<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Ricardo Cappra on Medium]]></title>
        <description><![CDATA[Stories by Ricardo Cappra on Medium]]></description>
        <link>https://medium.com/@cappra?source=rss-46550f9e0415------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Uo7JY6N8l21VJ36D7jnuzQ@2x.jpeg</url>
            <title>Stories by Ricardo Cappra on Medium</title>
            <link>https://medium.com/@cappra?source=rss-46550f9e0415------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 01:11:08 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@cappra/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[DATA THINKING]]></title>
            <link>https://medium.com/series/data-thinking-3cc0f88c17c0?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/3cc0f88c17c0</guid>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Sat, 10 Nov 2018 04:13:33 GMT</pubDate>
            <atom:updated>2018-11-10T04:14:55.308Z</atom:updated>
            <content:encoded><![CDATA[<h3>The future is not about Robots.</h3><h4>Robots are machines that execute rules, just like algorithms.<br>The future is about robots doing the repetitive tasks of humans.<br>Humans will collect and analyze the data to teach new things to robots.</h4><h3>Humans that best use analytical skills to teach robots will perform better.<br>The future will not be mechanical, the future will be analytical.</h3><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3cc0f88c17c0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[The future is not about robots.]]></title>
            <link>https://medium.com/@cappra/the-future-is-not-about-robots-7e8058e5c97d?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/7e8058e5c97d</guid>
            <category><![CDATA[robotics]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[algorithms]]></category>
            <category><![CDATA[humans]]></category>
            <category><![CDATA[analytical-culture]]></category>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Sat, 10 Nov 2018 03:25:53 GMT</pubDate>
            <atom:updated>2018-11-10T04:20:01.881Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4keja7EmiPjrqWBzsFpkDw.jpeg" /></figure><blockquote>Robots are machines that execute rules, just like algorithms.<br>The future is about robots doing the repetitive tasks of humans.<br>Humans will collect and analyze the data to teach new things to robots.<br>Humans that best use analytical skills to teach robots will perform better.<br>The future will not be mechanical, the future will be analytical.</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7e8058e5c97d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Will you hire a Personal Data Analyst?]]></title>
            <link>https://medium.com/@cappra/will-you-hire-a-personal-data-analyst-7e6a15f392a8?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/7e6a15f392a8</guid>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Thu, 08 Nov 2018 04:54:53 GMT</pubDate>
            <atom:updated>2018-11-10T04:26:43.839Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>In the near future you will be a data analyst.</blockquote><blockquote>Think about the last 10 apps you downloaded on your smartphone (spotify, nike run club, games, or the latest version iOS that monitors the time spent using iphone,…), they all have a specific tab/menu about data.</blockquote><blockquote>Application creators have no interest in analyzing all of this data individually, so they will transfer the task of analyzing to the users, the data owners.</blockquote><blockquote>There are important insights for you in this mountain of data, so you will have 2 options: 1) you analyze; or 2) you hire someone to analyze your data.</blockquote><blockquote>Born a new job: the personal data analyst :)</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7e6a15f392a8" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Will you outsource your analytical future?]]></title>
            <link>https://medium.com/@cappra/will-you-outsource-your-analytical-future-4b38c4bb886f?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/4b38c4bb886f</guid>
            <category><![CDATA[analytical-future]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[analytical-culture]]></category>
            <category><![CDATA[ricardo-cappra]]></category>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Mon, 05 Nov 2018 02:33:29 GMT</pubDate>
            <atom:updated>2018-11-10T04:25:58.903Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>Is it possible to predict the future?!</blockquote><blockquote>Records of the past, and wishes of the present, help us to calculate the probabilities of the future.<br>With the exponential growth of technology the world has been flooded with data. This will create a future that is more analytical than the present.</blockquote><blockquote>You can choose between these two paths:<br>1) outsource the analysis and decide between alternatives presented (the fastest option); or<br>2) make the analysis and decide (warning: this option requires more work).</blockquote><blockquote>Will you outsource your analytical future?</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4b38c4bb886f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[A primeira geração de Cientistas de Dados]]></title>
            <link>https://medium.com/@cappra/a-primeira-gera%C3%A7%C3%A3o-de-cientistas-de-dados-4672ba69c166?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/4672ba69c166</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[carreira]]></category>
            <category><![CDATA[mercado-de-trabalho]]></category>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Wed, 02 May 2018 14:39:27 GMT</pubDate>
