<?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 Larissa Gil Lacerda on Medium]]></title>
        <description><![CDATA[Stories by Larissa Gil Lacerda on Medium]]></description>
        <link>https://medium.com/@larissagillacerda?source=rss-318166989cad------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*I9GuxAyLW2EGRiKI</url>
            <title>Stories by Larissa Gil Lacerda on Medium</title>
            <link>https://medium.com/@larissagillacerda?source=rss-318166989cad------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sun, 22 Nov 2026 21:16:47 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@larissagillacerda/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[Entrevista para ADNews]]></title>
            <link>https://medium.com/just-solutions/entrevista-para-adnews-3e6e9fe0bc74?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/3e6e9fe0bc74</guid>
            <category><![CDATA[data]]></category>
            <category><![CDATA[data-driven]]></category>
            <category><![CDATA[just-a-little-data]]></category>
            <category><![CDATA[business]]></category>
            <category><![CDATA[dados]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Thu, 31 Oct 2019 14:41:59 GMT</pubDate>
            <atom:updated>2020-07-14T14:25:04.942Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/943/1*7Lz3b63Rpi69JFEZY1kagA.png" /></figure><p>Recebemos o convite do AdTalks e falamos em como é possível montar estratégias digitais e crossmedia para as marcas, tanto para ações de branding como vendas, utilizando “performance”, com implementação de plataformas DMP e atuação data driven envolvendo todas as metas de negócio.</p><p>Confira o bate papo dando o play:</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FAflQm2c3du8%3Ffeature%3Doembed&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DAflQm2c3du8&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FAflQm2c3du8%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/d7640372b38bad6faf5d3eeee25056b2/href">https://medium.com/media/d7640372b38bad6faf5d3eeee25056b2/href</a></iframe><p>Obrigada pelo convite Antonio Rosa, CEO do Adnews.</p><p><a href="https://adnews.com.br/adtalks/adtalks-com-denys-fehr-ceo-da-just-a-little-data/">Adtalks com Denys Fehr, CEO da Just a Little Data</a></p><p><a href="https://www.just.bi/">Para saber mais sobre a Just, acesse nosso site :)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3e6e9fe0bc74" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/entrevista-para-adnews-3e6e9fe0bc74">Entrevista para ADNews</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[DATA SUMMIT#3]]></title>
            <link>https://medium.com/just-solutions/data-summit-3-6dff6ed3a5b8?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/6dff6ed3a5b8</guid>
            <category><![CDATA[data]]></category>
            <category><![CDATA[data-driven]]></category>
            <category><![CDATA[dados]]></category>
            <category><![CDATA[just-a-little-data]]></category>
            <category><![CDATA[data-summit]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Wed, 30 Oct 2019 19:17:39 GMT</pubDate>
            <atom:updated>2020-07-14T14:24:36.373Z</atom:updated>
            <content:encoded><![CDATA[<p>Queremos agradecer a presença de todos na edição do D<strong>ATA SUMMIT #3: A Era da comunicação baseada em dados, </strong>que aconteceu no dia 24.outubro.2019 no inovabra habitat em parceria com os Amigos do Mercado.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1DvqVNCtARuCq_zEXeSw8A.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DHpWN7jFkha-GpdDbKovAw.jpeg" /></figure><p>Promovemos uma manhã recheada de conteudos sobre data x comunicação trazendo novas perspectivas e pontos de vistas para o mercado se atualizar e trocar informações sobre como o data driven vem mudando o modo de trabalho e como ele é eficiente para ganhar uma vantagem competitiva.</p><p><strong>PAINÉIS DE DISCUSSÃO</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FlRUjZ4uCShsnaw3M87aRg.jpeg" /><figcaption><a href="https://medium.com/u/d44b94de6402">Vivian Dall’Alba</a> arrasando no sketchnote</figcaption></figure><p>Bob Wollheim (mediador), Ana Paula Appel (IBM Research), Ricardo Dias (Ambev), Rafael Cavalcanti (Bradesco)e Alex Greif (Sky) comandaram a discussão sobre <strong>Data squads, labs, inhouses: Qual melhor caminho DDDM? </strong>Eles trouxeram exemplos de como sua área esta preparada para o caminho data driven e comentaram sobre a importância da tomada de decisão baseada em dados.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YRmD0Mq3AyCy3GQLvEhoHw.jpeg" /><figcaption>Bob Wollheim, Ana Paula Appel, Ricardo Dias, Alex Greif e Rafael Cavalcanti (esq p/ dir).</figcaption></figure><p>O segundo painel foi moderado por Cleber Paradela (99 APP) com o tema<strong> “A Publicidade one to one em tempos de privacidade de dados”. </strong>Assunto super relevante visto que a Lei de Proteção dos Dados começará a valer em 2020 e as marcas estão organizando processos internos para que os consumidores fiquem cientes do uso dos dados disponibilizados. Tivemos a presença de Andrea Salinas (JCDeaux), Gustavo Tadao (SODEXO)e Eduardo Perez(Globo) contando suas experiências e percepções sobre o tema.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9DYHA7K1NPI83MkK-z25Jg.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Zng8kCV4bWLhiw2CEDHxIw.jpeg" /><figcaption>Cleber Paradela na foto a esquerda. Andrea Salinas, Gustavo Tadao, Eduardo Perez e Cleber Paradela(esq p/ dir).</figcaption></figure><p>No terceiro painel de discussão, Kika Brandão (Estúdio Eixo) moderou a discussão <strong>Do data driven ao people driven: a humanização dos dados. </strong>Marcos Trinca (More Than Real) especialista em AI falou um pouco como a tecnologia vai auxiliar o futuro sem perdermos a humanidade. Leonardo Khede (Verizon Media) trouxe a visão de marca x consumidor . E Rony Rodrigues (Box 1824) trouxe a visão macro sobre a humanização.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*N1FmiZeXhSyMQHtVJ7P3og.jpeg" /><figcaption>Marcos Trinca, Leonardo Khede, Kika brandão e Rony Rodrigues (esq p/ dir).</figcaption></figure><p>Quer ver tudo o que rolou? Acesse o streaming no link abaixo</p><p><a href="https://videos.netshow.me/t/Vfw6QKVvBgM">Netshow.me Vídeos</a></p><p><strong>Workshops</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oFYlshshd2Y0vbm4J3jgTw.jpeg" /><figcaption>Vinicius Ramos e interessados no assunto do workshop.</figcaption></figure><p>O primeiro workshop foi liderado por Vinicius Ramos com o tema <strong>Data Visualization </strong>onde, de uma maneira prática, ele mostrou como começar a utilizar DashBoards (mesmo sem conhecimento prévio) para comunicar resultados, facilitar processamento de informações e principalmente fazer descobertas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OmeX4bw106npme7Ya01xHw.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gHHe8xujaCyX-jrYweKTlQ.jpeg" /><figcaption>Eduardo Morais e Bruno Campos ( esq p/ dir).</figcaption></figure><p>O segundo workshop teve como tema <strong>Data Analytics</strong> e foi ministrado por Bruno Campos e Eduardo Morais (Converge You).<em> </em>A gestão/análise de dados é um diferencial estratégico e evolutivo para as empresas na medida em que apoia os processos de tomada de decisões nos negócios de maneira clara e eficiente a partir dos dados. Eles mostraram ferramentas e maneiras de analisar os cenários para ajudar a melhor performar no mundo digital e do analytics sem limites.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DM05xxiz_iGIXZMzKxb1jA.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qXlz5qIeVxE-aXXNMAUvgA.jpeg" /><figcaption>Lilian Cruz e Fernanda Belfort ( esq p/ dir).</figcaption></figure><p>O último workshop do dia com o tema <strong>Design Thinking Data,</strong> foi realizado em parceria com a Lilian Cruz e Fernanda Belfort (Stilingue). Muito se tem falado sobre a criação de produtos e serviços colocando o usuário no centro de tudo. Mas como a utilização de dados pode orientar as decisões no processo de Design Estratégico? No Design Thinking, buscasse as perguntas certas para gerar novas ideias e hipóteses. Já uma abordagem orientada por dados, permite enxergar as necessidades do usuário com maior nitidez e coerência, buscando sempre equilibrá-las com os objetivos do negócio.</p><p><strong>Sala de Mentoria / Roda de Conversa</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2HN7kl6wSnRaLXC0l0UA3Q.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hHjS-pn7xnl1gHjVKmv57g.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_E7twYl3phqfz_DaF1nfNw.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RsqClbqXKvRRoWVgUuMXfw.jpeg" /><figcaption>Foto 1: Denys e participantes / Foto 2: Kika Brandão e Catharina Rocha / Foto 3: Gisele Karassawa e Marcella Costa (esq p/ dir) / Foto 4: Allan Fonseca e participantes.</figcaption></figure><p>Essa sala foi perfeita para os profissionais que quiseram colocar seu problema / dor / oportunidade em questão e discutir com os especialistas e demais participantes em como solucionar esse desafio.</p><p>No primeiro momento tivemos o Denys Fehr, nosso CEO, contando <strong>O segredo de montar um equipe de dados</strong>. Na segunda roda de conversas, Kika Brandão e Catharina Rocha do Estúdio Eixo falaram que <strong>O protagonismo das marcas está na audiência. </strong>E para finalizar os especialistas em LGPD, Allan Fonseca da Guardians Consulting junto com Marcella Costa e Gisele Karassawa (ambas da LLCO Advocacia) levantaram os pontos importantes sobre a<em> </em><strong>Adequação à LGPD.</strong></p><p>Foi uma manhã riquíssima em conhecimento e aprendizado.</p><p>Fiquem ligados nas nossas redes sociais (<a href="https://www.linkedin.com/company/10184293">Linkedin</a>/ <a href="http://www.facebook.com/justalittledata/">Facebook </a>/<a href="https://www.instagram.com/justalittledata/">Instagram</a>) que em 2020 teremos mais eventos ;)</p><p><a href="https://www.just.bi/">Para saber mais sobre a Just, acesse nosso site :)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6dff6ed3a5b8" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/data-summit-3-6dff6ed3a5b8">DATA SUMMIT#3</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Seus executivos estão prontos para lidar com dados? Conheça 6 pontos que podem ajudar :)]]></title>
