Habilidade de criticar inconsistências nas fontes de dados apresentadas;
- Habilidade de determinar e usar métodos de pesquisa adequados para responder a problemas de negócio;
- Habilidade de manipular e analisar dados a partir de conceitos estatísticos de baixa, média e alta complexidade;
- Conhecimento em como selecionar e sintetizar dados e combiná-los com outras fontes de informação e conhecimento;
- Habilidade de apresentar informação quantitativa em tabelas, gráficos, etc.;
- Usar os dados de forma ética e juridicamente aceitável;
- Habilidade de aplicar resultados obtidos a partir dos dados no aprendizado, suporte a decisão e resolução de problemas;
- Habilidade de planejar, organizar e permitir uso autônomo de dados nos processos.
Com essas competências desenvolvidas, espera-se as pessoas possam tomar decisões estratégicas, táticas ou operacionais com base em dados para orientar suas ações. A habilidade em pensar dados analiticamente é importante não apenas para o Cientista de Dados, mas em toda a organização, pois todos podemos tomar decisões mais otimizadas e que geram resultados melhores e mais precisos. Dados são essenciais, pois são o resultado de cada uma das etapasda maioria dos processos das empresas, que, quando mapeados em sistemas e devidamente trabalhados, podem orientar as organizações a se posicionarem de forma estratégica em um mundo cada dia mais cheio de informação. Mas… ainda existe uma outra fluência… a fluência estatística.
Tenha um Patrocinador
A orientação para as empresas que gostariam de tornar suas ações data driven é muitas vezes levar primeiro essa visão para os executivos. Um líder que acredita nos dados é com certeza um entusiasta com seus colaboradores. Normalmente essa ação tem que ser uma orientação estratégica da empresa, já que os resultados serão refletidos, muitas vezes, na própria estratégia.
Um dos caminhos para obter sucesso nessa implantação é entender a importância dos dados, saber fazer perguntas ou levantar problemas de negócio e entender o público que precisa consumir cada informação. Outra questão primordial é garantir a qualidade das informações disponibilizadas: o famoso “Garbage in, garbage out”, frase atribuída a diversos autores, reitera a necessidade de entendimento do ciclo de vida do dado para que de fato ele possa representar os processos de maneira fidedigna. Em um programa de Fluência em Dados, dados de baixa qualidade vão inviabilizar a ação, pois não se consegue confiança sabendo que o dado não representa a execução. A fluência em dados é um conjunto de competências que precisa ser levada em consideração para a evolução de qualquer organização. Acredite nos dados!
____
*Data Product manager na Localiza&Co, Mestre em Administração pela Universidade FUMEC, pós-graduada em Engenharia de Software pela UFMG e bacharel em Ciência da Computação pela Universidade FUMEC.
**Líder do Comitê de BI e Analytics da Associação Brasileira das Empresas de Software (ABES) e Diretor de Pré-Vendas para a América Latina da Qlik.
Referências Bibliográficas
GARTNER. Disponível aqui. Acesso em: 04/08/2019.
GUMMER, Edith; MANDINACH, Ellen. Building a Conceptual Framework for Data Literacy. Teachers College Record, v. 117, n. 4, p. n4, 2015.
MANDINACH, Ellen B.; HONEY,Margaret; LIGHT, Daniel.A theoretical frameworkfor data-driven decision making. In: annual meeting of the American Educational Research Association, San Francisco, CA. 2006.
PRADO, Javier Calzada; MARZAL, Miguel Ángel. Incorporating data literacy into information literacy programs: Core competencies and contents. Libri, v. 63, n. 2, p. 123-134, 2013.
PROVOST, Foster; FAWCETT, Tom. Data science and its relationship to big data and data-driven decision making. Big data, v. 1, n. 1, p. 51-59, 2013.
Qlik. Disponível aqui. Acesso em: 03/08/2019.
SHIELD, Milo. Information literacy,statistical literacy, data literacy. IASSISTquarterly, v. 28, n. 2- 3, p. 6-6, 2005.
WEBBER, Sheila; JOHNSTON, Bill. Conceptions of information literacy: new perspectives and implications. Journal of information science, v. 26, n. 6, p. 381-397, 2000.
WOLFF, Annika et al. Creating an understanding of data literacy for a data-driven society. The Journal of Community Informatics, v. 12, n. 3, 2016.
