Home > Tendências

O que é ciência de decisão? Usar dados para impulsionar os negócios

Ciência da decisão é uma das áreas mais interessantes da ciência de dados, mas ela precisa fazer parte do ecossistema que sua organização cria

Mary Branscombe

11/10/2019 às 8h09

Foto: Shutterstock

Um dos objetivos da transformação digital é permitir que as empresas sejam orientadas por dados. Seja inteligência de negócios, análise preditiva ou aprendizado de máquina, usar dados objetivos em vez de intuição e achismos é o assunto do momento quando se fala no impulsionamento das tomadas de decisão.

Existem muitos desafios. Nem todas as grandes organizações são ágeis o suficiente para tirar o máximo proveito da tomada de decisão orientada por dados, ou hábil o suficiente para coletar dados confiáveis ​​em escala. A maioria dos executivos do estudo anual de big data da NewVantage Partners busca dados para tomar melhores decisões, mas apenas um terço acredita que sua empresa possui uma cultura orientada por dados.

Vale destacar que os dados não têm todas as respostas. Seus dados podem não indicar que um produto de sucesso pode ser melhor, porque os dados indicam que ele já é bem-sucedido. Dessa forma, tomar decisões orientadas por dados está relacionado a fazer as perguntas certas e ter informações certas para a obtenção das respostas. Agora, você começará a ver o que é chamado de "ciência de decisão" (ou "inteligência de decisão").

O que é ciência de decisão?

Cassie Kozyrkov, chefe de inteligência de decisão do Google, descreve a inteligência de decisão como a combinação de ferramentas e perspectivas de disciplinas que foram previamente isoladas e a sua aplicação a todos os aspectos para reduzir o esforço necessário para tomar decisões de alta qualidade com base em fatos. “Ela reúne o melhor da ciência de dados aplicada, ciência social e ciência gerencial em um campo unificado que ajuda as pessoas a usar dados para melhorar suas vidas, seus negócios e o mundo ao seu redor”, explica.

Existem semelhanças com campos como economia comportamental - que consiste em prever o comportamento do mercado e usar incentivos para mudá-lo - e a interseção entre ciência da computação e economia conhecida como EconCS, que a Microsoft usa para criar leilões de anúncios no Bing, preços de nuvem do Azure e jogos do Xbox.

Mas a ciência de decisão não tem um foco tão amplo; trata-se de resolver problemas comerciais específicos com dados e algoritmos, prevendo os resultados de uma decisão.

Ciência de decisão vs. ciência dos dados

Essa faceta de prever os resultados de uma decisão é um diferencial importante entre a ciência de decisão e ciência de dados.

"A ciência de decisão consiste em usar uma mistura de teoria e dados para prever o que acontecerá depois que um indivíduo ou organização tomar uma decisão que mude seu ambiente", diz Greg Lewis, pesquisador principal da Microsoft. É uma bola de cristal para ajudar os tomadores de decisão a descobrir qual é a escolha certa.

A ciência de dados, por outro lado, prediz o que acontecerá a seguir se você não fizer nada para mudar o sistema. “Por exemplo, a ciência de dados pode ser usada para descobrir que, na taxa atual, uma loja ficará sem estoque; mas a ciência da decisão ajudaria a decidir se é melhor comprar mais inventário e manter os preços iguais ou aumentar os preços para que o inventário atual seja suficiente", acrescenta o executivo.

Ainda assim, a ciência de decisão faz parte da ciência de dados, aponta Chi-Yi Kuan, diretor de ciência de dados do LinkedIn, onde até recentemente ele dirigia a equipe de soluções de ciência de decisão da empresa. Ele resume o conceito como "análise quantitativa e técnicas usadas para informar e orientar a tomada de decisões".

“Na ciência de dados, trabalhamos muito para entender o que aconteceu, o que é a história - isso é análise descritiva. Em seguida, a análise de diagnóstico está se aprofundando e fazendo um mergulho para entender por que aconteceu dessa maneira. Quando ficamos mais avançados, podemos fazer análises preditivas: O que acontecerá no futuro? O que chamamos de IA e aprendizado de máquina na terminologia popular tem tudo a ver com previsão: a análise prescritiva é sobre qual seria a melhor opção para acontecer”, observa Kuan.

A ciência de dados trata de passar de dados brutos para insights significativos; a ciência da decisão aplica isso às recomendações dos tomadores de decisão. “O trabalho da ciência de dados é [tomar] melhores decisões no ecossistema para ajudar a empresa a crescer. Na ciência de decisão, o foco é apenas tomar as decisões”, complementa.

Decisões orientadas por dados para todos

Os princípios da ciência de decisão devem ser familiares aos executivos, porque eles já são usados ​​em áreas operacionais. Porém, obter informações de negócios de especialistas que dão conselhos com base em sua experiência (e quantidades limitadas de dados) é um processo muito lento e caro para utilizar em todos os setores. A ciência de decisão democratiza a capacidade de tirar proveito dos dados em tempo real. “Queremos torná-lo escalável. Queremos que todos na empresa sejam capazes de tomar decisões baseadas em dados: não é apenas para os executivos - e isso é uma grande mudança”, afirma Kuan.

