Chegando à pergunta certa

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


[Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon Blog do RStudio, e gentilmente contribuiu para os R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)


Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.

O principal problema: nem todos falamos o mesmo idioma

As organizações do mundo empresarial moderno reconhecem a importância crítica da ciência de dados para obter vantagens competitivas. Esse reconhecimento levou a Glassdoor a classificar a Data Scientist como um dos 25 empregos mais bem pagos nos Estados Unidos em 2020.

No entanto, muitas organizações lutam para colocar o conhecimento desses cientistas de dados para trabalhar em seus negócios, onde eles podem realmente ter um impacto no sucesso. Ouvimos os cientistas de dados dizerem: “Os negócios não podem realmente nos dizer o que querem, portanto perdem muito do nosso tempo”. E, em troca, as pessoas de negócios costumam dizer: “Nossos cientistas de dados são realmente inteligentes, mas os aplicativos que eles criam com frequência ficam aquém do que procuramos”.

O problema aqui é que cientistas de dados e empresários falam idiomas muito diferentes. Especificamente, eles lutam para entender um ao outro:

Leia Também  Travelex abre cinco lojas de câmbio no aeroporto de Birmingham

Ambos os pontos de vista são válidos – eles não são os mesmos, o que cria uma lacuna de comunicação.

Desenvolvimento iterativo pode superar a lacuna de comunicação

“Uma resposta aproximada à pergunta certa vale muito mais do que uma resposta precisa à pergunta errada”. –John Tukey

Aymen Waqar, de Astellas, discute a lacuna de comunicação de análise:

Essas lacunas de comunicação fazem parte de um desafio maior de definir (e refinar) o problema. Embora sua parte interessada na empresa possa acreditar que possui uma definição clara do problema que está tentando resolver, ela pode não entender se os dados estão disponíveis, quão complexa a modelagem pode ser ou quanto tempo a construção de um modelo em grandes dados pode levar ou o que problemas adjacentes podem ser potencialmente mais valiosos e / ou muito mais simples de resolver. Portanto, antes de iniciar o processo de desenvolvimento, o cientista de dados e as partes interessadas nos negócios devem explorar e discutir o problema com detalhes suficientes para criar um plano de desenvolvimento realista. E, embora os cientistas de dados e os empresários possam ter dificuldade para entender as palavras um do outro, eles geralmente podem concordar se conseguem apenas ver um modelo de trabalho. A parte difícil é chegar a esse modelo de trabalho.

Um processo de exploração de dados comumente usado pode ajudar

Uma maneira de chegar a um acordo é dividir o projeto em partes mais simples e obter um acordo sobre cada peça antes de passar para a próxima. Garrett Grolemund e Hadley Wickham propõem o seguinte processo abaixo em seu livro R para Ciência de Dados. Esse processo não é específico para nenhuma tecnologia como R ou Python. É uma maneira de fazer com que seu cientista de dados e patrocinador comercial cheguem a um consenso sobre qual pergunta eles estão atacando.

Leia Também  Quebra-cabeça Le Monde [#1139] | R-bloggers
cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Uma visualização do processo de ciência de dados

Os quatro passos são

  1. Importar. Identifique os dados que planeja usar e concentre-se primeiro na importação desses dados para poder trabalhar com eles.
  2. Arrumado. Agora que você tem os dados em mãos, reformule e manipule os dados de forma que suas ferramentas de análise possam trabalhar facilmente.
  3. Compreendo. Essa etapa é onde seus cientistas de dados devem interagir mais com os patrocinadores, transformando os dados em visuais e modelos e obtendo feedback sobre se eles satisfazem as necessidades da empresa.
  4. Comunicar. Depois de ter consenso sobre o que está construindo, é aqui que você simplifica e aprimora o resultado para que todos entendam o resultado.

Quatro recomendações para aplicar este processo

Muitos cientistas de dados (ou pelo menos aqueles que leram R para Ciência de Dados) use esse tipo de processo para fazer a análise. No entanto, poucos pensam em usá-lo como uma ferramenta de comunicação para garantir que estejam respondendo às perguntas comerciais adequadas. Você pode ajudar seus cientistas de dados a aplicar essa abordagem; incentive-os a:

  • Programe check-ins em cada etapa. Antes de começar, faça check-ins regulares com os patrocinadores da sua empresa. Idealmente, elas devem corresponder aproximadamente às fases de desenvolvimento listadas acima para garantir que todos estejam sincronizados antes de passar para a próxima fase.
  • Use ferramentas e idiomas de prototipagem rápida. R e Python são as ferramentas de escolha para a maioria dos cientistas de dados, porque são adequadas ao tipo de processo de desenvolvimento iterativo descrito aqui. Ambos os idiomas aceleram o desenvolvimento e possuem excelentes ferramentas de visualização que ajudarão a gerar consenso.
  • Documente o progresso usando documentos públicos. Use um único arquivo do Google Docs para gravar cada reunião e tomar decisões. Não inicie um novo documento com cada reunião, mas simplesmente anexe a data e as notas da reunião mais recentes na parte superior. Quando o projeto estiver concluído, você terá um registro de todo o processo do início ao fim, o que ajudará a planejar projetos futuros.
  • Adie as preocupações de desempenho até que você tenha um resultado acordado. Muitos projetos ficam atolados no design para implantação em larga escala antes que eles realmente saibam o que estão construindo. Em vez disso, desenvolva um protótipo que todos concordem ser a ideia certa e revise-o para aumentar quando você decidir colocá-lo em produção. Essa abordagem simplifica a tomada de decisões antecipada e não desperdiça tempo precioso do projeto em otimizações prematuras.
Leia Também  Covid-19: Explore seus graus de liberdade do visualizador

Depois que o aplicativo satisfizer seus cientistas de dados e partes interessadas nos negócios, convém compartilhar o aplicativo finalizado com a comunidade empresarial em geral. Uma das maneiras mais fáceis de fazer isso é através RStudio Connect, o que pode ajudá-lo a refinar rapidamente seu conteúdo durante a fase de criação de protótipos e compartilhá-lo de forma ampla e consistente na fase de produção. Falaremos mais sobre isso em nosso próximo post. Enquanto isso, para saber mais sobre como o Connect pode adicionar publicação por botão, execução agendada de relatórios e políticas de segurança flexíveis ao trabalho de ciência de dados da sua equipe, visite a página do produto RStudio Connect.



Se você chegou até aqui, por que não inscreva-se para atualizações do site? Escolha o seu sabor: o email, Twitter, RSS ou facebook …



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br