            <atom:updated>2018-05-02T14:39:27.706Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fIgdi9UuVFJwiH6WRlIc1A.jpeg" /></figure><p><strong>Cientista de Dados</strong> é citada com uma das profissões mais promissoras do mercado, a própria <a href="https://www.forbes.com/sites/louiscolumbus/2018/01/29/data-scientist-is-the-best-job-in-america-according-glassdoors-2018-rankings/#4b26f8d75535">Forbes afirma que essa é a profissão do século</a>. É fácil entender essa previsão, afinal com um crescimento descomunal de dados por todos lados, a necessidade de coletar, qualificar, organizar e visualizar esses dados tornou-se uma necessidade imediata de organizações espalhadas por todo o mundo. Isso está gerando uma corrida atrás de formações em ciência de dados, afinal profissionais melhores qualificados obviamente concorrerão pelas melhores vagas disponíveis, que não por acaso estão sendo muito bem remuneradas nesse momento (lei da oferta e da procura).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/681/1*U_fhdq86UgYX8FWot2eU8Q.jpeg" /></figure><blockquote><em>MAS A PRIMEIRA GERAÇÃO DE CIENTISTAS DE DADOS TEM UM GRANDE DESAFIO PELA FRENTE. É NATURAL QUE UMA FUNÇÃO/HABILIDADE TÃO NOVA TENHA UM TEMPO DE “AMADURECIMENTO”, UMA FASE ONDE OS PROFISSIONAIS DE DIFERENTES ÁREAS IRÃO ENTENDER O REAL PAPEL DO CIENTISTA DE DADOS, E AS ORGANIZAÇÕES IRÃO COMPREENDER O QUE DEMANDAR DESSE TIPO DE PROFISSIONAL. O PAPEL DO CIENTISTA DE DADOS AINDA É UMA INCÓGNITA MUITO GRANDE, SE VOCÊ PERGUNTAR PARA 5 PESSOAS DIFERENTES “O QUE FAZ UM CIENTISTA DE DADOS?”, MESMO QUE ELAS CONHEÇAM PROFUNDAMENTE O ASSUNTO, VOCÊ VAI OUVIR 5 RESPOSTAS DIFERENTES.</em></blockquote><p><em>Durante o processo de implantação de Cultura Analítica, em organizações espalhadas pelo mundo todo, nosso time tem encontrado o desafio de esclarecer essa função, e ao analisar mais de perto o tema encontramos 3 problemas principais relacionados a percepção do trabalho desse profissional: </em><strong><em>Amplitude Funcional</em></strong><em>, </em><strong><em>Foco na Técnica</em></strong><em> e </em><strong><em>Produtividade Questionável</em></strong><em>. Vou explorar um pouco dessas descobertas nesse artigo, mas é importante lembrar que é uma função em plena evolução, e que todos os dias surgem novas variáveis e elementos relacionados as responsabilidades desse profissional dentro dos ambientes de negócios.</em></p><h3>Amplitude Funcional</h3><p><strong>O problema:</strong><br>Já escrevi em outro artigo sobre <a href="https://cappra.com.br/2016/03/22/como-se-tornar-um-cientista-de-dados/">o Cientista de Dados Unicórnio</a> , refere-se aquele profissional que deseja ser o melhor em tudo, mas na verdade torna-se um generalista de pouca profundidade nos 3 pilares de conhecimento da ciência de dados (Tecnologia da Informação, Estatística &amp; Matemática e Análises de Negócio). Essa amplitude funcional está gerando um profissional “faz tudo”, mas que “não entrega nada direito”. É óbvio, a empresa contrata um cientista de dados com formação técnica (que conhece muito de ferramentas, plataformas e softwares) e o coloca para construir uma modelo analítico para previsão de vendas (onde o conhecimento requerido é na verdade em modelagens estatísticas complexas), adivinha o que vai acontecer? Isso, o profissional vai “tentar” entregar o melhor dentro dessa área de conhecimento que não é a dele. “Há, mas ele precisa dizer não.”, sim, deveria, isso se o papel do Cientista de Dados não abrangesse essa função, mas no papel ele é responsável por isso sim. Claro, esse é apenas um exemplo, mas imagine quantos desses casos se repetem todos os dias em organizações por todo o mundo. Mas como conseguimos barrar esse engano da “amplitude funcional” relacionada ao papel do Cientista de Dados?!<br><strong>Algumas possíveis saídas:</strong><br>Existem alguns caminhos, a definição de Cientistas de Dados atuantes por especialidades (Técnica, Analítica e Negócio), é uma das possibilidades que tem sido melhor entendidas em ambientes de negócio, pois assim as demandas estarão direcionadas baseado na capacidade principal desses profissionais, e não na generalidade do problema. O Cientista de Dados Técnico é aquele que vai usar a tecnologia para que dados acelerem a solução do problema (importante não confundir esse profissional com Tecnologia da Informação, que está centrado nas soluções de infraestrutura, softwares de gestão e inovação tecnológica), já o Cientista de dados Analítico é aquele que terá mais habilidade para construção de modelos matemáticos/estatísticos complexos (ou seja, rotinas que sistematizem o processo de tomada de decisão baseando-se em dados), e finalmente o Cientista de dados de Negócio, é aquele que extrai as perguntas do negócio e garante o vínculo do dado na solução do problema (esse último perfil tem sido o menos demandado, sendo que na verdade deveria ser a principal interface de construção de soluções baseadas em dados). Uma outra forma de solucionar a Amplitude Funcional é através da especialização temática, por exemplo Cientistas de Dados da Saúde, Cientista de Dados de Finanças, Cientista de Dados de Esportes, Cientista de Dados de Marketing,… dessa forma seria possível uma especialização nas ferramentas de cada tipo de operação, com mergulhos constantes no conhecimento do negócio, aplicando modelagens que fazem sentido dentro do contexto. Ambos os caminho tem sido utilizados em diferentes tipos de organizações, ainda assim em alguns casos os papéis são confundidos, pedindo por exemplo para que o Cientista de Dados defina qual a infraestrutura tecnologia para coleta de dados de sensores, fazendo com que a amplitude funcional novamente se expanda, deixando ainda mais confuso para quem gera as demandas.</p><h3>Foco na Técnica</h3><p><strong>O problema:</strong><br>Os cientista de dados são preponderantemente oriundos de áreas técnicas de estudo (ciências, tecnologia,…), fazendo com que obviamente tenham foco principal na construção de soluções técnicas para os problemas, e isso é ótimo (afinal as áreas de negócio precisam, e MUITO disso), mas não é tudo. Quando o cientista de dados é convocado para solucionar um problema de negócio, e ele percebe que poderá usar uma aplicação de rede neural naquela situação específica, é como se um sonho estivesse próximo da realização (desenvolvimentos de soluções baseados em modelos de redes neurais é uma técnica pouquíssima usada, o que transforma em um processo científico complexo e muitas vezes inédito, e isso é muito sexy para um cientista). O problema é que o solicitante da área de negócio não está interessado em saber do processo de construção disso, ele quer sim um modelo preditivo mais eficiente do que o processo de tomada de decisão atual, a ciência por trás é “apenas uma questão técnica”. Isso, naturalmente, gera frustração para os dois lados.