            <link>https://medium.com/just-solutions/seus-executivos-est%C3%A3o-prontos-para-lidar-com-dados-conhe%C3%A7a-6-pontos-que-podem-ajudar-5ad558b2f6b9?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/5ad558b2f6b9</guid>
            <category><![CDATA[data-driven-decisions]]></category>
            <category><![CDATA[chief-data-officer]]></category>
            <category><![CDATA[data-driven]]></category>
            <category><![CDATA[chief-data-scientist]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Thu, 10 Oct 2019 13:52:07 GMT</pubDate>
            <atom:updated>2020-07-14T14:24:13.274Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>Seus executivos estão prontos para lidar com dados? Conheça 6 pontos que podem ajudar :)</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Jot8F90Qi_L8E36vDZtk5g.jpeg" /><figcaption><em>(Crédito:</em><a href="https://unsplash.com/@samuelzeller"><em> </em>Samuel Zeller</a><em> /</em><a href="https://unsplash.com/photos/_es6l-aPDA0"><em> </em>Unsplash</a><em>)</em></figcaption></figure><p>Em um<a href="https://medium.com/just-a-little-data/contratar-um-chief-data-officer-n%C3%A3o-%C3%A9-o-suficiente-38513f7e697c"> post</a> publicado por aqui recentemente nós tratamos dos impactos que a implantação de uma cultura orientada por dados causa no trabalho dos principais executivos de uma empresa. Afinal, trata-se de uma transformação que, para trazer resultados, precisa afetar todos os aspectos do funcionamento de uma companhia.</p><p><a href="https://medium.com/just-a-little-data/contratar-um-chief-data-officer-n%C3%A3o-%C3%A9-o-suficiente-38513f7e697c">Contratar um Chief Data Officer não é o suficiente!</a></p><p>Hoje, vamos nos aprofundar em algumas das principais questões que essas lideranças “C-Level” precisarão enfrentar com a chegada de um Chief Data Officer ou com uma guinada da cultura organizacional rumo a uma mentalidade <em>data driven</em>.</p><p>O artigo “Can Your C-Suite Handle Big Data”, assinado por Brad Brown é parte do estudo<a href="https://www.sas.com/en_za/whitepapers/hbr-from-data-to-action-107218.html"> <em>From Data to Action</em></a> (Harvard Business Review Insight Center), propõe uma espécie de <em>framework</em> em seis pontos para balizar essa evolução dos papéis dos executivos-chave de uma empresa empenhada em navegar pelo universo dos dados.</p><p>Vamos a eles:</p><p><strong>1. Estabelecer um novo mindset a respeito do valor dos dados </strong>— Os executivos de maior senioridade precisam adquirir conhecimento sobre análise de dados o suficiente para entenderem tudo aquilo que é possível ser feito a partir dessas informações e, depois, efetivamente implementar as mudanças que vão garantir saltos na performance conforme o que foi indicado pelas análises. Esse é um exercício que deve ser feito em todas as unidades de negócios e conduzido por um executivo com a influência e a autoridade para inspirar ação.</p><p>Importante aqui citar que não é que o executivo tenha que entender tecnicamente as plataformas ou os modelos estatísticos, mas sim o impacto dos dados no seu negócio, pois daí muitas decisões podem ser tomadas de maneira mais rápida e fácil. Como é possível otimizar minha operação e, por consequência, reduzir custos com dados? Como é possível aumentar minhas vendas usando dados? Como é possível criar novas linhas de receita no meu negócio usando dados? Essas são perguntas que esses executivos devem se fazer nesse momento. Se hoje em dia dados são dinheiro, são eles que farão isso virar verdade dentro de suas empresas.</p><p><strong>2. Definir uma estratégia de análise de dados </strong>— Como qualquer outra oportunidade de negócios, a análise de dados não trará os resultados esperados se não for acompanhada por uma estratégia clara e por iniciativas bem articuladas. É aí que muitas empresas falham, seja porque ninguém está explicitamente encarregado disso, seja por não haver tempo ou discussões suficientes para alinhamento de prioridades.</p><p>O que sempre falamos é que a aplicação de uma rotina de trabalho Data Driven Decision Making (DDDM) é um processo grande, que envolve muita gente e precisa ser gerenciado como tal. E como todo projeto, uma estratégia para sua implementação é necessária. Sempre a primeira pergunta a ser feita é: qual objetivo dele? O que a empresa espera de todo esse investimento que está sendo feito? Melhorias em quais áreas, frentes de atuação ou produtos? Quem é responsável pelo o quê? Quais são as prioridades? Uma gestão eficiente como a de qualquer projeto precisa ser pensada aqui. Além disso, uma metodologia de trabalho deve ser aplicada. A metodologia KDD é uma bastante antiga e utilizada no mercado, dentre outras existentes. Para saber mais sobre ela, clique no link abaixo.</p><p><a href="https://medium.com/just-a-little-data/data-sprint-9cca519cb030">Data Sprint</a></p><p><strong>3. Determinar o que desenvolver, comprar, pegar emprestado ou alugar</strong> — A experiência e a autoridade de um líder sênior são necessárias para guiar a busca pelo equilíbrio técnico necessário na hora de lidar com dados e de construir os modelos analíticos avançados para melhorar a performance. A demanda por recursos é considerável e, com a grande quantidade de fornecedores oferecendo dados, modelos e ferramentas, a experiência desses profissionais sêniores é essencial para saber o que contratar e o que pode ou deve ser desenvolvido internamente.</p><p>Essa é uma premissa importante para evitar gastos desnecessários com parcerias que não são estratégicas para os resultados esperados com o projeto. Mais importante ainda, para não sair coletando e armazenando informações que não são chave para o que queremos como objetivo do projeto. Tudo isso é tempo e custo desperdiçado.</p><p>Uma dica boa para esse momento é entender e mapear todo ambiente que influencia o seu negócio, o seu produto, o momento da sua empresa. Às vezes, uma mudança na lei pode alterar diretamente seu faturamento. Ou, um indicador econômico dentro do seu modelo de negócio pode ajudar a projetar melhor as vendas. Uma simples variação do tempo pode afetar diretamente a venda de coleções de roupa de inverno ou verão. Há muitas informações que não são de controle da empresa, mas que devem, sim, ser consideradas nas nossas análises e modelos. Como coletar esses dados? Há APIs gratuitas que podem ser usadas? Parceiros que os possuem? Esse planejamento é determinante para essa etapa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Hga5jFeiUGDU411eTwAv1Q.jpeg" /><figcaption>Para garantir o sucesso, é preciso que um grupo diverso de gestores se comprometa com a mudança. <em>(Crédito:</em><a href="https://unsplash.com/@campaign_creators"><em> </em>Campaign Creators</a> /<a href="https://unsplash.com/photos/gMsnXqILjp4"> Unsplash</a><em>)</em></figcaption></figure><p><strong>4. Garantir expertise em analytics </strong>— Os líderes nesse novo cenário de transformação têm que lidar com um número crescente de colaboradores cada vez mais especializados. A busca por esses talentos em um mercado aquecido, por si só, já é um desafio para os gestores mais preparados. Reter esses profissionais especialistas e criar um engajamento deles com os líderes de negócios para realmente fazer a diferença é uma tarefa que exige uma alta qualificação gerencial.</p><p>Isso é válido para as pessoas mais especializadas, que trabalham com dados, ou qualquer outra área. Profissional bom hoje é algo raro, e isso em diversas indústrias. Quando se fala de profissionais que atuam em dados, nossa orientação é sempre envolvê-los no negócio. Trazer eles para a mesa em que se discute o negócio e não o dado em si, pois com a visão mais técnica ou “de exatas” desse profissional, ele vai poder extrair muito mais valor do trabalho dele tendo em mente todo o contexto do negócio do que simplesmente montar relatórios e buscar correlações. Não há briefing para esses profissionais de uma maneira detalhada, compartilhe com eles as dores do negócio e faça com que eles busquem uma solução para elas através dos dados.</p><p><strong>5. Mobilizar recursos </strong>— É preciso um esforço árduo dos gestores para mobilizar recursos financeiros e humanos entre diversas funções e unidades de negócios diferentes para criar ferramentas que deem suporte às decisões e ajudem os executivos de linha de frente a explorar modelos analíticos. Para alcançar o sucesso nessa empreitada, é necessário que um grupo diverso de gestores se comprometa com a mudança e quebre as barreiras entre as diferentes áreas envolvidas. Sem envolver as lideranças mais sêniores nesse processo, o risco de fracasso é grande.