O documento discute como transformar dados em negócio de forma estratégica. Apresenta que dados são valiosos para empresas e como a ciência de dados pode extrair valor deles, desde mapear a maturidade de dados de uma empresa até desenvolver modelos preditivos e colocá-los em produção de forma contínua.

1. Transformando
dados em negócio

2. Sobre mim
Empreendedor, Engenheiro Eletrônico, Mestre
em Ciência da Computação, Especialista em Big
Data e Ciência de Dados.
Nos últimos quatro anos dedicado a Big Data,
NoSQL e Data Science com diversos projetos
desenvolvidos para empresas como Petrobras,
IRB Brasil RE, Grendene, Zenvia, Rodobens.
CEO da Propus Data Science.

3. Agenda
● Dados são o novo Petróleo: Mito
ou verdade?
● Quanto valem os dados da sua
empresa?
● Como transformar dados em
negócio?

4. O Poder dos dados
No mundo

5. Na sua empresa
O Poder dos dados
No mundo

6. Na sua empresa
O Poder dos dados
No mundo
2,5 Exabytes de dados/dia
90% gerados nos últimos 2
anos
Grande maioria são dados
não estruturados

8. Sim. Dados são o novo Petróleo!

9. Este novo cenário exige uma nova
abordagem para o refino dos dados e
extração do valor.

10. Volume - Variedade - Velocidade - Variabilidade
Informação

11. Três questões sobre Cientistas de dados
● O que fazemos?
● Qual nosso maior desafio?
● Qual nossa maior frustração?

12. Quanto valem os dados de sua
empresa?

17. Como transformar dados
em negócio?

18. Atenção!!!
Gartner

19. O que NÃO fazer
● Considerar um problema para o qual temos uma ferramente/solução de
tecnologia
● Não envolver área de negócios
● Menosprezar a importância da comunicação interna

20. O que FAZER
● Identificar quem são os usuários e envolvê-los no processo
● Focar em resultados para o negócio
● Definir critérios de sucesso
● Desenvolver lideranças que dialoguem com todos os atores do processo
● Não esquecer que vamos mudar Mindsets!!!
○ Mais psicologia e sociologia do que tecnologia

21. O Road Map
ou
Data Science
Life Cycle

22. Definir a estratégia:
● Diagnóstico de maturidade
○ Identificar cenário atual e eventuais iniciativas em curso
○ Data Literacy
● Definir o Insight:
○ Qual a pergunta a ser respondida
○ Como visualizar/utilizar
○ Qual a frequência( velocidade)
○ Definir critérios de sucesso
○ Definir atores, papéis, responsabilidades
● Objetivo:
○ Definir o Insight na perspectiva do negócio

23. Data
Science
Life Cycle
Entendimento dos dados:
● Completude, Limpeza, Abrangência,
Consistência;
● Proveniência, métodos de ingestão,
tempos de resposta, etc;
● Dados adequados para responder a
pergunta de negócio?
Definição da arquitetura
● Data lake, cloud, Hadoop,
on-premises, etc...
Ingestão/preparação dos dados

24. Data
Science
Life Cycle
Desenvolver e validar modelo

25. Data
Science
Life Cycle
● Homologar o modelo
● Colocar em produção

26. Não esquecer
● Devemos avaliar o contexto no qual será usado;
● É um processo continuado e sistemático;
● Mudar Mindset : Data Literacy, pessoas + tecnologia + processos;
● Foco no valor para o negócio;
● Envolver outras áreas da empresa;
● Já iniciar com Governança:
○ A governança de dados refere-se ao gerenciamento geral da disponibilidade,
usabilidade, integridade e segurança dos dados empregados em uma empresa.

27. Carlos Eurico do Canto | CEO Propus Data Science
eurico@propus.ai
www.propus.ai
51-3024-3568 51-98182-8219
@propus_science