<br><strong>Algumas possíveis saídas:</strong><br>O cientista de dados também precisa ser um “tradutor”, ele precisa ajudar na concepção do problema através de uma mentalidade data-driven, mas ao mesmo tempo precisa falar a “língua do negócio”, para entregar uma solução real do problema e não uma simples aplicação técnica, que ficará dentro de uma gaveta pois a área de negócio “não entendeu” como usar. O Cientista de Dados com foco na Técnica terá, ao longo do tempo, um valor de mercado menor, afinal a técnica é possível ser replicada através de uma educação funcional, mas a aplicação da ciência no negócio pode ser um diferencial dificilmente replicado. O Cientista de Dados que criou o algoritmo de recomendação de livros da Amazon são tratados como celebridades, afinal, a forma que usaram uma técnica para resolver um problema de negócio real foi espetacular e inédita, mas na prática a solução é “simples”, afinal foi somente uma correlação de semântica associada ao campo texto do mecanismo de busca dos próprios usuários. A Técnica precisa ser a ferramenta, mas o uso adequado dela é onde o Cientista de Dados deve se concentrar.</p><h3>Produtividade Questionável</h3><p><strong>O problema:</strong><br>O Cientista de Dados, para chegar a resultados que outros nunca chegaram, precisa ter um ambiente de experimentação, por esse motivo chama-se ciência. <em>A replicação de técnicas conhecidas em dados desconhecidos vai resultar em novos resultados, parece algo bacana, afinal daí surge inovação, mas o custo dessa operação não está projetada em uma operação de negócio.</em> Negócios tradicionais são estruturados para darem o melhor resultado possível, aprimorando a eficiência operacional, assim distinguindo-se da concorrência. Em um ambiente de experimentação, a chance de fracasso é sempre alta, e os resultados podem vir de uma grande descoberta única, por isso cientistas (de todas as áreas) vivem em seus laboratórios buscando esse tipo de resultado. Quando surge um problema de negócio, a solução daquela situação realmente pode estar nos dados, então chama-se um Cientista de Dados para ajudar na investigação e proposição de alternativas para solucionar, então ele começa o trabalho dele: identifica as fontes de dados existentes, mapeia fontes alternativas que podem colaborar, coleta os dados, faz a limpeza da sujeira que sempre está presente dentro de bases de dados, qualifica os dados, valida se esses dados estão corretos com a área de negócio, e então coloca em ferramentas para cruzamentos de hipóteses, depois realiza a criação de modelos analíticos para entendimento das variáveis, e então, finalmente, chega à uma conclusão da análise. Não falei em uma solução do problema, e sim uma conclusão da análise, pois a solução do problema estará em uma ação que precisa ser tomada pelos executivos de negócio, em cima das análises que agora apoiam essa decisão. Nesse processo todo, as fases iniciais na maioria das vezes são as mais morosas, e quando chegam na conclusão de análises, muitas vezes ele pode não ser uma resposta nova, pode ser apenas uma resposta que a área de negócio já sabia baseado na sua experiência e repetição do processo. Isso é ciência, um trabalho muito grande de experimentação, na busca de atingir resultados nunca antes atingidos, que muitas vezes não não são atingidos. Nesse momento, as áreas de negócio que estão acostumadas a lidar com o ambiente feroz de competição do mercado, e que “não tempo algum para perder”, questionam o Cientista de Dados, pois aquela morosidade necessária em um processo científico, pode ter “atrasado” uma importante decisão, e assim prejudicado o negócio. Então, aquilo que move os negócios de alto desempenho, a produtividade individual, e o papel do Cientista de Dados como apoio ao negócio é colocado em questão.<br><strong>Algumas possíveis saídas:</strong><br>Obviamente, que negócios que trabalham apenas com o processo de redução de tempos em seu processo, ou seja produtividade, tem um limite de sucesso, e normalmente são superados por processos de inovação, de alguém que experimentou novas formas de investigar e solucionar um determinado problema, mas isso pode ter um alto custo envolvido. Organizações que querem ter cientistas de dados em seu dia-a-dia precisam criar um ambiente propício para realização desse trabalho, aceitando que o sucesso é uma das hipóteses possíveis. Há, mas isso é duro, afinal “existem ferramentas e algoritmos que aceleram todo esse processo!”, certo?! É óbvio, e isso estará cada vez mais presente em ambientes de competição acelerados por Cultura Analítica, mas isto não é ciência, apenas instrumentalização de técnicas analíticas construídas previamente. Replicação de modelos é papel de analistas de dados e não de cientistas.</p><blockquote><em>COMO CITEI ANTERIORMENTE, A PRIMEIRA GERAÇÃO DE CIENTISTAS DE DADOS POSSUI UM DESAFIO GIGANTE PELA FRENTE, ASSIM COMO CIENTISTAS DE TODAS AS OUTRAS ÁREAS (SAÚDE, BIOLOGIA, QUÍMICA,…), ESSES PRECISARÃO PROVAR SEU VALOR ATRAVÉS DE RESULTADOS OBTIDOS, ALGO QUE NÃO ACONTECERÁ DE UM DIA PARA OUTRO. MAIS DO QUE SEREM BONS CIENTISTAS, PRECISARÃO APRENDER A COMUNICAR O SEU PAPEL E SUAS DESCOBERTAS DE FORMA CONSISTENTE, DEIXANDO CLARO A SUA ESPECIALIDADE DENTRO DE TODA A AMPLITUDE FUNCIONAL POSSÍVEL, PRECISARÃO REDUZIR O FOCO NA TÉCNICA NA HORA DE ENTENDER O PROBLEMA E TRANSMITIR AS POSSIBILIDADES DE SOLUÇÃO, E, FINALMENTE, TERÃO DE APRENDER A LIDAR COM SUA CONSTANTE PRODUTIVIDADE QUESTIONÁVEL, ALGO QUE TODOS OS CIENTISTAS ENFRENTAM TODOS OS DIAS (ASSIM COMO CRIATIVOS, ARTISTAS,…). SER UM CIENTISTA SIGNIFICA TER POUCOS MOMENTOS DE BRILHO, A MAIORIA DO TEMPO (TALVEZ 99%) É DESTINADO A INVESTIGAÇÃO, PESQUISA, TESTE DE HIPÓTESE E DESCOBERTAS FRACASSADAS, PARA FINALMENTE IDENTIFICAR ALGO INÉDITO OU DE REAL VALOR (QUE SERIA AQUELE 1% DE VALOR INESTIMÁVEL).