Casa / Melhores Práticas de TI / Como construir uma fantástica equipe científica de dados

Como construir uma fantástica equipe científica de dados

Sua empresa é uma daquela do tipo ambiciosa que pretende criar uma “cultura analítica”? Você quer que a sua empresa seja uma daquelas empresas? Chris Nerney escreveu um artigo que observa o que você precisa para construir uma fantástica equipe científica de dados para oferecer suporte a essa cultura de fábula.

Um desafio na construção de uma equipe científica de dados é que os cientistas de dados estão supostamente em falta. Outro desafio é decidir o que constrói o equilíbrio certo de habilidade, antecedentes e personalidade. Para resolver aquele segundo ponto, deverá primeiro definir uma meta clara de negócio. No mínimo, você poderá então visualizar se um determinado recurso ajudará em direção a essa meta.

Existem duas extremidades para a ciência de dados, e cada lado requer um limite diferente. Os funcionários que produzem análises para aprender sobre os consumidores deverão ter fortes habilidades matemáticas e computacionais, enquanto os funcionários que reportam aos altos dirigentes sobre decisões operacionais deverão ter fortes habilidades sociais mais fortes.

No entanto, esses “comunicadores” ainda precisam saber o seu caminho em torno dos números:

“Eles não precisam de super-habilidades de codificação, mas precisam ser capazes de acessar dados,” diz [Claudia Perlich, cientista-chefe da Dstillery]. “Eles precisam de pelo menos uma linguagem de script, como Perl ou Python, a fim de manipular dados, uma vez que estão expostos onde quer que encontrem. E precisam de um entendimento prático sobre estatísticas. Eles não precisam de teoria da probabilidade, mas precisam entender as distribuições empíricas de dados e como o meio pode ser super-enganoso quando se tem uma longa distribuição.”

De acordo com Kevin Lyons, o vice-presidente sênior de análises da eXelate, cada projeto de dados tem quatro componentes: compreensão da necessidade da empresa, coleta e preparação de dados, realização da modelagem e operacionalização do resultado.  Para esse fim, você quer uma boa mistura de comunicadores, estatísticos e codificadores. Por último, um conselho quase cômico é que você não precisa que seu cientista dados compreenda sua indústria. Como diz Perlich, qualquer pessoa que seja inteligente o suficiente para se tornar um cientista de dados será capaz de descobrir qual é a sua indústria rapidamente.

Leia o artigo original (em inglês) aqui: http://www.computerworld.com/article/2605868/how-to-build-a-great-data-science-team.html

Sobre John Friscia

John Friscia is the Editor of Computer Aid's Accelerating IT Success. He began working for Computer Aid, Inc. in 2013 and continues to provide graphic design support for AITS. He graduated summa cum laude from Shippensburg University with a B.A. in English.

veja também

TI empresarial 2020: Previsões e preparação

Em um artigo para a TechRepublic, Patrick Gray faz algumas previsões arrojadas para o cenário …

Leave a Reply

Your email address will not be published. Required fields are marked *