DAN652_2_3

Prévia do material em texto

Curadoria de dados e Gestão de dados
Curadoria de dados e Gestão de dados • 2/15
Objetivos de Aprendizagem
• Compreender a curadoria de dados e a gestão de dados
• Estudar sobre Cloud Sourcing
Curadoria de dados e Gestão de dados
Conteúdo desenvolvido por Viviane Spadaro Di Gesú em 2021 a partir do livro 
Marketing na Era dos Dados.
https://player.vimeo.com/video/668797737
Curadoria de dados e Gestão de dados • 3/15
Introdução 
O trabalho a partir de dados nos permite mudar a maneira como pensamos sobre 
soluções empresariais. Muitos compreendem o sucesso de um negócio a partir de 
sorte, de resultado de experiências passadas, mas com esse estudo podemos refletir 
sobre o sucesso orientado em dados. Vamos aprofundar um pouco mais esse assunto?
Curadoria de dados 
O termo curadoria de dados é muito oportuno para o assunto que estamos estudando, 
pois se refere ao processo de cuidar, eliminar interferências (higiene de dados), a fim 
de permitir que os dados estejam aptos a seu destino. É importante lembrar que 
dados e informações são itens, em geral, primários, de propriedade intelectual da 
empresa que o produz, a partir de suas pesquisas, extrações e tratativas diversas 
(processamentos, combinações, etc.). Exatamente por essa razão os dados devem ser 
geridos da melhor forma possível.
Observamos nos temas anteriores que atualmente as organizações geram vantagem 
competitiva por meio do Data Science. Trata-se de uma nova forma de trabalhar 
frente à concorrência de mercado.
As empresas hoje exploram, elaboram, gerenciam dados de forma regular com o 
objetivo de resolver problemas ou pelo menos facilitar sua resolução. Nesse sentido, 
os atributos informativos fazem toda diferença quanto à tomada de decisão e assim 
sendo, devem ser bem aproveitados. Aspectos tanto positivos como negativos dos 
consumidores interessam à empresa e é por essa razão que se busca dados para 
identificar:
• Particularidades / exclusividades
• Qualidades
• Características 
Curadoria de dados e Gestão de dados • 4/15
Gerindo dados
Os dados, enquanto itens de valor para a empresa, são dignos de boa administração. 
Toda administração, por sua vez, corresponde a planejar, organizar, dirigir e controlar. 
Trazendo os dados para a lógica de sua gestão, devemos, portanto:
• Planejar quais dados valem ou não valem para uma empresa
• Organizar, isto é, segmentar dados
• Dirigir os trabalhos que comportam ações com dados e informações
• Controlar os dados bem como seu uso e reutilização.
Antes de se lançar à captura, extração de dados é preciso direcionar que tipo de dado 
necessitamos. Depois disso é fundamental ter um entendimento sobre como separar 
esses dados, classificá-los para que posteriormente possam ser correlacionados. Há 
várias formas de segmentar dados e por essa razão faz-se uso de filtros capazes de 
ordenar ou alocar dados conforme o interesse desejado. Vale lembrar que há dados 
mais ou menos relevantes, cabendo à empresa definir os prioritários, separando-os 
dos secundários, por exemplo. Tabelas com colunas diversas são utilizadas para uma 
melhor organização de dados, os quais podem ser apresentados em um dashboard.
Saiba Mais
Mitchell e Ryder (2013) apontam que o Dashboard é uma ferramenta 
presente em sistemas de informação gerencial, sendo um sistema 
específico de desempenho, no qual constam índices-chaves baseados em 
metas ou em objetivos e que permitem aos usuários monitorar, analisar, 
gerenciar e deliberar sobre o andamento de atividades institucionais e 
organizacionais, através de métricas e indicadores.
Curadoria de dados e Gestão de dados • 5/15
Trabalhando dados
Você deve se lembrar que mencionamos brevemente que o Data Science trabalha 
dados a partir de variadas técnicas. Uma delas é a árvore de decisão. A árvore de 
decisão é uma forma de apresentação dos dados sob o aspecto de um diagrama 
que expressa probabilidades, caminhos baseados em estimativas. O nome “árvore” 
provém da imagem representativa dos dados obtida a partir de ramos que indicam 
para as decisões a serem tomadas. 