</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ehtXSlczq3XvLMF_3Za_5w.png" /></figure><p><em>Se você quer ser da primeira geração de Cientistas de Dados, aprenda a lidar com essas adversidades, pois elas por muito tempo estarão presentes no dia-a-dia do trabalho desses profissionais. Uma forma de minimizar o impacto dessa mudança é, o Cientista de Dados, consciente desse processo, promover um Equilíbrio de Mindset, sendo um facilitador do processo de acesso à ciência para as áreas de negócio. A comunicação (de estudos, métodos, projetos, descobertas,…) é uma das habilidades pouco desenvolvida em cientistas na sua formação, eles aprendem a documentar em teses/teorias (muitas vezes muito longas e com linguagem complexa), mas não aprendem a transmitir isso de forma simples, prontas para uso. O poder dos dados precisa estar acessível as áreas de negócio, para que assim o cientista possa concentrar-se em estudos de novas técnicas, é uma gangorra difícil de equilibrar, mas absolutamente necessária. De um lado temos a geração de inovação através de um profundo (e lento) processo de descobertas, do outro, a necessidade contínua de apoio no incremento de performance do negócio, navegar entre esses dois universos é fundamental para a atuação de Cientistas de Dados em ambientes de negócio.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4672ba69c166" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[A estratégia de segmentação de audiência do Facebook]]></title>
            <link>https://medium.com/@cappra/a-estrat%C3%A9gia-de-segmenta%C3%A7%C3%A3o-de-audi%C3%AAncia-do-facebook-693c1c4386d4?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/693c1c4386d4</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[strategy]]></category>
            <category><![CDATA[audience]]></category>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Thu, 23 Apr 2015 17:59:12 GMT</pubDate>
            <atom:updated>2015-04-23T17:59:12.581Z</atom:updated>
            <content:encoded><![CDATA[<p>Em 2011 o Facebook começou uma importante transformação de plataforma, silenciosa, mas fundamental para sua atual posição de mercado. Foram duas importantes decisões estratégicas:</p><p><strong>1) Distribuir a audiência por tipo de interesse;</strong></p><p><strong>2) Todas as forças em mobile.</strong></p><p><em>Vou explicar um pouquinho melhor como essas duas decisões mudaram os rumos do Facebook.</em></p><p>1) No total a empresa Facebook tem 3,84 bilhões de pessoas em suas plataformas todos os meses, mas ele distribui a audiência por “funcionalidade”. Pessoas que querem compartilhar fotos tem a opção do <strong>instagram</strong> (300 milhões de pessoas no instagram por mês), aqueles que querem trocar mensagens de forma rápida tem o <strong>whatsapp</strong> (800 milhões de pessoas no whatsapp por mês), para os que querem trocar mensagem em uma plataforma mais integrada tem o <strong>messenger</strong> (600 milhões de pessoas no messenger por mês), se quiser acompanhar a timeline de amigos tem o <strong>facebook</strong> (1,4 bilhões de pessoas no facebook por mês), e se quiser administrar suas comunidades/grupos tem o <strong>groups</strong> (700 milhões de pessoas no groups por mês — se não testou esse ainda, teste, é muito bacana esse aplicativo). Dessa forma ele manteve aplicativos focados em resolver problemas específicos dos usuários, mas no final do dia ele gera dados de usuários vindos de todos os lados, e obviamente assim gera mais inteligência para ofertar opções de investimento em publicidade para seus anunciantes. Esse foi um post que o Mark Zuckerberg publicou recentemente com alguns números:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/768/0*Wy7RG3Aemzj1-Q4Z.jpg" /></figure><p>2) 1,1 bilhões dos usuários por mês (quase 30%) são de aplicativos que estão exclusivamente em plataformas <strong>mobile</strong> (instagram e whatsapp), enquanto os outros que citei também estão recebendo muitas melhorias para a plataforma mobile e poucas para web. Não tenho números atualizados quanto ao número de acessos de facebook, groups e messenger que vêm de smartphones, mas em 2014 a empresa sinalizou que uma das estratégias seria dividir em aplicativos as várias funcionalidades disponíveis no site facebook, pois assim as pessoas poderiam utilizar esses recursos em seus smartphones de uma forma mais simplificada. Esse recente relatório da KPCB mostra que estamos em um crescimento exponencial de acessos via smartphones, e é um indicativo de que o caminho escolhido pelo facebook foi muito bem planejado.</p><p>É muito difícil dizer que a empresa Facebook está errado em sua estratégia, pois todos aqueles usuários que afirmam estarem usando menos a plataforma facebook na web — e até o aplicativo facebook via mobile, estão usando outros aplicativos mantidos pela própria empresa. Esses usuários estão mostrando através de dados que fornecem ao sistema os seus hábitos, isso ajuda o algoritmo do facebook a entender qual o melhor lugar para ele impactar os usuários com publicidade, e assim ele deixa seus anunciantes mais felizes. Isso tudo aumenta o valor da empresa na bolsa de valores — pois o principal indicador de valor é número de usuários ativos — mas também eleva a geração de receita através de uma publicidade melhor direcionada e consequentemente mais eficaz.</p><h3>Curtir isso:</h3><p>Curtir Carregando…</p><h3>Relacionado</h3><p><em>Originally published at </em><a href="http://cappra.com.br/2015/04/23/a-estrategia-de-segmentacao-de-audiencia-do-facebook/"><em>cappra.com.br</em></a><em> on April 23, 2015.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=693c1c4386d4" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[O Poder da Informação]]></title>
            <link>https://medium.com/@cappra/o-poder-da-informa%C3%A7%C3%A3o-9f2d51d2877d?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/9f2d51d2877d</guid>
            <category><![CDATA[business-strategy]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[information-technology]]></category>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Mon, 13 Apr 2015 19:28:37 GMT</pubDate>