</p><p><strong>6. Criar capacidades na linha de frente </strong>— Os modelos sofisticados de análise construídos pelos cientistas de dados devem ser traduzidos em ferramentas que engajem diariamente os gestores e colaboradores da linha de frente dos negócios. Não convém subestimar o esforço necessário para isso — envolvendo treinamentos, acompanhamento e métricas. Muitas companhias dirigem 90% dos seus investimentos na construção de modelos e só 10% na utilização deles na linha de frente. Na verdade, metade do investimento deveria ir para a linha de frente. E, mais uma vez, se nenhuma liderança sênior for envolvida e responsabilizada pelas mudanças que se quer promover, existe uma grande chance de todo esse esforço não dar em nada.</p><p>O investimento na linha de frente é tão importante quanto nos modelos, pois nada adianta ele estar funcionando se ninguém utilizar. Muitas plataformas sistêmicas já passaram por isso na vida. Quantas implementações de grandes sistemas receberam muitos investimentos mas o usuário final acabou não utilizando? Quando falamos de modelos e dados, funciona da mesma forma. Mais importante que criarmos os modelos é usarmos e evoluirmos eles. Então, a linha de frente deve estar sempre 100% envolvida em todo o processo, pois são eles que vão utilizar de fato.</p><p>No fim das contas, trata-se de colocar as capacidades das lideranças para trabalhar naquilo em que elas são realmente necessárias. E, ao examinar os desafios listados aqui, pode ser que uma empresa se veja precisando de mais papéis de liderança para promover as mudanças desejadas. Pode ser, então, que a criação de uma unidade centralizada dedicada aos dados ajude a fazer esses esforços decolarem de forma mais rápida. No entanto, todas as áreas de negócios precisam ser envolvidas para que possam se beneficiar (e consequentemente à empresa como um todo) dessa transformação na linha de frente dos negócios.</p><p>Uma boa forma de começar a pensar nas questões postas aqui é colocar as principais lideranças, e até mesmo membros do board, para examinar a escala do que é preciso para alcançar o sucesso com a análise de dados. Isso deve ser feito sempre em comparação com a capacidade gerencial que já existe na empresa, pois, assim, o risco de acabar sobrecarregando a estrutura já existente com a chegada dessas novas responsabilidades é menor.</p><p><a href="https://www.just.bi/">Para saber mais sobre a Just, acesse nosso site :)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5ad558b2f6b9" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/seus-executivos-est%C3%A3o-prontos-para-lidar-com-dados-conhe%C3%A7a-6-pontos-que-podem-ajudar-5ad558b2f6b9">Seus executivos estão prontos para lidar com dados? Conheça 6 pontos que podem ajudar :)</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Participe do DATA SUMMIT #3]]></title>
            <link>https://medium.com/just-solutions/participe-do-data-summit-3-36e4578bd12d?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/36e4578bd12d</guid>
            <category><![CDATA[data-driven]]></category>
            <category><![CDATA[data-summit]]></category>
            <category><![CDATA[data-driven-decisions]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[data-driven-marketing]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Tue, 08 Oct 2019 15:21:50 GMT</pubDate>
            <atom:updated>2020-07-14T14:10:41.135Z</atom:updated>
            <content:encoded><![CDATA[<h3>DATA SUMMIT #3</h3><p>Participe do evento gratuito sobre dados!</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/827/1*WZQWnPx6a_LC48uY3p_W-g.png" /></figure><p>A <strong>Just a Little Data</strong> e os <strong>Amigos do Mercado</strong> te convidam para o<br> <strong>DATA SUMMIT #3: </strong>A era da comunicação baseada em dados, no dia <strong>24/10 das 8h às 13h no InovaBra Habitat.</strong><br> <br> <strong>Evento gratuito</strong> que vai trazer novas perspectivas e pontos de vistas sobre como o data driven decision making vêm transformando as empresas e como o Data Science vem impulsionando os negócios.</p><p>Inscreva-se clicando abaixo:</p><p><a href="https://www.sympla.com.br/data-summit-3__626639">DATA SUMMIT #3</a></p><p>Serão 3 salas com palestras/painéis simultâneos, confira os temas que serão abordados:</p><p><strong>Confira a programação:</strong></p><p>8h — CREDENCIAMENTO DO EVENTO<strong> </strong>(chegue cedo para evitar filas)</p><p><strong>AUDITÓRIO PRINCIPAL — PAINEL DE DISCUSSÃO</strong></p><p>9h as 9:30 — Abertura do DATA SUMMIT #3</p><p>9:30 as 10:30 — Data squads, labs, inhouses: Qual melhor caminho DDDM?</p><p>Bob Wollheim mediador + Ana Paula Appel (IBM Research) + Ricardo Dias (Ambev) + Rafael Cavalcanti (Bradesco) + Alex Greif ( Sky)</p><p>10:30 as 11h — Coffee break</p><p>11h as 12h — A Publicidade one to one em tempos de privacidade de dados.</p><p>Cleber Paradela mediador + Gustavo Tadao (SODEXO) + Andrea Salinas (JCDeaux) + Eduardo Perez(Globo)</p><p>12h as 13h — Do data-driven ao people-driven: a humanização dos dados.<br> Kika Brandão mediadora + Marcos Trinca (More Than Real) + Leonardo Khede (Verizon Media) + Rony Rodrigues (Box 1824)</p><p><strong>SALA IDEAÇÃO — WORKSHOPS</strong></p><p>9:30 as 10:30 — Workshop Data Viz / Vinicius Ramos (Just a Little Data)</p><p>10:30 as 11h — Coffee break</p><p>11h as 12h — Workshop Data Analytics / Bruno Campos e Eduardo Morais (Converge You)</p><p>12h as 13h — Workshop Design Thinking Data / Lilian Cruz (Consultora e Mentora em Inovação, Growth e Culture Hacking)</p><p><strong>SALA 10B — MENTORIAS/ RODA DE CONVERS</strong>A</p><p>9:30 as 10:30 — O segredo em montar uma equipe de dados / Denys Fehr (Just a Little Data)</p><p>10:30 as 11h — Coffee break</p><p>11h as 12h — O protagonismo das marcas está na audiência / Kika Brandão e Catharina Rocha (Estúdio Eixo)</p><p>12h as 13h — Adequação a LGPD / Allan Fonseca, Marcela Costa e Gisele Karassawa (Guardians Consulting)</p><p>Queremos promover uma manhã cheia de conhecimento, uma troca constante entre palestrantes e convidados.</p><p><strong>Streaming do auditório — Acompanhe no link abaixo</strong></p><p><a href="https://videos.netshow.me/t/Vfw6QKVvBgM">Netshow.me Vídeos</a></p><p>E outros detalhes do evento nas nossas redes sociais <strong>@justaliitledata</strong> (instagram / facebook / twitter / linkedin).</p><p><a href="https://www.just.bi/">Para saber mais sobre a Just, acesse nosso site :)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=36e4578bd12d" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/participe-do-data-summit-3-36e4578bd12d">Participe do DATA SUMMIT #3</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Contratar um Chief Data Officer não é o suficiente!]]></title>
            <link>https://medium.com/just-solutions/contratar-um-chief-data-officer-n%C3%A3o-%C3%A9-o-suficiente-38513f7e697c?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/38513f7e697c</guid>
            <category><![CDATA[chief-data-scientist]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[chief-data-officer]]></category>
            <category><![CDATA[data]]></category>
            <category><![CDATA[data-scientist]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Tue, 01 Oct 2019 18:47:33 GMT</pubDate>
            <atom:updated>2020-07-14T14:17:11.849Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0HJQlcdLc_boz0EIbnq5oQ.jpeg" /><figcaption><em>Crédito:</em><a href="https://unsplash.com/@spiritvisionstudios"><em> </em>Ben</a> Rosett<em> /</em><a href="https://unsplash.com/photos/WdJkXFQ4VHY"><em> </em>Unsplash</a></figcaption></figure><p>A proliferação de cargos “C-Level” é uma indicação da crescente complexidade estratégica e operacional que as empresas enfrentam. É também um sinal de que as organizações esperam cada vez mais especialização por parte de seus executivos. Em se tratando do universo dos dados, não poderia ser diferente. O Chief Data Officer (CDO), um dos mais novos membros desse clube, está aí para provar.</p><p>Depois de decidir contratar um CDO, no entanto, o trabalho da empresa não termina. Como integrá-lo ao resto do time de forma a trazer resultados efetivos e sem gerar frustrações para todos os envolvidos? O artigo “Just Adding a Chief Data Officer Isn’t Enough”, assinado pela consultora e professora Terri Griffith e parte do estudo<a href="https://www.sas.com/en_za/whitepapers/hbr-from-data-to-action-107218.html"> <em>From Data to Action</em></a> (Harvard Business Review Insight Center) aponta alguns caminhos.</p><p>Antes de tudo, é preciso clareza sobre como o CDO irá trabalhar em conjunto com os demais líderes e sobre os incentivos que estimulem a colaboração entre esses executivos (algo que vai além de oferecer sociedade ou ações da empresa). Pesquisas mostram que não dá pra simplesmente adicionar um novo membro a uma equipe sem renegociar os papéis e os relacionamentos. Os membros precisam ter claro quem já sabe o que, quem deveria saber o que e como coordenar isso tudo — o que vai variar de acordo não só com os papéis na equipe, mas também com as pessoas que os ocupam. A pessoa que era a melhor em <em>analytics</em> pode não ocupar mais essa posição com a chegada de um CDO, por exemplo.