Fazer login no IT Mídia Redefinir senha
Bem-vindo de volta,
Digite seu e-mail e clique em enviar
Ainda não tem uma conta? Cadastre-se
Salvar em Nova pasta de favoritos

+

Criar pasta
Salvar Escolher Pasta
Como construir um programa de treinamento em ciência de dados de sucesso
Home > Tendências

Como construir um programa de treinamento em ciência de dados de sucesso

Empresas estão preenchendo a lacuna criando programas de treinamento para requalificar funcionários para funções de ciência de dados

Bob Violino

03/12/2020 às 9h26

Foto: Adobe Stock

Profissionais de tecnologia que sabem como ajudar as organizações a obter o máximo de seus recursos de informação - cientistas de dados, em particular - estão em alta demanda e oferta reduzida.

Algumas empresas estão resolvendo o problema por conta própria, criando programas de treinamento de ciência de dados para aprimorar ou treinar funcionários para serem cientistas de dados.

A ciência de dados ainda é um território novo para muitas empresas, e estabelecer e manter esse programa pode trazer desafios. Aqui estão algumas dicas sobre como renovar a qualificação de seus funcionários para funções de ciência de dados com sucesso.

Crie uma cultura de ciência de dados

As organizações devem abraçar a ideia de que qualquer pessoa pode se tornar potencialmente um cientista de dados, e é importante criar uma cultura que dê suporte a essa premissa.

CIO2503

E-book por:

“A parte crítica é determinar que precisamos mudar toda uma cultura em relação aos dados, em vez de ter um conjunto específico de pessoas”, diz Frank Vanderwall, Cientista-Chefe de Dados da Hiebing, uma agência de desenvolvimento de marca e comunicação de marketing.

“Um paralelo que usamos seria o digital nos anos 90”, diz Vanderwall. “Naquela época, você tinha uma equipe digital dentro de organizações como a nossa. Era uma disciplina que um punhado de pessoas dominava. Hoje, nossa expectativa é que cada equipe seja digital. Isso acelerou a transição e a fluência em toda a organização, em vez de apenas colocar a carga sobre um punhado de pessoas”.

O momento da transição para a ciência de dados será específico para cada organização, diz Vanderwall, "e embora ainda não estejamos tão críticos em relação a uma conjuntura, esse momento está chegando".

Parte da mudança cultural envolve o uso de uma linguagem que praticamente qualquer pessoa pode entender. “Isso parece básico, mas é fácil de ultrapassar, especialmente para os treinadores que estão profundamente imersos em um modo de pensar”, diz Vanderwall. “Precisamos começar com uma compreensão compartilhada da linguagem. Os cientistas de dados se sentem muito confortáveis usando certos termos, mas eles podem ser intimidantes para os outros até que os dividamos em um entendimento comum”.

Às vezes, é uma questão de garantir que todos entendam a terminologia. Outras vezes, significa substituir a terminologia por uma linguagem mais acessível. “Os treinadores precisam entender a mentalidade das pessoas que estão treinando tanto quanto as pessoas que estão aprendendo precisam entender o novo conteúdo”, diz Vanderwall. “Muitas vezes o foco está apenas no aluno e não no professor”.

Também importante para a construção de uma cultura de ciência de dados é a transmissão contínua de conhecimento.

“É fundamental que nossos cientistas de dados capacitem outros a criar valor a partir dos dados por conta própria, não apenas fazendo isso por eles”, diz Vanderwall. “Também é fundamental que aqueles que são treinados tenham autonomia para treinar outros de maneira semelhante. Essa abordagem prolifera conhecimento e habilidades em toda a organização com mais rapidez e em um nível mais alto de perspicácia aplicada. Isso cria uma verdadeira cultura baseada em dados”.

Hiebing construiu primeiro uma equipe científica de marketing responsável por compreender as perguntas certas a serem feitas sobre os dados e usar os melhores métodos disponíveis para interpretar os resultados de forma adequada.

“O próximo desafio, porém, foi estender isso para o resto da organização, porque nossa equipe de ciência do marketing não pode estar intimamente envolvida em todos os projetos que temos em andamento”, diz Vanderwall. “Precisamos treinar outras pessoas na organização para que possamos realmente aplicar insights baseados em dados de forma consistente em todos os projetos”.