            <atom:updated>2015-04-13T19:28:37.895Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/660/1*PjEJ6I7mMFP3J0mDri-4HQ.jpeg" /></figure><p><strong>É preciso entender que Dado não é Informação.</strong></p><p>Um Dado Puro é o registro sem conexões ou interpretações. Uma informação gravada em seu estado natural, sem necessariamente contexto. Dados podem ser números, palavras, imagens, entre outros registros. O mais importante é entender que trata-se de um Dado Bruto, ou Raw Data como é chamado na área de informática, que é aquele dado/valor recolhido e estocado exatamente da forma que foi adquirido, sem qualquer tipo de tratamento ou interpretação. O dado é a representação física de um evento no tempo e espaço que não agrega fundamento para que o sente ou recebe, não podendo ser possível entender o que ele representa ou para que existe. Um Dado Puro registrado em uma rede social pode ter um sentido para quem escreveu, e um sentindo específico para cada pessoa que ler. Aquele Dado pode fazer muito sentido em nossa interpretação, ou simplesmente podemos estar dando um sentido que não tem nada haver com o sentido pensado por quem originalmente registrou o dado.</p><p><strong>A Informação é o Dado organizado.</strong></p><p>Um texto, por exemplo, pode ser uma informação, uma fonte de muitas informações ou um conjunto de informação. Se os Dados, quando agrupados, fizerem sentido para quem lê, ficando claro ou não ao que se refere, o Dado passa ser o valor de um determinado item. Quando recebemos uma determinado relatório, ele foi organizado de uma forma em que os dados fizessem sentido e permitisse a análise em um formato de Informação. O Dado Puro quando ganha contexto vira Informação, direcionada ou não, ele vira Informação. O valor da informação se da à qualidade com a qual é disponibilizada, reduzindo ou aumentando a probabilidade de interpretação ambígua pelo emitente. Quanto mais precisa a Informação, mais valiosa ela se torna. Quando alguém passa uma informação tem a intenção de ser compreendido pelo que realmente está dizendo e não que quem esteja recebendo essa comunicação faça sua própria “distorção” sobre o tema.</p><p><strong>O Consumidor, a Comunicação e a Informação.</strong></p><p>Certamente ao ler isso já ficou muito claro a ligação disso tudo com a área de comunicação que cria estratégias para marcas, que precisa passar informações sobre sua cultura e produtos para o público, muitas vezes em vão, pois não são compreendidas pelo público da marca, gerando campanhas de comunicação desastrosas, e normalmente impossíveis de serem mensurados. Mas ainda não vamos falar desse aspecto da Informação, por enquanto vamos nos deter ao poder da informação.</p><p><strong>A Informação pode ser algo muito Poderoso, se entregue para as pessoas certas.</strong></p><p>Quando digo poder da informação, me refiro ao fato de organizar os dados de uma forma tão eficiente que gere uma informação de fácil e rápida compreensão para todos que a receberem. É natural que diferentes públicos precisam de informações diferentes para melhor compreender uma mensagem, afinal possuem contextos diferentes para os dados. Quando um cientista político lê um dado referente à uma campanha política ele têm uma visão diferente de um leigo no assunto, que avalia a opinião de um determinado candidato baseado em sua realidade. Pontos de vistas diferentes sobre o mesmo dado que geram interpretações e informações distintas. A democratização da informação é uma realidade graças a grande quantidade de dados que temos a disposição nos dias de hoje. Chegamos em um momento onde um cientista da informação prevê um resultado de uma eleição com mais eficiência do que um cientista político, ou seja, o conhecimento científico supera a experiência no assunto. Foi isso que ocorreu nas eleições americanas em 2012, quando Barack Obama foi reeleito presidente dos Estados Unidos. Enquanto experientes analistas políticos previam uma acirrada disputa entre os candidatos a presidência, analistas de dados geraram um minucioso relatório baseado somente em dados prevendo 30 dias antes o resultado da disputa. Esse relatório foi publicado como análise científica e não como forma de influência social, e teve uma margem de acerto muito próximo da resultado real, que divergia totalmente da opinião dos analistas políticos. A equipe de Barack Obama considerou tanto essa ciência de dados em sua estratégia que chegou a construir um espaço específico para a construção desse tipo de inteligência, um local chamado “The Cave” que tinha como objetivo compreender os dados e transformar em informações relevantes para a estratégia da campanha.</p><p><strong>A Democratização dos Dados.</strong></p><p>Até poucos anos atrás, a Informação originava-se ou de grandes grupos de pesquisa ou veículos de comunicação, graças a seus poderes aquisitivos, mas não necessariamente são os mais indicados para realização de tal tarefa, e sim por sua capacidade financeira para fazê-lo. Eles não possuíam gênios de interpretação para gerar as informações, mas podiam comprar Dados que custavam muito caro, e muitas vezes nem era possível entender de onde vinham. Por possuírem acesso aos Dados, tinham maior capacidade de transformar em Informação e repassar para a sociedade, muitas vezes conforme sua interpretação destes dados. Mas isso acabou. Os Dados não estão somente nas mãos desses grandes grupos, está disponível e ao alcance de todos. A internet é uma grande banco de dados, que guarda um grande volume de interações humanas. Esses registros refletem aspectos do comportamento humano colocados lá de forma expontânea, as vezes estimulada, mas na maioria das vezes sem que ninguém tenha solicitado de forma explícita. Mais do que estar ao alcance de todos, é em tempo real. As pessoas dizem do que gostam, onde comem, quando comem, fotografam, fazem vídeos, e publicam tudo isso em grandes volumes todos os dias.</p><p>Todos esses dados são colocados em espaços públicos da internet, diga-se redes sociais, sites, blogs, entre tantos outros bancos de dados existentes na rede mundial de computadores. Sim, esses espaços são públicos, apenas leia os contratos de adesão de empresas como Google, Facebook, Twitter, entre outros, lá você encontrará informações que explicam o aspecto público da internet e como suas “informações pessoais” são armazenadas em grandes bancos de dados para os mais diferentes tipos de uso. Gostei muito de uma frase escrita por Stephen Kanitz: “Se você adora usar serviços grátis (google, facebook, hotmail,…) lembre-se que o produto que eles realmente vendem é você.”