</p><p>A autora recomenda um<a href="https://hbr.org/2013/10/can-your-c-suite-handle-big-data"> texto</a> de Brown, Court e Willmott por conter uma lista inicial de questões que precisarão ser abordadas: estabelecer um novo <em>mindset</em> a respeito do valor dos dados; definir uma estratégia de análise de dados; determinar o que desenvolver, comprar, pegar emprestado ou alugar; garantir expertise em <em>analytics</em>; mobilizar recursos; e criar capacidades na linha de frente do negócio.</p><p>Para reforçar a questão de estrutura e incentivos, Griffith traz o depoimento de Brad Peters, CEO da Birst, empresa de inteligência de negócios. De acordo com ele, sem mudanças nos incentivos e na própria estrutura dos papéis amplos dos executivos “C-Level”, a efetividade desses líderes é dificultada. É claro que todos os principais gestores precisam estar alinhados com objetivos específicos de negócios, mas isso é ainda mais importante no caso daqueles que estão no papel de servir as unidades de negócio da empresa (como é o caso dos CDOs, CMOs e CIOs).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kUaMep957GWSp8qnAreKzA.jpeg" /><figcaption>Na hora de receber o novo CDO, é preciso mais do que “envolvimento” dos demais líderes. Os papéis têm que ser renegociados. <em>(Crédito:</em><a href="https://unsplash.com/@lebrvn"><em> </em>Romain V</a> /<a href="https://unsplash.com/photos/nMDp15T4lJ0"> Unsplash</a><em>)</em></figcaption></figure><p>David Aaker, outro autor citado no texto, explica os motivos disso em seu livro “<a href="https://www.amazon.com/Spanning-Silos-David-Aaker/dp/1423375866">Spanning Silos: The New CMO Imperative</a>”. Embora ele estivesse tratando dos Chief Marketing Officers, o exemplo é válido. Segundo ele, quando incentivos são focados em recompensar comportamentos e performance ligados à lógica de “silos” (áreas mais fechadas e pouco integradas com as demais na empresa) — que é o caso de muitos desses incentivos –, fica mais difícil aproveitar um cargo executivo que, por natureza, cruza fronteiras. Em vez disso, as empresas precisam de iniciativas e incentivos que ultrapassem essas fronteiras dos silos e apoiem comportamentos que alavanquem as habilidades do novo executivo.</p><p>Os líderes da empresa devem abordar os esclarecimentos sobre os papéis e o alinhamento de incentivos como uma negociação. Provavelmente todos os líderes tenham sido envolvidos na decisão de contratar um CDO, mas é preciso ir além do mero envolvimento. Negociação, com todos chegando a um acordo explícito, significa que a nova posição, suas responsabilidades e recompensas, sejam totalmente integradas às dos demais líderes da organização.</p><p>Essa negociação pode ser feita como parte do processo de <em>onboarding</em> do novo CDO. Liste os principais papéis e responsabilidades para destacar os lugares em que a gestão dos dados se intersecciona com outros papéis dentro da empresa, de acordo com a expertise de cada líder. Use a lista de Brown, Court e Willmott, citada anteriormente, para começar a trabalhar naquelas questões com todos os envolvidos. Adicione incentivos à conversa por meio da definição de objetivos relacionados a tarefas colaborativas. Não é preciso rever totalmente a estrutura de incentivos — você pode focar em incentivos especiais para as colaborações entre diferentes silos.</p><p>Todas as lideranças devem colaborar, tanto no que diz respeito ao trabalho em si quanto com relação aos incentivos. É preciso que haja algo para recompensar os esforços dos silos quando trabalharem em conjunto. Afinal, de acordo com a autora, para usar efetivamente os <em>insights</em> fornecidos pelos dados, as equipes vão precisar de muito mais do que boa vontade e um novo executivo contratado.</p><p><a href="https://www.just.bi/">Para saber mais sobre a Just, acesse nosso site :)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=38513f7e697c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/contratar-um-chief-data-officer-n%C3%A3o-%C3%A9-o-suficiente-38513f7e697c">Contratar um Chief Data Officer não é o suficiente!</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Just Entrevista — Ana Paula Appel, IBM Research]]></title>
            <link>https://medium.com/just-solutions/just-entrevista-ana-paula-appel-ibm-research-1c9a2fbb97ae?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/1c9a2fbb97ae</guid>
            <category><![CDATA[ibm-research]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[dados]]></category>
            <category><![CDATA[data-scientist]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Fri, 20 Sep 2019 14:32:03 GMT</pubDate>
            <atom:updated>2020-07-14T14:11:07.724Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>Just Entrevista — Ana Paula Appel, IBM Research</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/615/1*MUKaci0JhnMlC6aknObgnA.png" /></figure><p><a href="https://researcher.watson.ibm.com/researcher/view.php?person=br-apappel">Ana Paula Appel</a> é pesquisadora e cientista de dados da IBM Research, o laboratório de pesquisas da IBM no Brasil, além de ter uma carreira acadêmica cheia de realizações e sempre focada no universo dos dados. O tema virou paixão na universidade, no curso de Computação onde foi parar seguindo o sonho de ajudar George Lucas a criar os efeitos especiais das sequências da franquia Star Wars. Não chegou a ver seu trabalho nas telonas, mas acabou se tornando uma das profissionais mais gabaritadas atualmente no país em sua área de atuação e hoje ajuda indústrias como a de finanças, da agricultura e de recursos naturais por meio de ciência e dados e ainda contribui para maior participação feminina na área de tecnologia. Na entrevista a seguir, concedida a nós na inconfundível sede da IBM em São Paulo, ela fala sobre sua trajetória, a questão do gênero no mercado e os conselhos para as empresas que queiram começar a usar dados para melhorar seus negócios. Confira:</p><p><strong>Você trabalha na IBM Research do Brasil há quase oito anos. Nos últimos dois, esteve dedicada ao grupo de Visual Analytics e Insight da empresa. O que pode nos contar sobre o trabalho que desenvolve atualmente nessa área?</strong></p><p>Deixa só eu trazer um pouco de contexto primeiro. O Laboratório (IBM Research) hoje tem cinco grandes áreas. Temos o grupo de Recursos Naturais, que trabalha com a parte de petróleo, gás e mineração. Sabe-se que para perfurar um poço de petróleo custa milhões de dólares, o mesmo para mineração, então temos pesquisas voltadas para questões de análise de imagens sísmicas, dados sísmicos e ajudar os geocientistas a tomar essas decisões e usar tecnologias a seu favor, como inteligência artificial. A gente tem um grupo de Tecnologia e Ciência Industrial que desenvolve pesquisa e desenvolvimento de ponta em materiais, tecnologias e processos para aplicações em escala industrial, as áreas foco incluem: Análise Química Móvel, um exemplo disso é o<a href="https://www.ibm.com/blogs/robertoa/2018/09/agropad%E2%80%8A-%E2%80%8Ao-macgyver-das-analises/"> Agropad</a>, que é um <em>paper-based­ device</em> que você pinga a água e ele consegue, baseado na coloração que vai ficar, dizer como é que está aquela água. Além disso há pesquisa em nanotecnologia para recuperação aprimorada de petróleo. <a href="https://www.nature.com/articles/srep46317.epdf?author_access_token=JvBkVAg7HMLtyd8I9-F1LdRgN0jAjWel9jnR3ZoTv0MyeQHSyBzx1ysJtzAlRqeQZHn9FLJnHjM4Vd3lQ3owvTZhPbs86lYR9vCBOYfttNd1mWRqkTxyDWlAI3k4p64t">(Ver artigo publicado na nature)</a> Hoje, a gente também tem o grupo de Agricultura, que tem a ideia de trabalhar com dados, georreferenciados ou não, envolvendo a agricultura, modelo de clima para prever plantio. Tem o grupo a que eu pertencia antes, que se chamava Social Data Analytics e hoje se chama Conversational Interfaces, ou Interfaces Conversacionais, e eles estão voltados para a parte de diálogo dos bots e suas interações. E foi por conta dessa mudança que acabei indo para outro grupo, como o foco deixou de ser Social Data Analytics e eu venho disso, meu mestrado e meu doutorado foram na área de Mineração de Dados, acabei indo para o grupo que estava mais interessado em dados. Nessa época, quando eu mudei, ainda se falava da questão de saúde, ainda trabalhávamos com isso. Hoje, com o redirecionamento da estratégia da IBM Brasil, não focamos mais em dados de pacientes, de imagem, e sim no aspecto financeiro, seguradoras de saúde e pagamentos. E aí foi por isso que eu acabei mudando para o grupo de Visual Analytics e Insights. Ele também está ligado a essas duas indústrias (recursos naturais e agricultura). Hoje, o laboratório da IBM é um laboratório de pesquisa, mas para aplicações industriais. Então, temos muito foco em fazer pesquisa aplicada para uma indústria, seja para a indústria de recursos naturais, seja para a indústria agrícola, seja para a indústria de finanças, setores que usem esses dados. Então, o meu grupo acaba trabalhando um pouco com essa questão de dados de recursos naturais, com dados de agricultura. Eu tenho trabalhado com dados financeiros e modelos de predição de pagamentos. Imagina que você tenha faturas e você quer, por exemplo, saber se as pessoas irão pagar em dia ou irão atrasar pra você saber o seu balanço de caixa, quanto vai ter de dinheiro, que ação você deve tomar, por exemplo, se deve ligar para cobrar e quando ligar. O grupo de Visual Analytics e Insights é um grupo que está muito focado nessa questão de dados, de modelos de dados, mas tendo sempre como base essas indústrias e aplicações práticas.</p><p><strong>Você falou sobre essa mudança de foco, deixando de lado a área da saúde, mas várias das suas publicações e pesquisas giram bastante em torno dessa área. Pode falar um pouco sobre elas?</strong></p><p>Fizemos esse trabalho em 2015 com uma seguradora de saúde. Foi um projeto interessante, com duração de três meses. Eles compartilharam com a gente uma base de dados de pagamentos e disseram: “Olha, a gente quer ver o que vocês conseguem tirar disso aqui”. Eu tinha dados de pagamentos para médicos e reembolsos. Nós não tínhamos dados de <em>outcome </em>de pacientes, de laudos, de consultas, nada disso. Então, como era algo mais exploratória e com pouco tempo, resolvemos fazer algo totalmente fora da caixa: usamos <a href="https://pt.wikipedia.org/wiki/Teoria_das_redes_complexas">redes complexas</a>, grafos, para mapear isso. Nós criávamos relacionamento entre médicos, porque não sabíamos se esses médicos se conheciam ou não. No nosso grafo, os nós eram os médicos e se eles tinham pacientes em comum nós criávamos uma ligação, uma aresta. E aí tinha uma questão temporal, se foi primeiro em um médico ou em outro, isso trazia um peso diferente. Então, por conta do volume de dados, você conseguia perceber que existia muito o fator indicação, de forma direta ou indireta. Também conseguíamos ver o fluxo do paciente, e a partir disso identificar possíveis fraudes, por exemplo. Havia pacientes que iam de um médico para outro com zero dias de diferença. Além disso, nós víamos coisas como uma ida e muitas voltas no mesmo médico, mas isso numa área em que essa seguradora tinha pouca representatividade, então provavelmente isso indicava que eles tinham poucos médicos na rede credenciada e as pessoas acabam tendo que ficar circulando nos mesmos. Em São Paulo e no Rio de Janeiro, que a presença era maior, você já via que tinha médicos que despontavam. E aí, surge o questionamento: como faço para levar pacientes para outros médicos? E é importante dizer que anteriormente esses dados eram completamente descartados, eram dados que eles não usavam para nada. E isso acabou rendendo publicações, a gente fez todo um trabalho com grafos, interface, visualização de dados, então foi um trabalho bem bacana que gerou uma significativa produção de propriedade intelectual.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/900/1*7_hdd-t_UjGw0nBi2Nw2tg.jpeg" /><figcaption>Legenda: Exemplo de visualização de rede complexa, com grafos (Crédito:<a href="https://www.icmc.usp.br/noticias/2620-esses-cientistas-querem-capturar-o-mundo-com-redes"> ICMC USP São Carlos</a>)</figcaption></figure><p><strong>Além do que você relatou, o que considera como principal <em>insight</em> que conseguiram tirar desse trabalho com a área de saúde?</strong></p><p>No meu ponto de vista, esse é um mercado que ainda tem muita coisa pra desenvolver. Há um grande problema de privacidade dos dados, além desses dados estarem muito espalhados, em formatos muito diferentes, principalmente se você olharmos para os dados de pacientes e de sistemas de hospitais. Eles têm diversos protocolos, sejam de imagem ou de dados do paciente, então só para fazer essas coisas conversarem já é difícil. Hoje, dependendo do lugar em que você faz exame de sangue, eles já começam a manter um histórico, você vê se o seu colesterol melhorou ou piorou, mas se você muda o lugar, você perde isso. Hoje ainda não resolveram a integração desses dados, de como compartilhar com outros hospitais, caso o paciente migre, por serem dados sensíveis.</p><p>Então, é uma área que tem muito potencial por ter um volume de dados muito grande, ou seja, é uma área onde a ciência de dados tem muito a contribuir. Hoje já temos trabalhos, seja em detecção de imagem, para tratamento e combate do câncer, etc, temos iniciativas como <a href="https://www.ibm.com/watson/br-pt/health/">Watson Health</a>, e o<a href="https://www.ibm.com/br-pt/marketplace/clinical-decision-support-oncology"> Watson for Oncology</a>.. Mas eu acho que aqui no Brasil as coisas como um todo demoram um pouco pra chegar. É aquela coisa, não adianta você vir com um sistema complexo, com modelos super avançados, se você não tem essa cultura de armazenar os dados e tê-los estruturados. Se você colocar lixo na frente de um modelo ele vai cuspir lixo, por melhor que seja o modelo (risos). Tem um problema de cultura. Acho que os grandes hospitais e os grandes laboratórios já estão no caminho, estão pensando nisso, mas o principal ponto da saúde é que você não tem o negócio bem unificado. Para as empresas onde eu peço comida, por exemplo, não interessa o que eu pedi via o concorrente, mesma coisa com os serviços de <em>streaming</em>. Para a saúde já não. O resultado que eu tive naquele hospital ou laboratório continua sendo importante. Existe um grande problema de colaboração e integração de dados. E talvez haja outras tecnologias, como<a href="https://pt.wikipedia.org/wiki/Blockchain"> <em>blockchain</em></a> por exemplo, que possam vir resolver isso, porque você consegue combinar a integridade dos dados e segurança.</p><p><strong>Você faz parte da organização do workshop Women in Data Science (WinDS) e está envolvida com iniciativas STEAM voltadas para ajudar mulheres a chegarem aos campos da tecnologia, ciência, dados e matemática. Como vê a participação das mulheres nesses segmentos hoje?</strong></p><p>Eu acho que ainda é pequena. Como tudo na tecnologia. Eu acho que tem crescido, os estudos dizem que na área de ciência de dados ela é maior do que em outras áreas, como desenvolvimento. Então eu acredito que isso está melhorando, mas ainda é uma corrida a longo prazo, porque é um trabalho que você tem que começar na base. Claro que a promoção de fóruns, comunidades, <em>role models</em> para mulheres se inspirarem é interessante. Mas você também tem todo um trabalho mais de base que é relevante, para inspirarem meninas ainda na escola. Aqui na IBM temos iniciativas para isso, A Eliana Basso, gerente do programa de Iniciativas Acadêmicas, promove visitas técnicas de universidades e escolas de ensino médio. Os alunos vêm, passam uma tarde, conhecem a IBM. A IBM tem um programa chamado <a href="https://www.ibm.com/thought-leadership/ptech/index.html">P-TECH</a> também, tudo isso para incentivar essa meninada a ir para a área de tecnologia.</p><p>Especificamente para a área de ciência de dados, eu e algumas colegas criamos o workshop Women in Data Science (WinDS), que sempre acontece em uma grande conferência. No caso dos últimos dois anos foi na The Web Conference. No primeiro ano foi muito engraçado porque recebemos algumas mulheres do Oriente Médio e uma delas falou assim: “Onde eu moro não tem esse problema. Como falta mão de obra, as pessoas não ficam preocupadas se é homem ou mulher. Eu preciso de uma pessoa com os <em>skills</em> para trabalhar, independente do gênero dessa pessoa”. Então, eu acho que com essa grande demanda da área de ciência de dados, isso vai acabar acontecendo. Não interessa se é homem ou mulher, interessa que eu preciso de uma pessoa com os <em>skills</em> adequados para trabalhar naquilo. Uma pessoa competente. Isso tudo tende a melhorar num futuro próximo. O gargalo ainda acontece, porque ainda precisamos formar essas pessoas, ou seja, ter pessoas caminhando para essa área.</p><p>No meu caso, especificamente, hoje existe uma certificação para ciência de dados do<a href="https://www.opengroup.org/"> The Open Group</a>, e a IBM foi uma das primeiras empresas a entrar como membro pra tirar a certificação, que começou no final do ano passado. E eu fui a primeira pessoa, não só mulher, da IBM no Brasil, a conseguir a certificação L2 (nível 2 de 3) em ciência de dados. Agora estou trabalhando nos requisitos para conseguir a L3. Então, eu acho que quando você faz isso, você dá exemplo para as pessoas, mostra que é possível, é o caminho. Não adianta só ficar no discurso.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kPZm8MIkJp4JznF4eexciw.jpeg" /><figcaption>Legenda: Primeiro Workshop Women in Data Science em Houston, Texas (EUA) (Crédito:<a href="https://sites.google.com/site/workshopwinds2017/home"> WinDS</a>)</figcaption></figure><p><strong>Como foi para você, pessoalmente, ingressar nessa profissão? Como surgiu o interesse e por quais etapas você passou antes de chegar onde está?</strong></p><p>Eu sempre gostei muito da área de Exatas. Sempre fui muito melhor com Matemática e Física do que com Português. E eu sempre fui apaixonada por filmes de ficção científica. Então, eu fui fazer Computação porque o meu sonho era trabalhar com o George Lucas para fazer a continuação do Star Wars (risos). Esse era o meu sonho! Eu lembro que eu nem tinha computador, nunca tinha mexido num computador, eu não fazia ideia, eu só tinha visto joguinhos no computador de uma colega. Mas aí eu passei na UFSCar, em São Carlos, cidade onde nasci e morava, e fui fazer Computação. E no primeiro ano eu arrumei uma iniciação científica em Realidade Virtual. Detestei. Odiei. Porque não tinha máquina. Naquela época, para você trabalhar com Realidade Virtual você precisava de uma Silicon Graphics, você não tinha GPU a torto e a direito como você tem hoje, eu entrei na faculdade em 1997. Aí achei que aquilo não tinha futuro.</p><p>Depois eu fui fazer a disciplina de banco de dados. E me apaixonei por banco de dados, por toda essa questão de<a href="https://pt.wikipedia.org/wiki/SQL#targetText=Structured%20Query%20Language%2C%20ou%20Linguagem,foram%20inspiradas%20na%20%C3%A1lgebra%20relacional."