O DataCamp Digest é nosso resumo mensal com os insights e as novidades mais recentes sobre ciência de dados. Nesta edição, falamos sobre por que é difícil se tornar uma empresa orientada por dados, as características de organizações preparadas para o futuro, como adotar uma mentalidade de produto na criação de dashboards e muito mais.
Por que é tão difícil se tornar uma empresa orientada por dados? | Harvard Business Review
Em 2021, ser uma empresa bem-sucedida é ser uma empresa orientada por dados. Não é à toa que a maioria das organizações da Fortune 1000 está investindo em iniciativas de dados e inteligência artificial. Apesar desse investimento, poucas relatam impacto real no negócio. Descubra como cultura e habilidades em dados são o principal obstáculo para escalar valor com ciência de dados — e o que fazer a respeito.
Como construir letramento em dados na sua empresa | MIT Sloan
Na mesma linha de construir uma cultura de dados, este artigo aprofunda a criação de programas de letramento em dados na organização. De avaliar competências em dados a fomentar uma cultura de aprendizado contínuo, conheça os componentes essenciais de um programa de letramento em dados de sucesso.
As nove características de empresas prontas para o futuro | McKinsey
Um infográfico leve e interativo sobre os principais traços de organizações preparadas para o futuro. Dica: dados e aprendizado são pilares fundamentais para acelerar o crescimento.
Por que as videochamadas cansam tanto? Você pode estar interpretando mal estilos culturais | The Overflow
Um dos nossos textos favoritos do mês, este artigo explora diferentes estilos de comunicação e como eles podem melhorar — ou atrapalhar — o trabalho remoto.
Uma pergunta para deixar seu projeto de dados 10x mais valioso | Narrator
Veja como gerar mais alinhamento e impacto em solicitações de análise de dados fazendo uma única pergunta essencial.
Como criar dashboards com uma abordagem de product thinking | Shopify
Dashboards estão entre os produtos de dados mais simples — e impactantes — de construir em uma organização. Neste artigo, a cientista de dados da Shopify Lin Taylor apresenta uma abordagem de mentalidade de produto para maximizar o impacto ao desenvolver dashboards para a empresa.
Por que dados externos devem fazer parte da sua estratégia de dados | MIT Sloan
À medida que as organizações passam a extrair mais valor de seus dados para analytics e machine learning, torna-se essencial aproveitar conjuntos de dados externos para refinar modelos e resultados analíticos. Saiba mais sobre a importância desses dados externos neste artigo.
Data observability: construindo monitores de qualidade de dados com SQL | Barr Moses & Ryan Kearns
Nesta série de artigos, Barr Moses e Ryan Kearns mostram como criar monitores de qualidade de dados em SQL para identificar frescor e anomalias (Parte 1) e extrair a causa raiz dessas anomalias (Parte 2).
Interpretable Machine Learning | Christoph Molnar
Neste livro, Christoph Molnar detalha a importância do machine learning explicável, as técnicas que times de dados podem adotar hoje e o futuro da interpretabilidade em machine learning.
White paper: nosso guia sobre open source em data science
Assim como aconteceu no desenvolvimento de software, o open source vai capacitar as organizações a tirar o máximo de seus dados e criar soluções, processos e produtos transformadores com machine learning e ciência de dados. Confira tudo o que você precisa saber sobre open source em data science no nosso guia exclusivo.
Webinar: o caminho para a fluência em dados
A transformação orientada por dados é um processo de longo prazo que exige passar por diferentes estágios de maturidade em dados. Neste webinar, explicamos quais são esses estágios e quais passos você pode dar para evoluir de um nível de maturidade para o seguinte.