.</p><p><strong>A Democratização da Informação.</strong></p><p>Tudo que acontece na internet é registrado, está em algum banco de dados, e alguém em algum lugar tem acesso a isso. Mas muitos desses dados estão disponíveis para todos, são públicos mesmo. Um bom conhecedor de sistemas consegue acessar, sem cometer nenhum tipo de infração. São bancos abertos, sem necessidade senhas ou qualquer outro tipo de impeditivo. Muitos programadores criam softwares experimentais para analisar dados das redes sociais, você pode encontrar esses tipos de programas com uma simples busca na internet, e poderá testar a consulta de uma determinada palavra chave e em poucos segundos terá como resultado: quem registrou, onde e quando. A era da internet trouxe junto com ela a democratização da informação, e como consequência o maior banco de dados sobre comportamento já construído, na verdade, algo nunca nem imaginado. Mas precisamos lembrar que esse banco de dados não é estruturado para atender todos os fins, ou seja são dados não organizados. O que pode parecer ruim é o grande diferencial, por não serem organizados, permitem diferentes tipos de visões e análises, gerando assim diferentes tipos de informação, que podem virar Conhecimento.</p><p><strong>Quando a Informação vira Conhecimento.</strong></p><p>O conhecimento é resultado de várias informações organizadas de forma lógica o suficiente para criar um evento, tornar possível um evento ainda não conhecido ou o poder de entender um evento, suas causas, eventos anteriores e suas causas, eventos da causa, evento resultante de causa, o poder de manipular eventos e causas. Isso significa que quando a Informação vira Conhecimento, passa a ter poder para transformar-se por em estratégias, marketing, inteligência competitiva, inovação, comunicação. Grandes veículos de comunicação comandaram nações e transformaram pensamentos coletivos conforme seus interesses particulares, o poder estava na mão deles, tinham os dados antes, escolhiam o que era interessante mostrar, e geravam informações baseados em seu principal interesse: a audiência. Esse controle da informação os deixou muito poderosos, mas a internet colocou tudo isso a prova. As informações chegam antes através das redes sociais das pessoas, os veículos passaram a ser formadores de opinião, assim como pessoas comuns são. Qualquer pessoa pode ser um formador de opinião, pois tem condições de ter a mesma informação na mesma velocidade e quantidade de qualquer grande veículo, pode analisar, interpretar e registrar a sua própria opinião sobre qualquer fato. Hoje alguns comunicadores possuem uma audiência proprietária (fãs, seguidores,…) maior do que grandes grupos, e influenciam pessoas mais do que os canais tradicionais. A informação está passando pelas pessoas e depois chegando nos grandes veículos de comunicação. O fluxo da informação se inverteu, qualquer um pode utilizar-se do Poder da Informação.</p><p><strong>Quando o Conhecimento vira Comunicação.</strong></p><p>Saber as preferências do público da marca antes — aquelas preferências que mudam de forma instantânea e que são atualizadas nessa mesma velocidade nas redes sociais — e fazer comunicação em tempo real tornou-se uma realidade. Agências de comunicação parecem ainda não terem compreendido isso de forma tão clara, mesmo percebendo que os veículos tradicionais já não tem o mesmo poder que tinham anteriormente, que já não influenciam mais como antes, que não possuem mais a audiência que tinham, todos continuam baseando-se nesse antigo modelo de negócio. Parece muito óbvio os motivos, já que esse negócio é sustentado por um modelo comercial entre veículo, agência e anunciante, totalmente baseado em comercialização de mídia. Acostumaram-se a viver assim, mudar é difícil, mesmo percebendo que as mudanças estão ocorrendo em volta desses três elementos, a sobrevivência deles depende da continuidade desse processo. Marcas anunciantes já questionam o modelo, perceberam que possuem uma audiência proprietária muitas vezes maior do que dos veículos de comunicação que os atendem, e começam a pressionar o modelo. Estão buscando a informação de forma direta e percebendo o poder que podem ter com isso. Grandes marcas como Coca-Cola, Pepsico, Dell, Nestlé, entre outros, criaram centros de monitoramento para ter acesso direto a audiência, e baseado nisso estão levando as respostas para suas agências de comunicação. Isso apenas ressalta a afirmação que fiz anteriormente: o fluxo da informação se inverteu, e assim o poder está mudando de lugar. Quando a informação muda de lugar, o poder também muda.</p><blockquote>Isso muda tudo para o marketing. A informação precisar ser o pilar principal da construção e manutenção de estratégias, não haverá mais espaço para a intuição controlar esse processo.</blockquote><h3>Curtir isso:</h3><p>Curtir Carregando…</p><h3>Relacionado</h3><p><em>Originally published at </em><a href="http://cappra.com.br/2015/04/13/o-poder-da-informacao/"><em>cappra.com.br</em></a><em> on April 13, 2015.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9f2d51d2877d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[A Ciência de Dados, por Barack Obama]]></title>
            <link>https://medium.com/@cappra/a-ci%C3%AAncia-de-dados-por-barack-obama-751194c933fd?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/751194c933fd</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[obama]]></category>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Tue, 07 Apr 2015 00:37:47 GMT</pubDate>