A empresa está em processo de construção de uma estrutura que combina treinamento externo formal, como cursos on-line de ciência de dados do cidadão - que tendem a ser de natureza técnica - com seminários internos que tendem a ser mais contextuais, diz Vanderwall. Este programa agora está sendo implementado na organização.

Junte-se a faculdades e universidades

Muitas instituições de ensino superior lançaram programas de ciência de dados nos últimos anos e esses recursos podem ser excelentes parceiros no estabelecimento de programas de treinamento para sua organização.

A Jabil, fornecedora de soluções de manufatura, desenvolveu um programa de treinamento em ciência de dados em parceria com universidades locais, diz May Yap, Vice-Presidente Sênior e CIO. O programa visa aprimorar as habilidades dos profissionais de negócios com análise estatística, matemática computacional e solução de problemas com dados específicos de domínio, diz ela.

“Sentimos que, semelhante a outras metodologias como Lean ou Six Sigma, essas habilidades precisam ser dispersas por todas as unidades de negócios e são habilidades técnicas que irão avançar o objetivo e a visão da Jabil”, diz Yap.

As parcerias com faculdades e universidades são um componente-chave do programa. Mas não pode ser qualquer instituição que seja um parceiro adequado para tal programa.

“Escolha seus parceiros universitários com sabedoria, identificando parceiros que já investiram em programas e departamentos de ciência de dados”, diz Yap. “Além disso, escolha parceiros que estejam abertos para se alinhar com a indústria em que sua empresa atua”.

Alavancar os parceiros da educação formal é uma boa ideia por duas razões, diz Yap. Em primeiro lugar, eles não terão preconceito em relação à tecnologia e permitirão que o programa evolua com o tempo, à medida que os aplicativos e ferramentas de análise avançam. Em segundo lugar, trabalhar com instituições cria um pool de recrutamento para a organização.

O programa de ciência de dados da Jabil aumentou a qualificação de cerca de 200 funcionários globalmente e forneceu à empresa percepções preditivas que proporcionam economia e maior valor para seus clientes por meio do aumento da velocidade de fabricação, qualidade do produto e inovação.

Entre os projetos que os funcionários realizaram estão a substituição preditiva de ferramentas, redução de refugo e custo de fabricação e preços otimizados em peças mecânicas.

Foco na melhoria contínua

O programa de treinamento de ciência de dados precisa enfatizar a melhoria contínua e o desenvolvimento de talentos, caso contrário, há uma probabilidade maior de que os cientistas de dados existentes deixem o ambiente.

“Certifique-se de ter um processo intencional de retenção dos melhores cientistas de dados, que tendem a ficar entediados e/ou buscar desafios alternativos em outro lugar, a fim de permanecer 'atualizados'”, diz Anthony Scriffignano, Cientista-Chefe de Dados da Dun & Bradstreet, que fornece dados comerciais, análises e insights para empresas.

Para ilustrar o ponto, Scriffignano relata uma experiência que teve enquanto trabalhava em uma organização que estava passando por uma grande transformação de TI.

“Um gerente sênior levantou uma questão relacionada ao treinamento de um grupo de trabalhadores que tradicionalmente não precisava usar nenhum conhecimento de informática para fazer seu trabalho”, diz Scriffignano. O plano era preparar e entregar cerca de quatro horas de treinamento para várias milhares de pessoas em todo o mundo, em vários idiomas.

Garantir a consistência do treinamento e entregá-lo no prazo dentro do cronograma do projeto não foi uma tarefa fácil, embora o comprometimento individual por parte de quem precisava do treinamento fosse pequeno, diz Scriffignano.

À medida que a discussão sobre o custo aumentava, o gerente que originalmente mencionou a necessidade de treinamento começou a rejeitar a necessidade de ministrar o treinamento. “Exasperado, o líder da reunião perguntou por que o gerente havia levantado a necessidade do treinamento e, mais tarde, parecia recuar no desejo de execução”, diz Scriffignano.