Isso significa mais do que apenas ter uma equipe de ciência de dados; significa dar às pessoas a autoridade para tomar decisões com base nos dados. "Muitas empresas têm equipes que eles chamam de equipes de ciência de dados, mas não lhes dão autoridade e não confiam nelas para fazer recomendações", declara o especialista.

Para Kuan, os dados são inúteis, a menos que você os transforme em uma decisão. Isso significa capacitar as pessoas para avaliar um problema comercial e utilizar os dados para ajudá-las a tomar decisões.

Exemplos de ciência de decisão

Kuan oferece uma longa lista de exemplos em que a ciência da decisão se aplica: teste A / B de produtos, avaliação de desempenho de campanhas de marketing, inteligência do ciclo de vida e oportunidades no atendimento ao cliente para melhorar a experiência do consumidor.

O resultado pode não ser uma escolha única, mas uma variedade de opções: "No mundo digital, podemos fazer muitos testes A / B e tomar uma decisão sobre os resultados que voltam", diz. Quase todas as decisões de produtos no LinkedIn são enviadas para um pequeno conjunto de usuários como um experimento, e as equipes de produtos podem ver como essas alterações afetam os KPIs e outras métricas.

O LinkedIn aplica amplamente a ciência de decisão, desde encontrar os segmentos de membros certos para enviar email, suporte ao cliente, usar análise de texto para entender o feedback dos membros, até o feed de notícias. Os funcionários fazem muitas análises ad-hoc, avaliando o que gera mudanças em métricas específicas de negócios; tudo isso está disponível através de um portal de análise, para que a equipe de ciência de dados possa dedicar mais tempo a análises conduzidas por perguntas e hipóteses, que ajudam as equipes de negócios a tomar suas decisões.

A ciência de decisão é uma jornada

A ciência de dados não é feita quando a decisão é tomada, ressalta Kuan. "Após a tomada de decisão, a jornada da ciência de dados continua a medir em que impacto estamos trabalhando e o que aprendemos com a decisão tomada, e continuar melhorando isso por meio de experimentação."

Essa é outra grande diferença com a ciência de decisão: “Antigamente, quando você tomava uma decisão, era basicamente feito; você não tem nenhuma oportunidade de melhorar [no futuro]. Manter o controle dos efeitos dessas decisões orientadas por dados oferece às empresas a oportunidade de aprender com as falhas."

Mas a ciência de decisão não é apenas para empresas digitais como o LinkedIn. “Um dos melhores exemplos da ciência de decisão na prática é o surgimento de experimentos A / B, em que as organizações sistematicamente experimentam duas abordagens diferentes e veem qual funciona melhor com seus clientes”, explica Kuan. “Muito do valor agregado aqui é que a execução de um experimento A / B força as equipes a esclarecer como é o sucesso, o que pode ser uma boa alternativa ao que estão fazendo no momento e a implementar um processo para a atualização contínua das suas políticas."

Chegando à ciência de decisão

A ciência de decisão não é algo que você faz no lugar da ciência de dados; é como você utiliza a ciência de dados para orientar a tomada de decisão em sua organização. Para isso, é necessário contar com cientistas de dados e pessoas que entendam de tomada de decisão.

“A ciência de decisão é a aplicação da ciência de dados, mesclada com o contexto do comportamento das partes interessadas e o contexto comercial do problema”, observa o CTO da Onepath, Patrick Kinsella. A implementação da ciência de decisão é mais do que a adoção de ferramentas de ciência de dados que podem criar modelos, tirar conclusões e prever resultados a partir dos dados. “Uma organização deve identificar a equipe de indivíduos capazes de avaliar o impacto comportamental das decisões. Essas pessoas geralmente têm experiência em gerenciamento de mudanças por meio de transformação organizacional, integração de fusões / aquisições ou uma redefinição dos valores principais.”

Kuan enfatiza a importância de contratar mais do que especialistas em ciência de dados. Os cientistas de dados do LinkedIn, por exemplo, precisam ser especialistas em estatística para que possam criar experimentos e saber como medir se são bem-sucedidos. Eles também precisam conhecer as aplicações de aprendizado de máquina, o contexto de negócios dos dados para que possam interpretá-los e transformá-los em insights, bem como precisam ser capazes de apresentar suas descobertas e explicar como elas foram criadas.

“O objetivo é obter as ideias geradas a partir da análise e influenciar efetivamente a tomada de decisões importantes, o que gera impacto nos negócios”, afirma Kuan.

Lewis recomenda equipes que combinem economistas, estatísticos e cientistas de dados. “Os economistas descobrem o que precisa ser medido para ter uma boa noção do que acontecerá a seguir; estatísticos descobrem como medi-lo; e cientistas de dados constroem a infraestrutura e as ferramentas que permitem medições regulares e confiáveis ​​em escala.”

Também não esqueça o básico, diz Miles Ward, CTO da SADA. “Se você não tiver seus dados acessíveis e facilmente consultáveis, com procedência e qualidade verificadas, tomar as decisões com base nisso será um acaso. Então, se você ainda não começou, inicie por isso."

 

Junte-se a nós e receba nossas melhores histórias de tecnologia. Newsletter Newsletter por e-mail