À medida que analytics desempenha um papel mais estratégico no mundo corporativo, CIOs e outros líderes de negócios devem estabelecer expectativas realistas sobre o que eles podem alcançar com essas ferramentas, afirmou uma pesquisadora da NASA.
Trabalhar com Big Data exige uma capacidade de aceitar a incerteza e lidar com a realidade de que até mesmo as ferramentas analíticas mais poderosas nem sempre apresentam resultados satisfatórios. “O perigo é você consumir um tempo considerável e não extrair nada do analytics”, afirma Amy Braverman, principal estatística do Laboratório de Propulsão a Jato da NASA. “Outro desafio é consumir muito tempo e descobrir coisas erradas.”
Amy fala sobre o tema com propriedade de causa. Ela desenvolve metodologias estatísticas com base em dados coletados por satélites da NASA e armazenados em centros de dados em todo o país. Parte da missão da NASA é medir a saúde dos sistemas da Terra por meio de dados de “milhares e milhares e milhares de variáveis”. O objetivo é “ter um ponto de vista imparcial, percebendo que existem milhões de pessoas que têm interesse particular em dados que não sabemos, mas precisamos torná-los acessíveis”, disse em entrevista ao jornal The Wall Street Journal.
A estatística alerta ainda os CIOs evitem ferramentas de prateleira para realizar a análise dos dados. “Eles podem precisar de ferramentas personalizadas para resolver seus problemas”, avalia. “Não espere que um pacote de software existente será a ferramenta de que precisa”, disse ela em uma discussão sobre Big Data na conferência WSJ CIO Network, realizada pela publicação.
“Toda vez que você calcular algo com os dados que coletou, você vai calcular estatísticas da amostra”, alerta. Por isso, diz, é importante reconhecer que há incerteza nos resultados.
Da mesma forma, prossegue, é preciso ter uma melhor compreensão do que não é medido. “Em um supermercado, por exemplo, é possível avaliar com grande profundidade algumas pessoas para entender a relação suas relações com os produtos com maior detalhe, mais do que a coleta automatizada de dados fornecidos”, observa.
Modelos de probabilidade são extremamente úteis quando se trata de quantificar a incerteza, disse ela. Outro fator importante: encontre o talento certo. “A sociedade precisa investir na próxima geração de pessoas para realizar a interseção da ciência de dados e áreas de aplicação”, conclui.