A árvore de decisões se perfaz como um mapa de possíveis resultados. Cada uma de 
suas linhas tem um valor. Criam-se ramificações indicativas a partir dos dados. A ideia 
é possibilitar a interpretação, ao considerar diferentes níveis. Nessas árvores o Data 
Science usa logaritmos.
Considerações sobre a análise de dados
As análises de dados partem de parâmetros considerados ideais para se ter como 
referência para verificações. São exemplos de parâmetros utilizados na prática analítica 
de dados:
• Similaridades
• Vizinhos próximos
• Agrupamentos
Os dados podem ser tratados ou trabalhados a partir de sua semelhança. Pode-se 
observar, por exemplo, que pessoas de uma mesma região utilizam, mais fortemente, 
a mesma marca de carro. Temos aqui um exemplo de similaridade identificada a partir 
dos dados sobre tais clientes. A ideia de vizinhos próximos pode ser a identificação, 
a partir dos dados, de que não escolhendo a marca X, os clientes daquele segmento, 
em sua maioria escolhem a marca Y (por ela ser bastante parecida com a marca X). Os 
agrupamentos podem ser formados quando se têm, por exemplo, grupos de clientes 
com hábitos parecidos. Uma amostra disso são clientes que costumam pela manhã 
consumir cafés gourmets. Esses agrupamentos, por exemplo, reúnem clientes com 
comportamentos típicos.
Curadoria de dados e Gestão de dados • 6/15
O que é desejado dos resultados de Data Science?
São muitos os desejos de uma organização que faz uso do Data Science. Poderíamos 
citar, por exemplo:
• Estimar custos e benefícios
• Evidenciar oportunidades de ganhar mais dinheiro e ganhar clientes
• Descobrir condicionantes, isto é, o que impõe uma condição para que algo 
aconteça. Como por exemplo, qual gatilho permite um cliente comprar mais de 
um mesmo item.
• Reter mais clientes
A habilidade com dados permite projetos de Data Science. São muitos os seus tipos, 
porém o projeto de insights é o mais trabalhado. Eles permitem recomendações de 
soluções às organizações, o que é o desejo maior de todas elas. Resolver problemas 
costuma ser o “calcanhar de Aquiles” das organizações. Obviamente, como os projetos 
de Data Science proporcionam essa tratativa, sem achismo, mas com fatos concretos, 
são muito demandados no meio empresarial. Um portfólio de projetos em Data 
Science é o sonho de muitas empresas. O importante é ter a métrica do sucesso de 
forma clara e atuar nessa construção. Os “superpoderes” da ciência de dados podem 
ajudar a empresa devido à sua inteligência lógica. 
Saiba Mais
FURLAN e FILHO, (2005) afirmam que ter informações em mãos é uma 
poderosa ferramenta para quem precisa tomar decisões e, tendo em vista 
esse princípio, as empresas começaram a extrair dados dos seus sistemas 
operacionais e armazená-los, separados dos dados operacionais.
Curadoria de dados e Gestão de dados • 7/15
Cloud Sourcing 
A Computação em nuvem ou Cloud Sourcing, corresponde a serviços em nuvem 
(na internet), mais especificamente armazenagem de dados em nuvem ou ainda 
aplicações, softwares, funcionamentos, todos em nuvem, o que dispensa qualquer 
instalação física. A palavra “nuvem” sugere a ideia de suspenso, no sentido de algo que 
está disponível, bastando baixar ou puxá-lo para baixo e então utilizá-lo a qualquer 
tempo.
A capacidade de processamento em cloud é demandado por empresas em especial 
quando o seu volume de dados aumenta. Isso acontece, por exemplo, em épocas 
de maiores vendas. Maior transação comercial significa mais dados, o que demanda 
maior necessidade de sua gestão. A computação em nuvem é a infraestrutura de TI 
(tecnologia da informação) em nuvem. Se a empresa não possui esse serviço contratado, 
deve trabalhar os dados a seu modo, sem ajuda de um provedor para manutenção 
desse trabalho. 