> SQL</a>, modelo relacional… Quando eu terminei a faculdade eu fui fazer estágio no<a href="https://www.cpqd.com.br/"> CPQD</a> em Campinas, mas eu não dei muito certo porque eu gostava da parte de banco de dados, mas pra contratar eles só tinham vagas para suporte e para teste de software. Assim, acabei me decidindo por adquirir mais conhecimento e fui aceita no mestrado na área de Banco de Dados e indo pra USP de São Carlos para experimentar uma universidade diferente, já que a UFSCar eu já conhecia por conta da graduação.</p><p>Para mim, naquela época, trabalhar com banco de dados era ser DBA (administrador de banco de dados), e eu não queria por isso fui para o mestrado para a parte de pesquisa. Então em 2000 fazendo uma das disciplinas do mestrado eu me deparei com um artigo de 1996 do Usama M. Fayyad e do Gregory Piatetsky-Shapiro sobre mineração de dados. E quando eu li aquele artigo, eu me apaixonei pela área. Falei, “É isso que eu quero fazer! É com isso que eu quero trabalhar”. E então eu fui direcionando o meu mestrado, o meu doutorado para essa área. Hoje, as pessoas do mercado, costumam chamar isso de<a href="https://pt.wikipedia.org/wiki/Cross_Industry_Standard_Process_for_Data_Mining#targetText=CRISP%2DDM%20%C3%A9%20a%20abrevia%C3%A7%C3%A3o,de%20dados%20para%20atacar%20problemas."> CRISP-DM</a>, que é o processo desde quando você coleta ou fala com o cliente até você entregar uma solução de ciência de dados, machine learning, data mining, ou o nome que você queira dar. Para a parte acadêmica isso se chama<a href="https://pt.wikipedia.org/wiki/Extra%C3%A7%C3%A3o_de_conhecimento"> KDD (Knowledge-discovery in Databases)</a>. Na época, quando os autores pensaram o processo, eles pensaram em bancos de dados, porque na época as informações só ficavam nos bancos de dados, você mal tinha internet, então os dados eram estruturados. Você fazia<a href="https://pt.wikipedia.org/wiki/Armaz%C3%A9m_de_dados"> <em>data warehouse</em></a>, trabalhava com cubo para analisar. Era o que hoje o povo gosta muito de chamar de BI (Business Intelligence).</p><p>Eu fiz o mestrado e decidi trabalhar com isso, queria fazer pesquisas, e engatei o doutorado. Passei um ano fora, na Universidade Carnegie Mellon (EUA), com o professor<a href="https://www.cs.cmu.edu/directory/christos"> Christos Faloutsos</a> em 2008. Nisso, estava acontecendo o <em>boom</em> de análise de redes sociais, e o Christos Faloutsos é um dos grandes pesquisadores na área. Eu acabei direcionando a minha linha de pesquisa para trabalhar com grafos. E aqui no Brasil são pouquíssimas pessoas que trabalham com essa área. Seja em banco de dados, seja em mineração, tem um ou outro professor. Tem pessoas mais voltadas para as redes sociais, para análise de padrões de comportamento, mas pra fazer mineração mesmo ou até usar questão de<a href="https://pt.wikipedia.org/wiki/Aprendizagem_profunda"> <em>deep learning</em></a>, tem poucas pessoas que trabalham com isso no país. Tem até muita gente aqui na IBM que, principalmente por esse trabalho na área de saúde, com os grafos, que fala, “Ah, é a Ana Paula dos grafos” (risos). Porque não é todo mundo que trabalha com isso. Mas, de fato, eu cair nessa área não foi nada planejado.</p><p><strong>E para chegar na IBM? Você chegou a dar aulas também, certo?</strong></p><p>Quando eu terminei o doutorado foi uma época que estava difícil para concursos e eu acabei indo parar na Federal do Espírito Santo, no campus de São Mateus, que é quase divisa com a Bahia. Fiquei um ano e pouco lá, só que meu marido já trabalhava na USP, na área de TI, em São Carlos, e dificilmente lá em São Mateus no Espírito Santo ele arrumaria emprego, a não ser que ele virasse professor também, só que ele não curte dar aula (risos). Eu tinha prestado concurso para a UNB, estava programada para ir para Brasília, quando vi a chamada para o Laboratório (IBM Research), ou seja, que estavam começando a contratar e precisavam de uma pessoa na área de <em>data mining</em> — naquela época ninguém falava cientista de dados. Então resolvi arriscar, nunca tinha trabalhado em empresa, mas como eles estavam querendo alguém com doutorado nessa área, me candidatei, fui chamada para a entrevista e acabou dando certo. Voltei para São Paulo porque ficava bem mais perto da minha família e meu marido conseguiria a transferência para a USP de São Paulo.</p><p>Pensei em ver o que ia dar, como era trabalhar em empresa, fazer pesquisa dentro de empresa, que era algo novo no Brasil. Acabei adorando, porque a parte de ciência de dados é uma das áreas com mais ligação com a indústria. Eu brinco que se você pegar esse artigo do Fayyad de 1996, ele começa falando, “Existe um grande volume de dados com que as pessoas não conseguem trabalhar e esse grande volume de dados pertence às indústrias”. Mesmo o artigo sendo de 20 anos atrás, o primeiro parágrafo continua sendo totalmente verdadeiro e atual. Porque continuamos não conseguindo lidar com o volume de dados, porque ele cresce exponencialmente, e os dados continuam concentrado nas indústrias. Então, se você quer fazer pesquisa em ciência de dados, a academia é muito boa para fazer a pesquisa teórica, modelos e arquiteturas de modelos, mas os dados interessantes estão na indústria, ou seja, estão nos clientes. Eles têm os problemas interessantes. Para a ciência de dados é preciso essa ligação com a academia porque você precisa estar sempre vendo modelos novos, sempre estudando, indo à conferências e publicando, e você precisa da indústria porque você tem que trabalhar com os dados do cliente. Hoje você tem a internet, claro, consegue pegar um monte de dados online, mas os dados interessantes são os dados do cliente, muitas vezes confidenciais, ou seja, são os problemas reais.</p><p><strong>Quais são as suas recomendações para uma empresa que queira utilizar dados hoje para alavancar seus negócios? Como ela tem que planejar?</strong></p><p>Acho que a primeira coisa é fazer um planejamento para coletar e guardar os dados com cuidado e de forma estruturada. Porque não adianta ela querer fazer análise sem pensar nos seus bancos de dados, ou seja, nos dados que gostaria de usar. Existe muita desinformação, as pessoas acham que você pode pegar qualquer dado na internet, não é bem assim, não é porque o dado está lá que pode pegar, que ele é público. Ou que dados do Twitter e de redes sociais vão ajudar. Às vezes, não.</p><p>Nesse projeto de saúde, uma das grandes coisas que a gente mostrou para a empresa foi que eles tinham muitos dados dentro de casa que podiam ajudar. Não adianta querer pegar dado de fora, às vezes aquele seu dado que você não dá bola pode te ajudar a descobrir um monte de coisa sobre o seu negócio. Muitas vezes a empresa não vê importância porque não armazena da melhor forma. Ou porque alguém não coletou da melhor forma, ou porque não armazenou. Não adianta guardar um monte de coisas que depois eu não sei onde está e não consigo trabalhar com aquilo. Então é preciso guardar de uma maneira estruturada para que eu possa utiliza-lo. E o que a gente vê hoje é muitos confundem <em>machine learning</em>, <em>data mining</em> e ciência de dados com mágica. Como se fosse vir alguém e fazer alguma coisa super grandiosa, te dar um super resultado e resolver todos os seus problemas. E não é bem assim.</p><p>Outro ponto aí é que muitas vezes os clientes vêm com as perguntas, mas não têm os dados que respondam àquelas perguntas. Você tem duas abordagens: você pode olhar pros dados e ver o que aquele dado diz, uma análise exploratória, descobrir um padrão; e às vezes você tem uma pergunta que esse dado precisa responder. E se você não tem aquele dado, precisa descobrir como conseguir ou como coletar. Então, como tudo na vida, você precisa ter um planejamento. Na maioria das vezes, o que existe ali já dá para começar. Você não vai precisar de 10 anos de dados históricos na maioria das vezes. Até porque, de lá para cá, muita coisa mudou. Talvez eu precise de dois anos ou até um ano só. Mas aí você precisa saber o que foi que guardou. Se não guardou nada, não vai ter o que fazer.</p><p>#ibmresearch #justalittledata #cienciadedados #datascientist #datascience #cientistadedados #dados #data #research #pesquisas</p><p><a href="https://www.just.bi/">Para saber mais sobre a Just, acesse nosso site :)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1c9a2fbb97ae" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/just-entrevista-ana-paula-appel-ibm-research-1c9a2fbb97ae">Just Entrevista — Ana Paula Appel, IBM Research</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Como começar a usar dados para o sucesso da sua empresa agora mesmo]]></title>
            <link>https://medium.com/just-solutions/como-come%C3%A7ar-a-usar-dados-para-o-sucesso-da-sua-empresa-agora-mesmo-d68feb522c22?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/d68feb522c22</guid>
            <category><![CDATA[data]]></category>
            <category><![CDATA[data-driven]]></category>
            <category><![CDATA[analytics]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[analysis]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Mon, 05 Aug 2019 20:14:44 GMT</pubDate>