O gerente expressou preocupação de que os trabalhadores agora se tornassem qualificados em uma nova área, e esse aumento de habilidade poderia causar problemas com suas remunerações e contratos. “Também havia uma preocupação frustrada com a retenção: ‘O que acontece se os treinarmos e depois eles irem embora?’ Veio a objeção”, diz Scriffignano. “A resposta foi perfeita: ‘O que acontece se você não os treinar e eles ficarem?’ O ponto foi deixado bem claro: o treinamento e a melhoria contínua são [essenciais] em face da inovação tecnológica”.

Aproveite os problemas e desafios reais de negócios

Exemplos teóricos são bons como parte de um programa de treinamento, mas os alunos também precisam saber como colocar a ciência de dados em prática no "mundo real".

O programa da Jabil adota uma abordagem de treinamento "baseada em cenários", diz Yap. “Junte os funcionários em grupos de três ou quatro para trabalhar coletivamente no problema, à medida que são instruídos sobre o processo, as técnicas e as práticas”, diz ela. “Cada problema deve ter um patrocinador de negócios e pelo menos um dos alunos deve ter experiência de domínio dentro da área de negócios de foco para o problema de negócios”.

Outra parte crucial do programa da empresa é semeá-lo com profissionais técnicos da organização que atuam como professores assistentes. “O papel desse assistente de ensino seria muito semelhante ao de como os treinadores faixas pretas são semeados dentro de uma organização para apoiar iniciativas Lean ou Seis Sigma”, diz Yap.

Educar executivos

A Jabil também oferece aulas executivas de ciência de dados, variando de meio dia a um dia inteiro. Eles são projetados para ajudar os executivos a entender a teoria da ciência de dados e a terminologia comum usada por cientistas de dados, enquanto os orienta sobre como avaliar os projetos de ciência de dados para que possam defender esses projetos com eficácia.

A empresa de saúde GSK também enfatiza a educação de executivos. “A alfabetização em ciência de dados não é apenas para o cientista de dados”, diz Nicky Walker, Diretora Sênior de Data e Analytics Accelerator da GSK. “É tão importante educar líderes e gerentes para que sejam alfabetizados e versados ​​em ciência de dados quanto para construir conhecimentos profundos em disciplinas de ciência de dados”.

Educar muitos com conhecimentos de ciência de dados gera confiança e confiança nos algoritmos, para que os gerentes possam tomar decisões com confiança com base em analytics. “Ficar ótimo em contar histórias de onde a ciência de dados fornece valor cria a atração para mais ciência de dados e a insere no DNA da empresa”, diz Walker. “Este é um componente crítico do programa de ciência de dados. Sabemos que nossos especialistas em ciência de dados se sentem valorizados e recompensados ​​quando a resposta de seus parceiros de negócios é baseada na compreensão”.

Destaque o fato de que a experiência em ciência de dados é iterativa

Estudantes e profissionais de negócios que participam de treinamento em ciência de dados devem se encontrar indo e voltando entre uma série de etapas, diz Yap. Isso inclui compreensão de problemas, compreensão de dados, preparação de dados, modelagem e avaliação de resultados.

“Eles devem usar o processo para refinar o problema de negócios, gerar novas ideias e iterar em todos eles para identificar insights ou outras lacunas de negócios que podem precisar ser resolvidas para gerar os insights preditivos esperados”, diz Yap.

Algumas dessas lacunas provavelmente incluirão variação de dados, acesso a dados, qualidade de dados e, em alguns casos, falta de tecnologia necessária para automatizar a análise ou gerenciar grandes conjuntos de dados, diz Yap.

“Isso pode ser tão simples quanto aplicar tecnologias de inteligência artificial/machine learning para identificar anomalias ou [construir] modelos de classificação que serão usados para melhorar os dados e o entendimento”, diz ela.

Vai um cookie?

A CIO usa cookies para personalizar conteúdo e anúncios, para melhorar sua experiência em nosso site. Ao continuar, você aceitará o uso. Para mais detalhes veja nossa Política de Privacidade.

Este anúncio desaparecerá em:

Fechar anúncio

15