Clique aqui e conheça as iniciativas Neoway para a Covid-19

Solicitar demo

Blog

Voltar

Como promover uma cultura centrada no cliente em Data Science

Como promover uma cultura centrada no cliente em Data Science

Muito se fala sobre Inteligência Artificial e Machine Learning, mas, para que essas tecnologias realmente entreguem valor, é essencial promover uma cultura centrada no cliente em Data Science, a área do conhecimento capacitada para desenvolver este tipo de projeto. Isto significa ter sempre em foco as dores e necessidades dos clientes.

Para construir tais soluções, é necessário estudar e analisar dados econômicos, financeiros e sociais, - tanto estruturados quanto não-estruturados - para, assim, extrair conhecimento, detectar padrões e gerar insights para tomada de decisões. Ou seja, é preciso utilizar o Data Science.

Por essa descrição, quem não conhece o trabalho dos Cientistas de Dados pode achar que eles têm funções estritamente técnicas. Na verdade, esse profissional possui atribuições diversas, como conduzir as mais variadas formas de análises de dados, aplicar as chamadas “ciências da decisão”(que compreendem matemática e estatística), além de dominar técnicas de mineração de dados e aprendizagem de máquina (machine learning).

Mas, ao colocar em prática o conhecimento técnico, é importante que os Cientistas de Dados estejam alinhados não só com o planejamento estratégico da empresa, mas, principalmente, com as necessidades dos clientes.

Toda equipe trabalha melhor quando entende os porquês do que está construindo e, nesse caso, ao conhecer a realidade dos clientes, pode-se desenvolver soluções de Inteligência Artificial e Machine Learning que realmente resolvam seus desafios.

Cultura centrada no cliente em Data Science

Na Neoway, criamos três times de Data Science com especialidades diferentes. A área de Customer Data Science fornece consultoria e desenvolve soluções sob medida para cada cliente; já Product Data Science entende demandas recorrentes e as transforma em produtos para mercados específicos; por último, a área de Machine Learning as a Service (MLaaS) cria soluções de Inteligência Artificial e Machine Learning personalizáveis ​​e escaláveis.

Customer Data Science - Serviços personalizados para cada cliente

Esse time oferece uma consultoria profissional sobre modelagem e analytics (análise de dados) para atender às necessidades específicas dos clientes, tanto com os dados disponibilizados pela Neoway, como os dados internos das empresas. O apoio dos times de Customer Success e Vendas também é essencial para entender, filtrar e especificar as demandas por projetos.

Para um cliente do setor de Seguros, por exemplo, criamos soluções de Inteligência Artificial que ajudaram no combate e na prevenção contra fraudes. Desta forma, conseguimos detectar e evitar mais de 1500 fraudes e potenciais fraudes.

Product Data Science - Modelos e scores para cada indústria

Essa equipe desenvolve soluções de IA e Machine Learning que atendem às necessidades de um setor e, por isso, podem ser escaladas para vários clientes de uma mesma indústria. Além de utilizarmos dados coletados pela Neoway e de clientes, é comum firmarmos parcerias que possam agregar dados e tecnologias às nossas ofertas.

Um exemplo das entregas desse time é o “Tipo de estabelecimento alimentício”, uma modelagem de dados que deduz a categoria dos estabelecimentos do setor alimentício a partir das suas informações descritivas e cadastrais.

Ao todo são 13 tipos, como: restaurante, bar, delivery, food truck, hotelaria, lanchonete, padaria, pub, redes, entre outros. O indicador ajuda a compreender a distribuição dos estabelecimentos do setor alimentício e a adequar a estratégia de distribuição de produtos.

Machine Learning as a Service - Personalização em massa

A equipe de MLaaS cria soluções de Machine Learning altamente personalizáveis ​​e escaláveis para lidar com problemas de negócios e barreiras tecnológicas ou, em outras palavras, alcançar os resultados de Customer Data Science com a escala da Product Data Science. O objetivo é fornecer uma previsão personalizada para o cliente, com base em seus dados e enriquecida com os nossos dados, mas, sem intervenção humana.

Em essência, o MLaaS atua como os mecanismos de previsão que se adaptam à entrada para fornecer uma saída única cada vez que é executada. Alguns exemplos são recomendações de produtos e filmes da Amazon e Netflix, baseadas no perfil de usuário individual.