É interessante lembrar que a arquitetura da computação em nuvem é composta por 
três camadas:
https://player.vimeo.com/video/668797850
Curadoriade dados e Gestão de dados • 8/15
• Infraestrutura - armazenamento
• Plataforma - desenvolvimento
• Aplicação – serviços aos usuários finais
O cloud sourcing traz a vantagem da acessibilidade e da escalabilidade. Acessibilidade 
correspondente ao acesso de qualquer lugar. Os dados sempre estarão à disposição. 
A escalabilidade é um ponto positivo pois não há limite de volume. O cloud sourcing 
é um serviço terceirizado para tratativas com dados. A redução de custos é um ganho 
importante oferecido pelo cloud sourcing, além da flexibilidade e facilidade de 
acesso. A figura a seguir mostra a lógica do modelo de nuvem, observe:
Figura 1 – Modelo de Nuvem
Saiba Mais
Leia esse interessante artigo científico relacionando a computação em 
nuvem:
https://www.ic.unicamp.br/~ducatte/mo401/1s2011/T2/Artigos/G04-
095352-120531-t2.pdf
Fonte: http://livroaberto.ibict.br/bitstream/1/861/1/COMPUTA%C3%87%C3%83O%20EM%20NUVEM.pdf
https://www.ic.unicamp.br/~ducatte/mo401/1s2011/T2/Artigos/G04-095352-120531-t2.pdf
https://www.ic.unicamp.br/~ducatte/mo401/1s2011/T2/Artigos/G04-095352-120531-t2.pdf
http://livroaberto.ibict.br/bitstream/1/861/1/COMPUTA%C3%87%C3%83O%20EM%20NUVEM.pdf
Curadoria de dados e Gestão de dados • 9/15
Em Resumo
Nessa aula você aprendeu que é possível atuar com base em dados, os quais não 
necessariamente estarão sob armazenamento da empresa, mas pode estar sob o 
domínio do cloud sourcing. Também vimos que a curadoria de dados bem como a 
gestão de dados sempre será oportuna já que a empresa está trabalhando a todo 
tempo com análises diversas. Devemos aqui fazer um parênteses para esclarecer 
que nosso foco de estudo é o marketing digital, o qual nomeia nosso curso. Assim 
sendo, não adentraremos à especificidades técnicas das temáticas referente à análises 
de dados. Essa demanda cabe ao estudante de TI que deverá saber manipular os 
sistemas e então operar os sistemas tecnológicos para ter como saída os dados que 
serão utilizados pelas áreas organizacionais. Assim, para nós, profissionais da área 
de negócios, cabe o entendimento das ferramentas tecnológicas, suas aplicações 
e possibilidades com dados já que é com base neles que podemos encaminhar as 
atividades da empresa com menos falhas e riscos.
Curadoria de dados e Gestão de dados • 10/15
 Na ponta da língua
https://player.vimeo.com/video/668797926
Curadoria de dados e Gestão de dados • 11/15
Referências Bibliográficas
FURLAN, MARCO R.; FILHO, EDUCARDO V. G. (2005). Uma proposta de 
aplicação de business intelligence no chão-de-fabrica. GESTÃO & PRODUÇÃO, 
v.12, n.1, p.55-66.
Mitchell, J. J., and Ryder, A. J. (2013). Developing and using dashboard indicators in 
student affairs assessment. New Directions for Student Services, 2013(142), 71-81.
NASCIMENTO, R. (2019). Marketing na era dos dados: o fim do achismo. São 
Paulo: Évora.
PROVOST, F; FAWCETT, T. (2016). Data Science para negócios: o que você 
precisa saber sobre mineração de dados e pensamento analítico de dados. Rio de 
Janeiro: Alta Books.
Im
ag
en
s: 
Sh
utt
er
st
oc
k
LIVRO DE REFERÊNCIA:
Marketing na Era dos Dados