            <atom:updated>2020-07-14T14:11:38.641Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Tz18n1AReRLLMtUbr0jR0A.jpeg" /><figcaption><em>Crédito:</em><a href="https://unsplash.com/@chrisliverani"><em> Chris</em></a><em> Liverani /</em><a href="https://unsplash.com/photos/dBI_My696Rk"><em> Unsplash</em></a><em>)</em></figcaption></figure><p>Você já se cansou de ouvir falar da importância dos dados para o desenvolvimento da sua empresa mas ainda não sabe por onde começar? Dá pra entender. Afinal, não passa um dia sem que apareça um novo artigo, reportagem ou evento falando sobre esse tema, mas tem muito menos gente por aí disposta a mostrar o caminho das pedras. A minha proposta aqui não é esgotar o assunto, claro, mas pensei em reunir um pouco do conhecimento acumulado trabalhando com isso, além de algumas referências interessantes pra quem quer deixar de só escutar e finalmente botar a mão na massa. Importante lembrar que cada caso é um caso — as particularidades do seu negócio ou da sua empresa são muito importantes para como você vai montar sua estratégia e a execução — e que para evoluir nessa seara você vai acabar precisando mais e mais da ajuda de profissionais da área e/ou parceiros qualificados. Mas espero que eu consiga ajudar você e a sua empresa a dar os primeiros passos. Você chegar até aqui já é um bom começo. E se for até o fim, já estará em plena jornada por esse apaixonante universo!</p><p><strong>Preparando o terreno</strong></p><p>Antes de mais nada, vale reforçar que o que a gente costuma chamar de “<strong><em>cultura data driven</em></strong>” (quando uma empresa incorporou os dados no seu dia a dia para ajudar a tomada de decisões) é um <em>mindset</em>, uma forma de trabalhar. Parte da cultura organizacional mesmo. Não é só uma área da empresa, uma ferramenta ou um software. E é por isso que muitas empresas têm dificuldade justamente em dar esse primeiro passo de que eu estou falando. Um dos maiores desafios, se não o maior, para as organizações é justamente fazer mudanças na cultura. Mas é muito importante que o <em>data driven </em>não seja visto só como uma oportunidade eventual e passe a fazer parte do dia a dia da empresa, um processo contínuo, de longo prazo. Sem mudar essa mentalidade, são grandes as chances de você criar “silos” para os dados, novos feudos (mais modernos, nesse caso), e pouca coisa mudar em termos de gestão. O gráfico abaixo propõe uma visão gradativa da abertura das empresas para a cultura <em>data driven</em>. Em que patamar a sua está?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/852/1*gfsIvnaKo6eBH7jA_gAAAg.jpeg" /><figcaption><em>Crédito:</em><a href="https://www.smartsheet.com/data-driven-decision-making-management"><em> Smartsheet</em></a></figcaption></figure><p>As <strong><em>pessoas</em></strong> são outra parte importantíssima desse esforço. Trabalhar com dados exige perfis e capacitações bastante específicas e são esses profissionais que vão ajudar toda essa transformação a ocorrer. Como o CDO (Chief Data Officer), por exemplo, que é um dos líderes mais importantes para as empresas que querem essa mudança de direcionamento. Alguns anos atrás uma<a href="https://www.gartner.com/smarterwithgartner/keys-to-success-for-chief-data-officers/"> pesquisa</a> da Gartner estimava que até 2019, 90% das grandes empresas teriam contratado um CDO e que até 2020 cerca de 50% das empresas líderes teriam um CDO com um nível de autoridade e influência estratégica similar ao do CIO (Chief Information Officer). Mas é preciso mais do que líderes para fazer a mágica acontecer. Um dos perfis mais procurados para integrar os esforços relacionados é o do <em>data scientist</em>, ou cientista de dados, que trabalha na intersecção entre matemática, negócios e sistemas de informação. No Brasil ainda é difícil encontrar profissionais capacitados para atuar tanto como CDO quanto como cientista de dados, mas aos poucos vão aparecendo cursos de especialização, MBAs e mestrados para aqueles interessados em se aprofundar. Com a demanda crescente, a oferta tende a aumentar também rapidamente nos próximos anos.</p><p>Em seguida, temos os <strong><em>processos</em></strong>. Aqui a coisa fica muito diferente das empresas tradicionais. Nas organizações orientadas por dados as informações não ficam isoladas em “silos”, não são armazenadas em computadores individuais dos funcionários, mas sim na nuvem, disponíveis para todos. Uma equipe pode acessar os relatórios da outra para se munir dessas informações e trabalhar de forma integrada, apostando na inteligência coletiva e não na produtividade individual. A cultura <em>data driven</em> e seus processos mais abertos tornam realidade o discurso de colaboração que sempre foi repetido mas nem sempre aplicado nas empresas. Além de tudo, os processos ficam mais ágeis, automáticos e em tempo real.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1023/1*HNeVN7dDH5A2r4w5ca0UGg.png" /><figcaption>Legenda: Processos em uma empresa tradicional x Processos em uma empresa <em>data driven</em>. <em>(Crédito:</em><a href="https://www.thinkwithgoogle.com/intl/pt-br/marketing-resources/metricas/sua-empresa-esta-pronta-para-o-futuro-data-driven/"><em> Think</em></a><em> With Google)</em></figcaption></figure><p>Nesse ponto da arrumação da casa, como estamos falando de algo que impacta toda a cultura da empresa — lembre da questão dos processos mais abertos e colaborativos — é importante estabelecer uma <strong><em>governança de dados</em></strong>, que se refere ao gerenciamento dos dados de uma empresa — disponibilidade, uso, acesso e segurança. Assim você vai assegurar que existe um controle sobre os dados que estão sendo coletados, processados e analisados, sua integridade, conformidade com os padrões adequados e com as metas de negócios.</p><p>Outro ponto fundamental é a <strong><em>coleta de dados</em></strong>. Pode parecer óbvio, já que estamos falando de usar informações para alavancar os negócios da sua empresa ou resolver algum problema da sua organização, mas estruturar corretamente sua coleta de dados é imprescindível para o sucesso dessa transformação. Isso tanto do ponto de vista ético — com políticas transparentes, responsáveis e seguras e que ofereçam controle aos usuários sobre suas próprias informações, além de observar as leis sobre o assunto, como LGPD ou GDPR — quanto do ponto de vista técnico. Pra começar, reúna os dados que você já possui sobre os seus clientes para entender qual a dimensão dessas informações e que caminhos você pode seguir com as informações que você já tem acumuladas no momento — é preciso começar de algum lugar e pode ser que você se surpreenda, positiva ou negativamente, com o quanto de conhecimento pode ser gerado a partir do que já está ali. Depois, faça um mapeamento das suas propriedades (digitais ou não) e pontos de contato (e coleta de dados) com o seu ambiente de negócio — de clientes a fornecedores. Liste os canais onde ocorre a coleta de dados e quais dados são coletados. Veja se isso faz sentido e o que pode ser mudado ou melhorado. Será que você não está deixando passar oportunidades de coletar dados que serão importantes depois ou mesmo incomodando seus clientes pedindo dados que vai acabar não usando? Essa é a hora de passar a limpo todos esses processos. Pense também em coletar outros dados, públicos ou abertos (como indicadores da economia ou dados meteorológicos, por exemplo) que podem afetar seus negócios, a jornada dos seus clientes ou mesmo fornecedores importantes. Pra arrematar, olhe para a questão do armazenamento desses dados. Busque uma solução que faça sentido para a sua realidade (preferencialmente digital e na nuvem, seguindo o que já falamos antes) e que facilite a análise, os cruzamentos e o enriquecimento que podem vir depois.</p><p>Com tudo mais organizado, é hora de pensar na <strong><em>análise</em></strong><em> </em><strong><em>dos dados</em></strong> e nas respostas que essas informações podem trazer. Aqui existem, essencialmente, dois caminhos. O primeiro, já mais conhecido das empresas é o BI (Business Intelligence), que trata de analisar o passado e o presente, geralmente usado para gerar relatórios e mostrar os resultados alcançados até aquele momento ou observar tendências que foram se formando. O segundo é composto por modelos matemáticos (e até soluções de inteligência artificial) que têm um caráter preditivo, efetivamente procurando prever o que acontecerá no futuro buscando insights, encontrando padrões e mostrando o que pode acontecer de acordo com os dados analisados. Para entender um pouco melhor a diferença entre essas duas abordagens, recomendo a leitura deste outro<a href="https://medium.com/just-a-little-data/n%C3%A3o-confunda-bi-com-data-science-por-favor-eae21399d9cd"> post</a>. E se você está genuinamente interessado em usar dados na sua empresa, considere com carinho uma combinação dos dois — chegar no BI pode ser um avanço para a sua empresa, dependendo da situação, mas parar aí é, literalmente, parar no tempo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8c333d_YNEHG4q3UDb1wTA.jpeg" /><figcaption><em>Crédito:</em><a href="https://unsplash.com/@helloquence"><em> Helloquence</em></a><em> /</em><a href="https://unsplash.com/photos/5fNmWej4tAA"><em> Unsplash</em></a></figcaption></figure><p><strong>Mãos à obra!</strong></p><p>Ok, agora que você escutou mais um sermão (necessário) sobre dados, é hora de arregaçar as mangas. Os passos que vou listar a seguir podem servir como um <em>framework </em>para a sua atuação no geral ou como um piloto, um primeiro <em>sprint</em> para você validar se uma atuação <em>data­-driven </em>funciona antes de implementar o todo. Pegue um problema específico da sua empresa e atue nele dessa forma por dois a três meses e veja a diferença! Tenho certeza de que vai perceber que as possibilidades são muitas e os resultados vão chegar.