No nosso caso, um exemplo é o Neoway On Target, solução que recomenda e prioriza oportunidades de negócios (leads) com base nos dados históricos de vendas do cliente.

Essa separação por objetivos e o intercâmbio entre as áreas trazem diversos benefícios para o fomento de uma cultura centrada nos clientes em Data Science. Isso porque permite manter a parceria estreita com os clientes por meio da criação de soluções exclusivas e, ao mesmo tempo, desenvolver ofertas cada vez mais completas e segmentadas para cada vertical de atuação, o que gera resultados mais precisos. Tudo isso sem perder o foco nas soluções escaláveis de Machine Learning.

O perfil dos profissionais

Promover uma cultura centrada no cliente na área de Data Science também envolve contar com profissionais multidisciplinares. Na Neoway, nosso time de cientistas de dados tem formações educacionais diversas, como, Engenharia, Ciências da Computação, Estatística, Física, Economia e Administração.

Além da formação acadêmica, buscamos profissionais que tenham experiência ou interesse no desenvolvimento de soluções, na análise de dados e no entendimento de como funcionam os negócios.

Cada cargo exige um nível específico de cada competência, como é possível observar na matriz abaixo.

Em geral, três competências principais permeiam todos os times: desenvolvimento, análise e negócios.

No time de Customer Data Science, por exemplo, a interface direta com o cliente demanda um analista de negócios na estrutura, responsável por entender as necessidade do cliente e ajudar na definição do escopo do projeto.

Para isso, este profissional precisa entender sobre as ofertas existentes na empresa e as capacidades da companhia para entregar novas soluções. Ele também precisa entender os conceitos de modelagem e ter uma ótima capacidade de comunicação.

Já na construção das entregas, os nossos especialistas precisam ter familiaridade com o desenvolvimento de modelagem estatística, modelagem de dados, Machine Learning, estatística e analytics (análise de dados).

O time de Product Data Science possui uma estrutura parecida, porém, suas atribuições incluem desenvolver modelos que atendam a um escopo mais amplo, o que exige uma maior profundidade no desenvolvimento de softwares e em analytics.

A área também precisa estar sempre atenta às soluções em utilização, uma vez que, por se tratarem de produtos, necessitam de manutenção constante para continuarem a atender as necessidades dos clientes.

Por sua vez, o time de Machine Learning as a Service tem como objetivo automatizar e expandir o trabalho de modelagem realizado por Product Data Science. Isso exige conhecimentos profundos de analytics, modelagem estatística e, claro, Machine Learning. Geralmente, engenheiros de software são os profissionais que mais se enquadram nesses requisitos.

Uma quarta competência muito importante é o gerenciamento de projetos e equipes. Apesar de não ser necessária para todos os que compõem a área, a habilidade é essencial para a organização das entregas.

Além das habilidades técnicas

Outro fator importante é definir como a cultura será construída e permeada dentro da equipe. Na Neoway, a cultura centrada no cliente em Data Science parte da perspectiva do papel principal de um Cientista de Dados, ou seja, otimizar o processo de decisão (por meio de dados) e impulsionar pessoas nos três níveis de decisão (operacional, tático e estratégico).

Baseado nisso, construímos os princípios de trabalho da área. Por exemplo, a transparência é um dos nossos princípios, porque ajuda a conscientizar a organização de seus problemas (assim como bons dados são importantes para a modelagem). Da mesma forma, a coragem nos permite inovar, a humildade nos permite aprender com os erros (como um bom algoritmo de ML faria), e assim por diante.

No pilar tecnológico, promovemos uma forte cultura de desenvolvimento, que busca minimizar erros, aumentar a autonomia, remover barreiras tecnológicas e acelerar o rendimento com o uso das tecnologias certas.

Para alinhar a qualidade de tudo o que fazemos, criamos diretrizes para refletir nosso controle de versão, revisão de código, estilo de codificação e boas práticas em geral, em um documento em evolução que é compartilhado por toda a organização.

Construir uma cultura centrada no cliente em Data Science, sem perder de vista a qualidade e a agilidade do time, é um desafio diário. A construção do time e a documentação dos processos são ferramentas essenciais nessa missão.

Pode parecer mais difícil alcançar esse objetivo devido ao volume de entregas e ao nível técnico exigidos para a função, mas nós insistimos porque acreditamos que somente assim as nossas entregas realmente farão sentido para os cliente, para a sociedade e para nós.

Quer saber como fazemos na prática?

Solicitar demo