            <atom:updated>2015-04-07T00:37:47.337Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*bn55WFt00AkSyZ-c.jpeg" /></figure><p>A Ciência de Dados chegou oficialmente a Casa Branca.</p><p>Na última semana o governo americano anunciou um novo cargo executivo dentro do governo, o <a href="http://www.wired.com/2015/02/white-house-names-dj-patil-first-us-chief-data-scientist/">Cientista-Chefe de Dados</a>.</p><p>O mais bacana é que para explicar a criação desse novo cargo, o próprio Obama gravou um vídeo explicando os fatores que motivaram essa decisão, e o que esperam da função, aqui tá o vídeo original:</p><blockquote>Vou destacar alguns pontos do que ele falou:</blockquote><blockquote>1) Entendemos que precisávamos de uma ajuda especializada sobre o assunto, não estamos preparados para entender essa quantidade absurda de dados que temos a nossa disposição nos bancos de dados do governo;</blockquote><blockquote>2) Acreditamos que podemos tomar melhores decisões se olharmos para esses dados de uma forma sistemática, reduzindo assim o impacto da intuição;</blockquote><blockquote>3) Com um trabalho orientado por dados o governo poderá acelerar tratamentos de saúde,resolver problemas do dia-a-dia, estimular a inovação dos tomadores de decisão e assim criar novas oportunidades e empregos;</blockquote><blockquote>4) Usaremos a ciência de dados para a ajudar o país e transformar o mundo em um lugar melhor.</blockquote><p>Independente de um discurso mais político, que obviamente sempre visa destacar as ações positivas do governo, o fato dos EUA apoiarem suas decisões em método/ciência reforça uma visão profissional do processo político.</p><p>Logo depois do anúncio do presidente Barack Obama, o Chief Data Scientist anunciado — DJ Patil — apresentou suas metas e objetivos. Apresentou como vai trabalhar e como a ciência de dados vai apoiar o governo. O bacana é que ele começa explicando o que é a Ciência de Dados, e como ela pode se transformar em um poderoso apoio aos tomadores de decisão, aqui da pra conferir a palestra completa:</p><p>Em resumo, o governo americano admite que já administra grandes volumes de dados, o que ele precisa agora é saber para quais dados olhar — e como analisar eles — para assim tomar melhores decisões.</p><p>O mundo está abarrotado de dados graças a rápida evolução da tecnologia da informação, agora é preciso organizar esses dados para que possam ser transformados em decisões que melhorem a vida das pessoas ☺</p><h3>Curtir isso:</h3><p>Curtir Carregando…</p><h3>Relacionado</h3><p><em>Originally published at </em><a href="http://cappra.com.br/2015/02/24/a-ciencia-de-dados-por-barack-obama/"><em>cappra.com.br</em></a><em> on February 24, 2015.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=751194c933fd" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Decoding]]></title>
            <link>https://medium.com/@cappra/decoding-b1f0f7f72cd0?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/b1f0f7f72cd0</guid>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Tue, 03 Mar 2015 03:39:12 GMT</pubDate>
            <atom:updated>2015-03-03T03:39:12.742Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/960/1*jvzV0-L6AytpjgNLR4S6hw.png" /><figcaption>Decoding by Perestroika, Powered by Cappra</figcaption></figure><p>Decoding</p><p>Já faz bastante tempo que esse projeto estava na lista de pendências, e agora nasceu ☺</p><p><em>“Hackear o comportamento humano. O Decoding é o curso que vai desmistificar a leitura de dados e revolucionar a forma como as marcas e as pessoas se relacionam. Porque dados sem processamento não viram informação e, sem informação, ficamos reféns das mesmas estratégias. Um curso para entender como as pessoas pensam e criar a partir disso, sem precisar saber nada de códigos ou computação.”</em></p><p>Sou o curador de conteúdo e professor principal do Decoding, montamos ele dentro da metodologia e com todo o espírito da Perestroika em construir experiências. A primeira parada do curso é em POA, começa final de junho e são 6 aulas (duas por semana, ou seja, 3 semanas).</p><p>Tem muitas informações, detalhes sobre o curso, valores, inscrições e tudo mais está lá no site da Perestroika: <a href="http://bit.ly/decoding-poa">http://bit.ly/decoding-poa</a></p><p><strong>Algumas coisas de bastidores que achei legal contar aqui ☺</strong></p><p>* o nome DECODING surgiu da ideia de transformar o comportamento em um novo código, um código analítico, ou seja, decodificar a forma que enxergamos o comportamento e transformá-lo em algo mais tangível, mensurável e até rastreável.</p><p>* a marca acima do nome é CODE (código) escrito em braile, um tipo de codificação que transforma letras em códigos que podem ser lidos por quem tiver a técnica para isso. No curso, baseado no mesmo conceito, vamos ensinar a técnica e entregar ferramentas para tradução do comportamento em dados analíticos.</p><p>* o curso nasceu de um pedido que eu sempre ouvia dos alunos nos cursos da Perestroika: “não dá pra fazer um curso do Cappra?”. Nos cursos que dou aula normalmente, obviamente que o conteúdo faz parte de um contexto maior, então o papel das minhas aulas é inspirar e gerar gatilhos pra que as pessoas saiam da zona de conforto e descubram o que está acontecendo fora do seu raio de visão, e entrego ferramentas para as pessoas usem por conta própria. Esse é diferente, vai ser prático e ensinaremos técnicas em aula, entregaremos a metodologia, além de instrumentalizar os alunos para aplicarem no seu dia-a-dia.</p><p>* o curso também carrega um pouco da minha missão pessoal e da consultoria que realizamos aqui na <a href="http://cappra.com.br/ciencia-de-dados/">CAPPRA DATA SCIENCE</a>, empoderar pessoas através da democratização da informação.</p><p>* se vc foi aluno meu em algum curso da Perestroika, é uma grade e conteúdo totalmente novo, é pra ser um evolução mesmo. Se vc não foi, tudo bem, não precisa ter a base das aulas de outros cursos pra fazer ele.</p><p>* ele foi estruturado para não ser nada técnico, nenhum conhecimento de tecnologia é exigido, e qualquer pessoal conseguirá usar o que aprender em aula (seja na seu trabalho, negócio próprio ou na vida pessoal). Ele tem um direcionamento para galera da comunicação/marketing/gestão, pois tem um desdobramento para transformar a técnica em uma aplicação para organizar a audiência e impactar pessoas em tempo real.</p><p>* não é preciso entender ou falar inglês, falaremos de muita coisa nova, usaremos métodos e ferramentas gringas, mas todas as aulas serão em português.</p><p>* terei convidados ☺ Eles poderão ser cientistas malucos, psicólogos e matemáticos, uma mistura que vai apimentar alguns encontros.</p><p>* a última aula é um experimento real. Vamos para um lugar preparado para ver tudo isso em funcionamento, telas que mostram o comportamento das pessoas, sentimentos, reações e probabilidades serão demonstradas e testadas ao vivo.</p><p>* o resto vou deixar só pra quem fizer o curso ☺</p><p>* se tiverem dúvidas é só falar direto com o juliano@perestroika.com.br , ele resolve tudo por lá (seja sobre conteúdo, datas, negociações, …)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b1f0f7f72cd0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[The power of data by Williams]]></title>
