<?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 Miller Carvalho on Medium]]></title>
        <description><![CDATA[Stories by Miller Carvalho on Medium]]></description>
        <link>https://medium.com/@miller.carvalho_2776?source=rss-3b210a0993de------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*r1VbNED9ZiuAkeX0</url>
            <title>Stories by Miller Carvalho on Medium</title>
            <link>https://medium.com/@miller.carvalho_2776?source=rss-3b210a0993de------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sun, 22 Nov 2026 06:13:43 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@miller.carvalho_2776/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[Alfabetização em Dados: Iniciando uma cultura Data-Driven]]></title>
            <link>https://medium.com/@miller.carvalho_2776/alfabetiza%C3%A7%C3%A3o-em-dados-cultivando-culturas-data-driven-33d4fb3c3176?source=rss-3b210a0993de------2</link>
            <guid isPermaLink="false">https://medium.com/p/33d4fb3c3176</guid>
            <category><![CDATA[data-literacy]]></category>
            <category><![CDATA[data-driven]]></category>
            <dc:creator><![CDATA[Miller Carvalho]]></dc:creator>
            <pubDate>Fri, 28 Apr 2023 03:56:26 GMT</pubDate>
            <atom:updated>2023-04-28T04:25:05.466Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WcgALcW67VjqS4ENbzHB0Q.jpeg" /></figure><p>A era digital trouxe uma explosão de dados, transformando a maneira como tomamos decisões e interagimos com informações. Nesse contexto, a alfabetização em dados tornou-se uma habilidade fundamental para profissionais de todas as áreas. A ideia que resolvi trazer aqui é de abordar a importância da alfabetização em dados nas organizações, a realidade atual das empresas em relação ao uso de dados e como um mundo “alfabetizado em dados” poderia melhorar a tomada de decisões e a colaboração entre todas as pessoas de uma companhia.</p><p><strong>A Realidade</strong></p><p>Ao longo da minha experiência, presenciei diferentes abordagens em relação à alfabetização em dados nas companhias. Algumas delas possuíam times de dados centralizados, responsáveis por prover dados para toda a organização. Essa estrutura gerava gargalos e dificultava a capacidade de self-service em dados, limitando as possibilidades de extrair insights acionáveis capazes de mudar o rumo da companhia.</p><p>Por outro lado, também presenciei organizações que levavam a sério a alfabetização em dados e a promoção da cultura data-driven. Essas organizações consideravam a alfabetização em dados como um valor fundamental, investindo na estruturação de treinamentos, identificação de perfis analíticos e criação de redes internas de colaboração. Isso possibilitava a produção de insights acionáveis, mesmo por pessoas que não possuíam conhecimento técnico aprofundado.</p><p><strong>E o que seria o &quot;Mundo Ideal&quot;?</strong></p><p>Em um mundo idealmente alfabetizado em dados, todos os funcionários de uma organização seriam proficientes em trabalhar com dados e utilizá-los para tomar decisões informadas. Essa cultura orientada por dados promoveria uma maior colaboração entre os diferentes departamentos e permitiria a identificação de oportunidades e riscos de maneira mais ágil em cima de dados disponíveis, com altíssima completude e consistência. Com uma compreensão mais profunda dos dados, todos de uma companhia poderiam desenvolver estratégias mais eficazes e inovadoras para enfrentar os desafios do mercado.</p><p><strong>Identificando e capacitando os &quot;Campeões&quot; em dados</strong></p><p>A fim de promover a alfabetização em dados na organização, é fundamental identificar e capacitar “campeões” em dados, que são pessoas com habilidades e conhecimentos em análise de dados e que podem motivar e ensinar seus colegas. Eles devem ser selecionados com base em sua capacidade de desempenho no trabalho, habilidades de ensino e influência na organização. Ao estabelecer metas, promover um ambiente de aprendizado colaborativo e reconhecer seus esforços, esses campeões poderão evangelizar a cultura orientada por dados e apoiar os colegas na aquisição das habilidades necessárias. Temos pessoas selecionadas em uma &quot;Brigada de Incêndio&quot; dentro de grandes lugares, certo? A ideia aqui é exatamente ter uma pessoa de dados em times e/ou tribos que ajude na construção data-driven dentro da companhia disseminando conhecimento e compartilhando.