Em agosto passado, o VP de Pesquisa de Produto da DataCamp, Ramnath Vaidyanathan, apresentou uma série de três webinars sobre como escalar data science com o nosso framework IPTOP. O framework IPTOP detalha todos os alavancadores organizacionais para democratizar data science e se tornar uma organização fluente em dados.
IPTOP significa Infraestrutura, Pessoas, Ferramentas, Organização e Processos. A série em três partes aprofunda como as organizações podem escalar cada um desses pilares para democratizar data science e, no processo, alcançar fluência em dados. Veja um resumo de cada um:
1 - Infraestrutura
O objetivo de qualquer estratégia de dados é transformar dados brutos em insights e decisões. Para isso, as organizações precisam coletar, registrar e armazenar seus dados com segurança e eficiência, de forma que sejam acessíveis a todos. Isso envolve entender boas práticas e frameworks para habilitar o acesso a dados, garantir governança, esclarecer a linhagem dos dados e muito mais.
2 - Pessoas
As pessoas são, possivelmente, o pilar mais crítico do framework, já que as organizações não vão extrair valor de seus dados se seus membros não tiverem as habilidades para trabalhar com eles. Por isso, cultivar as competências necessárias em dados em todos os perfis da organização é fundamental para democratizar data science e desenvolver fluência em dados.
3 - Ferramentas
Enquanto a infraestrutura viabiliza a entrega de insights a partir dos dados, as ferramentas facilitam e incentivam uma linguagem comum de dados em toda a organização. Por isso, é essencial entender o leque de ferramentas possíveis para cada tarefa e investir na construção de soluções que reduzam a barreira de entrada para o trabalho em data science.
4 - Organização
Uma dimensão essencial para escalar data science é como os profissionais de dados estão organizados. Como estruturas de reporte e agendas direcionam o trabalho na maioria das empresas, a estrutura organizacional precisa preparar sua companhia para um sucesso sustentável. Montar e organizar o time de data science dentro da organização exige cuidado e planejamento.
5 - Processos
Por fim, escalar data science requer alinhamento sobre convenções, boas práticas e processos. Promover esse alinhamento é essencial para facilitar a colaboração e evitar silos. Isso permite que todos os times trabalhem juntos e se comuniquem de forma fluida, usando uma linguagem comum de dados.
Na semana passada, lançamos nossas tendências e previsões de dados para 2021. Nossas previsões abrangem todos os pilares do framework IPTOP: desde habilitar um acesso a dados mais robusto com maior adoção de nuvem e ferramentas de metadados (Infraestrutura), um compromisso maior com a capacitação em dados (Pessoas), ferramentas mais colaborativas e robustas (Ferramentas), novos papéis para gerenciar modelos de machine learning em produção (Organização) e, por fim, boas práticas de data storytelling e visualização (Processos).
Por isso, estamos animados em renovar nosso compromisso de trazer os insights mais atuais e relevantes de profissionais e líderes de data science sobre como escalar data science da melhor forma e fortalecer o letramento em dados.
Em 2021, vamos promover uma série de webinars mensais abordando como diferentes setores podem aproveitar data science, como as organizações podem governar seus dados e ampliar o acesso, boas práticas para capacitar pessoas em data science, como reduzir a barreira de entrada ao trabalhar com dados usando ferramentas modernas, como organizar e contratar os melhores talentos de data science, como definir processos para se tornar orientado por dados e muito mais.
Fique de olho na nossa página de próximos eventos para não perder nada — te esperamos em 2021!