            <link>https://medium.com/by-cappra/the-power-of-data-by-williams-8f02bcf67bdb?source=rss-46550f9e0415------2</link>
            <guid isPermaLink="false">https://medium.com/p/8f02bcf67bdb</guid>
            <dc:creator><![CDATA[Ricardo Cappra]]></dc:creator>
            <pubDate>Tue, 08 Apr 2014 18:32:44 GMT</pubDate>
            <atom:updated>2014-04-08T18:32:44.743Z</atom:updated>
            <content:encoded><![CDATA[<p>Tem uma frase do William James que diz: “Toda a nossa vida, na medida em que tem forma definida, não é nada além de uma massa de hábitos”.</p><p><strong>E se fosse possível coletar, organizar e analisar os dados desses hábitos?!</strong></p><p>Muita está se falando em como dados podem fazer a diferença na área da comunicação. A grande verdade é que os dados podem ajudar qualquer área, desde que tratados, analisados, estruturados em forma de informação e transformados em conhecimento.</p><p>Apenas para exemplificar, vou falar rapidamente da Williams.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/1*iXYMC3Zwv88eoc5obsQxZA.jpeg" /></figure><p>A Williams, que é uma das principais escuderias de F1 (e consequentemente uma grande corporação) define a Performance como seu principal diferencial competitivo, tanto nas pistas quanto nos negócios. Ela coloca entre <a href="http://www.williamsf1.com/AdvancedEngineering/Who-we-are/Our-Key-Principles/"><strong>4 princípios chaves para o sucesso</strong></a><strong> </strong>do seu negócio: <strong>The power of data.</strong></p><p><em>Fiz questão de reproduzir na íntegra aqui o que está no site deles porque acredito fazer muito sentido:</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/1*XRGqVm9UT7_zN91Hz_SSQw.jpeg" /></figure><blockquote>THE POWER OF DATA</blockquote><blockquote><strong>UTILISING INFORMATION TO MAKE THE RIGHT DECISION</strong></blockquote><blockquote><strong>WE LOVE DATA</strong></blockquote><blockquote>&gt;400 individual streams are gathered continuously on the track. All of this data has a distinct use, working to aid the performance of the car.</blockquote><blockquote><strong>CONFIDENCE IN THE ANSWER</strong></blockquote><blockquote>Scenarios are simulated and planned off-line for all eventualities. Our team members trust the data in front of them and their analysis of it.</blockquote><blockquote><strong>POSITIVE ACTIONS</strong></blockquote><blockquote>We plan rigorously for every eventuality, with distinct actions and triggers in place which are followed. This approach is important in that it prevents reactive decision making.</blockquote><p>Empresas que encaram performance de forma séria já entenderam que Dados podem ser um grande diferencial, obviamente que as empresas que já nasceram no mundo (ambiente) digital compreendem isso mais rápido, e talvez por isso estejam se apropriando desse conhecimento e acelerando seu crescimento exponencialmente (Google comprando Waze, Facebook comprando Whatsapp, são dois bons exemplos), mas existem empresas que criaram mecanismos para serem orientadas a dados desde sua origem.</p><p>A Target (fundada em 1962) utiliza esse método já faz muito tempo. A Target é uma espécie de Supermercado dos EUA, por lá são armazenados dados do que os clientes compram nas lojas e estes dados são analisados por estatísticos que procuraram padrões: alguém está comprando toalhas, lençóis talheres, panelas e comida congelada? Essa pessoa provavelmente acaba de comprar uma casa nova — ou está se divorciando — com isso, descobrirão a melhor forma de atrair esse cliente, seja através de cupons de desconto ou outra forma de comunicação específica. Vale a pena ler <a href="https://corporate.target.com/careers/career-areas/business-intelligence-analytics"><strong>aqui</strong></a><strong> </strong>o quanto valorizam essa disciplina no negócio deles. <em>Isso tudo está descrito em detalhes no livro </em><a href="http://www.livrariasaraiva.com.br/produto/4238667/o-poder-do-habito-por-que-fazemos-o-que-fazemos-na-vida-e-nos-negocios"><strong><em>O Poder do Hábito</em></strong></a><strong><em>.</em></strong></p><p>Esse são apenas alguns exemplos de como os dados podem ser utilizados para potencializar negócios, e o mais incrível é que grande parte desses dados já fazem parte do dia-a-dia do negócio, e muitos outros podem ser coletados de forma simples, são dados públicos. Obviamente que o real valor disso está na análise dessas informações, onde é fundamental um cruzamento de expertises de análises de dados com analistas do negócio, para efetivamente gerar impacto direto no business da empresa.</p><blockquote><strong>Iniciei esse texto com a frase do William James, e afirmo que sempre foi possível essa análise de dados. Agora ficou mais fácil, temos mais ferramentas, recursos e pessoas preparadas para isso, é apenas uma questão de Fazer. A internet das coisas (</strong><a href="http://en.wikipedia.org/wiki/Internet_of_Things"><strong>internet of things</strong></a><strong>) é muito mais do que isso, será a internet dos dados (</strong><a href="http://link.springer.com/article/10.1007/s11704-012-1036-z"><strong>internet of data</strong></a><strong>), mas isso já é contexto para um outro texto ;)</strong></blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8f02bcf67bdb" width="1" height="1" alt=""><hr><p><a href="https://medium.com/by-cappra/the-power-of-data-by-williams-8f02bcf67bdb">The power of data by Williams</a> was originally published in <a href="https://medium.com/by-cappra">by Cappra</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>