</p><p>Ressalto que o treinamento é o ponto de partida para construir uma cultura forte (que é o tema deste artigo), mas outros pilares a serem desenvolvidos em uma cultura sólida de dados incluem também infraestrutura e tecnologia, facilitação do acesso aos dados e uma política rigorosa de segurança dos dados alinhada à LGPD, além de melhorar a agilidade da companhia (estruturas flexíveis que permitem rápida adaptação), entre outros aspectos.</p><p><strong>Benefícios e desafios da alfabetização em dados</strong></p><p>A implementação de uma cultura data-driven traz diversos benefícios, como a tomada de decisões mais enriquecidas, maior eficiência operacional, melhor comunicação e colaboração entre equipes, e maior capacidade de inovação. Além disso, as organizações que investem na alfabetização em dados podem se adaptar mais rapidamente às mudanças no mercado e se destacar na concorrência, e este é um ponto importantíssimo.</p><p>No entanto, também existem desafios a serem enfrentados. Estes incluem a necessidade de investir em treinamento e desenvolvimento, garantir que as pessoas da companhia estejam engajadas e motivadas para aprender novas habilidades, superar resistências culturais e organizacionais à mudança e garantir que as ferramentas e tecnologias adequadas estejam disponíveis e sejam acessíveis.</p><p><strong>Conclusão</strong></p><p>A alfabetização em dados é uma habilidade crucial na atualidade e deve ser uma grande prioridade para as organizações que desejam prosperar na era digital. Ao investir na capacitação de funcionários, identificar e apoiar os “campeões” em dados e abordar os desafios inerentes à implementação de uma cultura data-driven, as empresas podem criar um ambiente em que a tomada de decisões pautadas em dados e a inovação se tornem a norma, promovendo o sucesso a longo prazo.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=33d4fb3c3176" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[O Big Data Fake]]></title>
            <link>https://medium.com/base39/o-big-data-fake-fe3d413fb74?source=rss-3b210a0993de------2</link>
            <guid isPermaLink="false">https://medium.com/p/fe3d413fb74</guid>
            <category><![CDATA[analytics-engineering]]></category>
            <category><![CDATA[database]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[analytics]]></category>
            <dc:creator><![CDATA[Miller Carvalho]]></dc:creator>
            <pubDate>Tue, 17 Jan 2023 03:57:34 GMT</pubDate>
            <atom:updated>2023-01-17T12:20:25.180Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/600/0*RrbSayPXkCC4DNgv.jpg" /></figure><p>É quase unânime a ideia que para entender o presente se faz necessário conhecer um pouco da história sobre aquilo que você está empenhado em conhecer, por em prática e entregar valor de alguma forma com um determinado conhecimento.</p><p>Sem prolongar, mas contextualizando, o termo &quot;Big Data&quot; surgiu em uma convenção da IEEE em 1997 para definir que &quot;Big Data&quot; era a incapacidade de uma única máquina de armazenar na memória um grande volume de dados, mesmo com todo o aumento disponível de memória na época. Estabeleceu-se então que &quot;Big Data&quot; era um termo associado a um problema de uma máquina não conseguir armazenar muitos dados em memória, e não como uma solução.</p><p>Tempos depois surgiram artigos para falar sobre os famosos 3 V&#39;s, que posteriormente foram atualizados para 5 V&#39;s (Volume, Velocidade, Variedade, Veracidade e Valor).</p><p>Após cerca de mais de uma década do termo &quot;Big Data&quot; ter surgido, ocorreram os seguintes eventos:</p><ul><li>Aumento expressivo da necessidade de processar dados em tempo real, independente do quão estruturado seja;</li><li><em>Boom</em> de tecnologias bem segmentadas não servindo apenas para propósitos genéricos;</li><li>Novos conceitos de arquiteturas de sistemas (por exemplo, o Microservices) e de tecnologias de Dados (por exemplo, o NoSQL);</li><li>Aumento de volume de dados, incluindo a grande diversidade de tecnologias de persistência que se tornaram mais populares, dando mais flexibilidade de adequar a sua necessidade de construção de um software alinhada ao tipo da tecnologia para dados.