</p><p><strong>1. Estratégia</strong> — Tomar decisões com base em dados começa por definir uma estratégia. Isso vai ajudar você a focar nos dados que fazem a diferença, deixando de lado aquilo que não é importante para o seu negócio. Primeiro, identifique os seus objetivos para saber o que os dados podem fazer por você. Pode ser que você queira aumentar as vendas de determinado produto ou entender por que certos processos não estão funcionando como deveriam, por exemplo.</p><p><strong>2. Identifique fontes importantes</strong> — A sua empresa recebe dados de inúmeras fontes, das interações com seus clientes e fornecedores até as máquinas usadas pelos seus colaboradores. É essencial identificar quais dessas fontes vão beneficiar diretamente a sua estratégia ou ajudar a resolver o problema que você escolheu atacar por meio dos dados que ela gera ou coleta.</p><p><strong>3. Selecione os dados</strong> — Depois de escolher as fontes, é preciso selecionar quais conjuntos específicos de dados vão ajudar a cumprir os seus objetivos. Para isso, é preciso olhar para os dados que você já tem e descobrir quais são as informações mais valiosas nesse sentido. Isso vai ajudar a reduzir os custos de armazenamento e ajudar você a chegar aos <em>insights</em> mais relevantes. O que ajuda muito nesse passo como um todo é usar um sistema que consiga cruzar informações de diferentes fontes, uma vez que se cada departamento usar um sistema diferente, isso pode dificultar a análise e dos dados.</p><p>4. <strong>Analise os dados</strong> — Determine quem irá gerenciar os dados, geralmente os líderes dos departamentos. Porém, esses dados serão coletados em todos os níveis e de fontes internas e externas para que você tenha uma visão ampla e adequada do que está acontecendo. Para analisar efetivamente os dados talvez você precise de um sistema que integre todas as fontes de dados. E a complexidade da análise e das buscas e cruzamentos que se quer fazer é diretamente proporcional à capacitação dos profissionais que vão fazer esse trabalho. Porém, algumas plataformas de análise oferecem acessibilidade para que todos possam acessar os dados, o que pode ajudar a conectar todo o time de forma mais fácil. Lembre: quanto mais acessíveis estiverem os dados, maior é o potencial para que as pessoas cheguem aos <em>insights</em>.</p><p><strong>5. Transforme os <em>insights </em>em ação</strong> — Usando ferramentas de análise de dados da sua preferência, é a hora de levar os <em>insights </em>que você conseguiu através dos dados a respeito do seu problema ou objetivo para os tomadores de decisão. Quanto mais palatável e fácil de entender for essa apresentação (com gráficos, <em>dashboards</em> ou quaisquer outros recursos que ajudem a digerir essas informações), mais eficiente será o seu argumento na hora de apontar as atitudes que precisam ser tomadas e de defender a importância dessas informações para a sua empresa.</p><p>Bom, espero que todo esse conteúdo seja de alguma ajuda para iniciar a transformação que você quer promover na sua empresa ou organização! O tema é complexo, exige bastante dedicação, pesquisa, trabalho e, em última instância, ajuda das pessoas certas. Então, caso precise de uma força, conte com a<strong> Just a Little Data</strong>, temos profissionais especializados para lhe ajudar!</p><p>Abaixo, algumas das fontes de referência na construção deste artigo que você pode explorar para ampliar ainda mais o seu conhecimento sobre o assunto:</p><p><a href="https://www.thinkwithgoogle.com/intl/pt-br/marketing-resources/metricas/sua-empresa-esta-pronta-para-o-futuro-data-driven/">- Think With Google</a></p><p><a href="https://www.smartsheet.com/data-driven-decision-making-management">- Smartsheet</a></p><p><a href="https://www.sisense.com/blog/5-steps-to-data-driven-business-decisions/">- Sisense</a></p><p><a href="https://www.venki.com.br/blog/governanca-de-dados/">- Venki</a></p><p><a href="https://bi-survey.com/data-driven-decision-making-business">- BI-Survey</a></p><ul><li><a href="https://www.datapine.com/blog/data-driven-decision-making-in-businesses/">Datapine</a></li></ul><p><a href="https://www.just.bi/">Para saber mais sobre a Just, acesse nosso site :)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d68feb522c22" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/como-come%C3%A7ar-a-usar-dados-para-o-sucesso-da-sua-empresa-agora-mesmo-d68feb522c22">Como começar a usar dados para o sucesso da sua empresa agora mesmo</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[DATA LOGANDO…]]></title>
            <link>https://medium.com/just-solutions/data-logando-4fc41ad5e911?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/4fc41ad5e911</guid>
            <category><![CDATA[data-driven]]></category>
            <category><![CDATA[data-driven-marketing]]></category>
            <category><![CDATA[data-driven-decisions]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Mon, 29 Jul 2019 20:07:32 GMT</pubDate>
            <atom:updated>2019-07-29T20:07:32.047Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/255/1*glrohftMj2zZ5XVYzpNDrg.png" /></figure><p>A Just a Little Data participou de mais um podcast, o DATA LOGANDO.</p><p>O quarto entrevistado do programa foi o nosso CEO, Denys Fehr, que destacou a diferença entre cientista de dados e BI além de trazer alguns cases sobre data!</p><p>Confiram o podcast no link abaixo</p><p><a href="https://open.spotify.com/episode/5oaRREMs7zf98jzMM6i1SC?si=hJjvnQ0yT3ey71h4f1m-7A">Episódio 4 - Denys Fehr @Just a Little Data</a></p><p>Obrigada Bruno Brambilla por nos procurar e ceder esse espaço para troca de experiências e conhecimento.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4fc41ad5e911" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/data-logando-4fc41ad5e911">DATA LOGANDO…</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Dos dados para a ação]]></title>
            <link>https://medium.com/just-solutions/dos-dados-para-a-a%C3%A7%C3%A3o-f8c36b6f6282?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/f8c36b6f6282</guid>
            <category><![CDATA[data]]></category>
            <category><![CDATA[just-a-little-data]]></category>
            <category><![CDATA[data-driven]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[dddm]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Fri, 26 Jul 2019 20:46:47 GMT</pubDate>
            <atom:updated>2019-07-26T20:46:47.886Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/575/0*VjmWDqY25mERXX8W.jpg" /><figcaption>Crédito: Peterhowell/iStock</figcaption></figure><p>Confira nossa matéria exclusiva para o Meio e Mensagem dando três conselhos para quem quer empregar Big Data para melhorar a jornada dos consumidores, clique no link e leia o artigo completo.</p><p><a href="https://www.meioemensagem.com.br/home/opiniao/2019/07/25/dos-dados-para-a-acao.html">Dos dados para a ação</a></p><p>#datadriven #dddm #data #dados</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f8c36b6f6282" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/dos-dados-para-a-a%C3%A7%C3%A3o-f8c36b6f6282">Dos dados para a ação</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Privacidade dos dados realmente existe?]]></title>
            <link>https://medium.com/just-solutions/privacidade-dos-dados-realmente-existe-f80b47749bcd?source=rss-318166989cad------2</link>
            <guid isPermaLink="false">https://medium.com/p/f80b47749bcd</guid>
            <category><![CDATA[camerarecord]]></category>
            <category><![CDATA[coleta-de-dados]]></category>
            <category><![CDATA[dados]]></category>
            <category><![CDATA[just-a-little-data]]></category>
            <category><![CDATA[privacidade-de-dados]]></category>
            <dc:creator><![CDATA[Larissa Gil Lacerda]]></dc:creator>
            <pubDate>Tue, 23 Jul 2019 14:25:27 GMT</pubDate>
            <atom:updated>2019-07-23T15:00:12.359Z</atom:updated>
            <content:encoded><![CDATA[<p>Entenda como é feita a coleta de dados e como as empresas desenvolvem as estratégias de publicidade digital para você. Sim, você, pois você é um consumidor que é classificado como target de muitas marcas e elas querem oferecer produtos/serviços para você comprar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Y7jpzFRLYpfJ9giRH3jbQA.png" /></figure><p>A matéria do Câmera Record explicita bem como os usuários/consumidores se comportam e facilmente disponibilizam informações nas redes sociais. A Just a Little Data foi entrevistada como uma das especialistas no tema de dados e você pode conferir a matéria na integra clicando abaixo</p><p><a href="https://recordtv.r7.com/camera-record/videos/assista-a-integra-do-camera-record-deste-domingo-21-22072019">Assista à íntegra do Câmera Record deste domingo (21)</a></p><p>Obrigada Câmera Record por nos contatar e agregarmos conhecimento a matéria produzida.</p><p>#justalittledata #coletadedados #privacidadededados #camerarecord #record #data #dados #marketingdigital #retargeting</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f80b47749bcd" width="1" height="1" alt=""><hr><p><a href="https://medium.com/just-solutions/privacidade-dos-dados-realmente-existe-f80b47749bcd">Privacidade dos dados realmente existe?</a> was originally published in <a href="https://medium.com/just-solutions">Just Solutions</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>