Agile Data Science – Transformando o processo de descoberta em sucesso – Rodrigo Zambon

A transformação digital nas empresas contemporâneas não são alavancadas por grandes saltos, mas por uma série de pequenas mudanças incrementais. Estas mudanças, executadas em iterações, proporcionam às organizações um tempo muito rico para assimilar feedbacks, incorporar inovações tecnológicas e avaliar em detalhes os impactos de cada modificação.

Em meio ao avanço tecnológico, há uma clara tendência no uso de dados para impulsionar decisões. No entanto, observa-se que muitos executivos ainda preferem confiar em seus instintos. Esse fenômeno ocorre por uma variedade de razões, incluindo a relutância em mudar paradigmas tradicionais e uma falta de compreensão profunda sobre o poder dos dados. A ciência de dados, na sua essência, tem a capacidade de transformar esses números em narrativas significativas que servem para guiar decisões estratégicas.

Apesar da capacidade transformadora dos dados, uma realidade permanece: o Gartner afirma que, projetos de ciência de dados carregam consigo uma alta taxa de falha. Frente a isso, muitas organizações, buscando minimizar essas taxas, estão recorrendo às metodologias ágeis. Estudos recentes têm demonstrado que a adoção de elementos do Scrum pode significativamente melhorar a taxa de sucesso dos projetos de ciência de dados. O Scrum, em sua essência, promove a interatividade e iteração, características fundamentais para projetos que visam a descoberta de conhecimento.

Entretanto, um desafio se destaca: a entrega efetiva do valor esperado. Muitos projetos de ciência de dados, apesar de bem-intencionados, não conseguem fornecer os insights valiosos necessários para transformação empresarial. Para melhorar essas chances, a adoção de modelos ou metodologias de processos torna-se quase uma condição obrigatória. No entanto, muitas empresas resistem a essa incorporação, argumentando que esses modelos são demasiadamente rígidos, e por vezes não se alinham à natureza fluida e iterativa dos projetos de ciência de dados.

Por este motivo, surge a relevância do Scrum. Esta abordagem ágil, focada em entregas incrementais, está moldada em torno de eventos, artefatos e papéis definidos. A literatura existente já reconhece os benefícios do Scrum para a ciência de dados. No entanto, ainda não se debruçou profundamente sobre a implementação completa do Scrum, com todos os seus nuances, dentro desse contexto.

Uma coisa é clara: as metodologias Ágeis, e em particular o Scrum, trazem consigo uma série de benefícios que podem revolucionar a forma como abordamos a ciência de dados:

• Abordagens iterativas que se alinham à natureza dinâmica dos projetos de ciência de dados.
• Entregas de valor e resultados em tempos curtos, favorecendo feedbacks e ajustes.
• Estruturação clara e eficaz da gestão dos projetos.
• Promoção da colaboração e da comunicação eficaz.
• Flexibilidade e adaptabilidade para responder às mudanças de requisitos.
• Redução de riscos e aumento das chances de sucesso.

A integração entre a ciência de dados e as metodologias ágeis, como o Scrum, pode ser a chave para transformar as potencialidades do mundo digital em resultados tangíveis para as organizações modernas.

Sobre o autor

Rodrigo Zambon: Sólida experiência em Metodologias Ágeis e Engenharia de Software, com mais de 15 anos atuando como professor de Scrum e Kanban. No Governo do Estado do Espírito Santo, gerenciou uma variedade de projetos, tanto na área de TI, como em outros setores. Sou cientista de dados formado pela USP e atualmente estou profundamente envolvido na área de dados, desempenhando o papel de DPO (Data Protection Officer) no Governo.