</li></ul><p>Após esses eventos, algumas coisas ficaram pelo meio do caminho:</p><ul><li>&quot;Otimizar o capacity para adequar recursos&quot; virou &quot;Adiciona mais um nó que escala&quot;;</li><li>&quot;Construir e aprimorar modelos de dados que ajudam em problemas de negócio e na construção de novas soluções&quot; virou &quot;Sobe um MongoDB que fica fácil falar Json e receber Json&quot;;</li><li>&quot;Evoluir, um passo por vez, para entendermos o que realmente precisa de soluções Big Data&quot; virou &quot;Sobe EMR, Spark, Hadoop (e qualquer outra coisa que arma um canhão para processar dados) pra tudo que resolve&quot;;</li><li>&quot;Começa rápido para entregar rápido, ainda que sejam com tecnologias mais tradicionais&quot; virou &quot;Vamos já começar construindo em grande escala todos os pipelines via código, com uma plataforma de dados autônoma focado em cultura data-driven&quot;</li><li>Perguntas técnicas vinda de candidatos também são bem comuns, antes a coisa era mais focada no valor que o negócio entrega, agora é bastante comum o profissional se preocupar com o que ele vai trabalhar</li></ul><p>Não que as tecnologias voltadas para Big Data são um problema, mas que se cria um problema em ambientes não Big Data sem um prévio entendimento real de cada tecnologia que possa, realmente, entregar um valor para o negócio.</p><p><strong>O Big Data Fake, na ótica da minha experiência, começou quando:</strong></p><ul><li>&quot;Fornecedores&quot; de serviços que se apoderaram do termo &quot;Big Data&quot; e passaram a vender que &quot;fazem&quot; Big Data, porém não resolvem &quot;Big Data&quot;;</li><li><em>Boom</em> de tecnologias para resolver problemas específicos, diminuindo o espaço de tecnologias de propósitos mais genéricos;</li><li>Entusiasmo excessivo com novas tecnologias ao invés de preocupação em resolver os problemas voltados para a real entrega de valor;</li><li>Adoção padrão de tecnologias voltadas para Big Data sem antes avaliar o cenário e a necessidade de entrega de valor.</li></ul><p><strong>Alguns impactos negativos quando se &quot;adota&quot; o Big Data Fake:</strong></p><ul><li>Aumenta o custo do time com a necessidade de aprimorar, monitorar e sustentar todo um complexo de tecnologias Big Data;</li><li>Aumenta o custo de tecnologias;</li><li>Necessidade dos times terem que estudar uma gama grande de tecnologias não podendo se aprofundar em uma ou algumas de forma mais especializada;</li><li>Possível perda de performance, pois muitos recursos voltados para processar terabytes/petabytes de dados precisam armar um canhão prévio para conseguir processar em menos tempo um grande volume de dados.</li></ul><p><strong>Como evitar o Big Data Fake?</strong></p><ol><li>O primeiro ponto é respeitar a evolução quando não se tem Big Data, e evitar sair escalando no primeiro dia quando o que o negócio demanda de dados não passa de megabytes. A ideia aqui é começar rápido para entregar valor rápido;</li><li>Observe todos os V&#39;s. Ainda que o seu desafio possa ter petabytes de dados, não significa que você tem Big Data. Um grande volume de dados pode ter como causa décadas de armazenamento de dados, porém o acesso aos dados antigos é extremamente esporádico podendo adotar recursos apropriados para <em>archiving</em>;</li><li>Foco no valor que trará cada estratégia de dados para o negócio e não nas tecnologias em si. Adotar a tecnologia pela tecnologia não significa que você trará valor ao negócio além de existir a possibilidade de criar problemas, como os já mencionado anteriormente, e não soluções;</li><li>Alinhamento do time com o estratégico da companhia é primordial. É importante que todos estejam na mesma página seguindo o propósito da companhia, independente se há Big Data para ser resolvido;</li><li>Evite se comparar com as outras empresas. Usar o sucesso dos outros para se inspirar e os erros para evitar podem ajudar, mas não significa que seguir exatamente alguns passos trarão o mesmo valor para a sua realidade, cada contexto é uma realidade diferente;</li></ol><p><strong>Conclusão</strong></p><p>Concluo aqui uma visão com o posicionamento de que se conseguir começar simples de uma forma que seja escalável para evitar retrabalho em um desafio com dados que está começando mas que existe uma proposta idealizada de que irá se tornar Big Data algum tempo depois, seria o melhor dos mundos. Porém, eu recomendo que o foco precisa ser começar rápido para entregar valor rápido e não sair construindo coisas que escalam enquanto se tem Megabytes ou Gigabytes de dados.</p><p>Como eu ouvi outro dia de uma amiga… &quot;Faça o simples que resolve, assim como o Arroz com Feijão que mata a fome, é gostoso, e não enjoa.&quot;</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=fe3d413fb74" width="1" height="1" alt=""><hr><p><a href="https://medium.com/base39/o-big-data-fake-fe3d413fb74">O Big Data Fake</a> was originally published in <a href="https://medium.com/base39">Base39</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>