O título de um post recente que encontrei no LinkedIn de um influente profissional da área de dados proclamava: “O cientista de dados está morto. O que as empresas realmente precisam agora são de cientistas de negócio.” Intrigado, me perguntei: como assim? Afinal, o cientista de dados mal começou a sua trajetória (ou ainda está nos estágios iniciais, dependendo do ponto de vista)? Deixando de lado qualquer tentativa de chamar a atenção do autor, é evidente que vivemos numa era de mudanças constantes, onde as necessidades das empresas hoje podem não ser as mesmas de amanhã…
Então, será que essa nova visão do profissional de dados dentro das organizações faz sentido? O que exatamente essa mudança de título representa? Primeiramente, vamos examinar o significado desses dois termos. De acordo com Davenport, um cientista de dados é alguém que desenvolve códigos de programação e os combina com conhecimento estatístico para obter insights a partir de dados. Como essa definição enfatiza, a habilidade fundamental e universal dos cientistas de dados é a capacidade de escrever códigos.
Um cientista de negócio (precisei improvisar uma definição, já que não encontrei uma fonte respeitável) seria um profissional que, baseado em pesquisa científica e orientado para a ação, desenvolve, implementa e avalia estratégias de negócio num mundo impulsionado pelo big data.
Retomando a ideia de “o que as empresas realmente precisam agora são de cientistas de negócio”, o argumento central das pessoas que apoiam essa ideia é que o papel dos dados no ambiente corporativo é gerar conhecimento para beneficiar seus stakeholders como um todo. E a ciência de dados parece não capturar completamente essa ideia.
Utilizando as quatro causas de Aristóteles, um framework útil para compreender um fenômeno e definir o que realmente faz com que algo exista, podemos dizer que o termo “cientista de dados” enfatiza sua causa material, isto é, a matéria-prima do objeto, o que ele é feito (por exemplo, dados estruturados numéricos, machine learning etc.). Por outro lado, o termo “cientista de negócio” é mais apropriado porque a ênfase está na causa final, na finalidade ou motivo pelo qual foi criado (por exemplo, uma aplicação que seleciona clientes para receber um cupom).
Há ainda outro argumento para deslocar o foco dos dados para o negócio: a dificuldade de extrair valor de análises puramente estatísticas, desprovidas de conhecimento significativo do negócio. Por exemplo, qual profissional você acha que estaria em melhor posição para tratar um paciente diabético: um especialista em estimar as probabilidades de o paciente sentir tontura ou vertigem ao longo de um dia, ou um especialista no sistema endócrino humano?
Poucas pessoas diriam que é o primeiro. Fazer previsões precisas é uma parte fundamental de qualquer processo de tomada de decisão gerencial; no entanto, sem saber explicá-las, as empresas podem incorrer em ineficiências ou até assumir riscos irreversíveis. Por exemplo, o especialista em previsões poderia julgar que a causa do mal-estar do paciente está na falta de energia e recomendar o aumento do consumo de carboidratos. Até que houvesse dados suficientes para seu modelo preditivo perceber que um erro foi cometido, poderia ser tarde demais.
Por último, um terceiro e último ponto a favor da mudança do foco de cientista de dados para cientista de negócios são os recentes avanços na tecnologia de inteligência artificial generativa, cujo maior expoente é o ChatGPT. Isso se deve ao fato de que, com o tempo e o aperfeiçoamento dessas tecnologias, os profissionais de dados poderão delegar uma parte significativa do desenvolvimento de códigos de manipulação e análise de dados para o ChatGPT e suas contrapartes.
É provável que o profissional de dados do futuro não dependa tanto do Python, R ou SQL (softwares de ciência de dados) como depende hoje, liberando seu tempo para entender sistematicamente o negócio e desenvolver ferramentas para melhorá-lo. Como dizem por aí, o ChatGPT tornou a linguagem portuguesa (e inglesa, espanhola etc.) a “linguagem de programação” mais sexy do momento.
Os dados têm sido chamados de “o petróleo” da economia digital. E de fato eles são. Mas assim como o petróleo, os dados em si não geram valor para seus usuários finais. O que gera é a sua utilização para apoiar o desenvolvimento de uma mentalidade científica voltada para a geração de conhecimento e ação orientada. No final das contas, o importante tanto do cientista de dados quanto do cientista de negócios é ser um cientista.