As três grandes questões da ciência de dados na Cisco

Daniel Griffin, líder técnico de uma equipe de cientistas de dados que conduz iniciativas de IA para experiência digital de clientes na Cisco, relata no blog da empresa que muitas organizações atualmente alegam ser orientada por dados ou desejam usar dados para tomar decisões mais eficazes sobre seus planos de negócios, operações, produtos e serviços. Porém, o que podemos perceber em uma análise mais profunda é que, em geral, apenas um terço do valor da Ciência de Dados é utilizada. Muitas oportunidades podem passar despercebidas porque os cientistas de dados e estatísticos não são tradicionalmente treinados para responder a algumas das questões com as quais as empresas do setor se preocupam.

A maior parte da análise técnica de dados científicos feita hoje é classificação (rotulagem com valores discretos), regressão (rotulagem com um número) ou reconhecimento de padrões. Essas formas de análise respondem às questões de negócios como 'posso entender o que está acontecendo' e 'posso prever o que acontecerá a seguir'. Exemplos de perguntas são:

Gen-z strategy long tail churn rate seed money channels user experience incubator startup partner network low hanging fruit direct mailing. Client backing success startup assets responsive web design burn rate A/B testing metrics first mover advantage conversion.

• 'Posso prever quais clientes irão abandonar?';
• 'Posso prever minha receita no próximo trimestre?';
• 'Posso prever produtos nos quais os clientes estão interessados?';
• 'Há padrões importantes de atividade do cliente?'.

Essas são perguntas extremamente valiosas para as empresas que podem ser respondidas pela ciência de dados. No entanto, a maioria das empresas tem outras duas outras categorias principais de questões importantes que estão sendo totalmente ignoradas. Ou seja, uma vez que um problema foi identificado ou previsto, podemos determinar o que está causando isso? Além disso, podemos tomar medidas para resolver ou prevenir o problema?

Veja esse exemplo:

É um problema de negócios comum: prever o risco de rotatividade de clientes. Para esse problema, um cientista de dados pode reunir muitos dados sobre um cliente e, em seguida, construir um modelo preditivo. Depois que um modelo é desenvolvido, ele é implantado como um serviço de insight em execução contínua e integrado a um processo de negócios.

Exemplo na Cisco

Daniel Griffin, cientista de dados da Cisco conta como faz para responder às três grandes questões da Ciência de Dados em seu trabalho. O principal ponto é para entender e prever as renovações de produtos e serviços, impactando diretamente nas métricas de churn.

Pergunta 1: O que está acontecendo ou irá acontecer?

A principal questão que normalmente se coloca a uma equipe de cientistas de dados é: 'podemos prever com precisão quais clientes renovarão e quais não?'. Embora esta seja uma pergunta primária feita pela empresa, há muitas outras questões que se enquadram na área de previsão e mineração de padrões, incluindo: