View
72
Download
5
Category
Preview:
Citation preview
AGILE DATA INSIGHTSDecisões de Negócios Guiadas por Dados
A n d r e s s a S i v o l e l l a
AGILE DATA INSIGHTSDecisões de Negócios Guiadas por Dados
A n d r e s s a S i v o l e l l a
3
4
+
$ 59 $ 125 $ 125
5
+
$ 59 $ 125 $ 12516% 84%0%
6
+
$ 59 $ 125 $ 12516% 84%0%
$ 59
+
$ 125
???
7
+
$ 59 $ 125 $ 12516% 84%0%
$ 59
+
$ 12564% 32%
8
+
$ 59 $ 125 $ 125
A -B B
Escolha Relativa (Decoy)
PSICOLOGIA COGNITIVA
9
Psicologia Cognitiva Comportamento Tomada de Decisão
10
Mas, Andressa, o que isso tem a ver com
Data Insights?
11
Amazon Patents “Anticipatory” Shipping
12
Entendi! Só que, pessoas mudam de opinião
constantemente, né? Como faz?
13Read D & Van Leeuwen - Harvard University
Frutasou
Chocolate?
Escolher Hoje
Comer Semana que vem
14Read D & Van Leeuwen - Harvard University
Frutasou
Chocolate?
Escolher Hoje
Comer Semana que vem
14
74% 26%
15
Frutasou
Chocolate?
Escolher e comer agora
70%30%
16https://www.washingtonpost.com/news/storyline/wp/2014/12/04/people-around-you-control-your-mind-the-latest-evidence/
People around you control your mind
17
18
19
20
1,996 vôos
257,000 passageiros
65,000 transações
21
Dados
Experimentos Pequenos
30%Data Insights
22
23
Data Insights
PROCESSO
24
Lots of ideasWORKSHOPBusiness priority +
ideation
LIGHTWEIGHTTESTING
Few best ideasBESTIDEASMADEBETTER
DESIGN TEST
BUILD
REFINE
DAYS DAYS WEEKS
Ideação com base nas prioridades do negócio
Muitas Ideias Melhores IdeiasValidação de Hipóteses
Melhores Ideias Aprimoradas
DIAS DIAS SEMANAS
CRIAR
REFINAR
TESTARPROJETAR
ABORDAGENS
25
Testar
$ investimentoinicial
Aprender
Investir
Operacionalizar
InsightAcionável
Testar
$$$ investimentoinicial
Aprender
Investir
Operacionalizar
InsightAcionável
ThoughtWorks Métodos TradicionaisVS
NÍVEIS DE MATURIDADE EM DATA
26
Valo
r
Complexidade
Paridade
Diferenciação
O que aconteceu?
Análise Descritiva
Por que aconteceu?
Análise Diagnóstica
O que vai acontecer?
Análise Preditiva
O que fazer quando acontecer?
Análise Prescritiva
NÍVEIS DE MATURIDADE EM DATA
27
Valo
r
Complexidade
Paridade
Diferenciação
O que aconteceu?
Análise Descritiva
Por que aconteceu?
Análise Diagnóstica
O que vai acontecer?
Análise Preditiva
O que fazer quando acontecer?
Análise Prescritiva
27
BI Tradicional
Analytics Avançado
CENÁRIO ATUAL
28
✴ Volume, Velocidade e Variedade Analytics Avançado
CENÁRIO ATUAL
29
✴ Volume, Velocidade e Variedade Analytics Avançado
✴ Oportunidade de Inovação
CENÁRIO ATUAL
30
✴ Volume, Velocidade e Variedade Analytics Avançado
✴ Oportunidade de Inovação
✴ Desafios:
• Processamento
• Armazenamento
• Análise
CENÁRIO ATUAL
31
✴ Volume, Velocidade e Variedade Analytics Avançado
✴ Oportunidade de Inovação
✴ Desafios:
• Processamento
• Armazenamento
• Análise
✴ BI Tradicional não lida com desafios
CENÁRIO ATUAL
32
✴ Volume, Velocidade e Variedade Analytics Avançado
✴ Oportunidade de Inovação
✴ Desafios:
• Processamento
• Armazenamento
• Análise
✴ BI Tradicional não lida com desafios
✴ Ferramentas proprietárias
• Dificuldade para integração contínua
É, NÃO É, FAZ, NÃO FAZ
33
Analytics Avançado BI Tradicional
Baseada em Ciência EstatísticaBaseada em sistemas de suporte a
decisão (CRM, ERP, …)
É, NÃO É, FAZ, NÃO FAZ
34
Analytics Avançado BI Tradicional
Baseada em Ciência EstatísticaBaseada em sistemas de suporte a
decisão (CRM, ERP, …)
Computação em Nuvem, massivamente paralela, bancos de
dados não relacionaisBancos de dados relacionais
É, NÃO É, FAZ, NÃO FAZ
35
Analytics Avançado BI Tradicional
Baseada em Ciência EstatísticaBaseada em sistemas de suporte a
decisão (CRM, ERP, …)
Computação em Nuvem, massivamente paralela, bancos de
dados não relacionaisBancos de dados relacionais
Data Lake Data Warehouse
É, NÃO É, FAZ, NÃO FAZ
36
Analytics Avançado BI Tradicional
Baseada em Ciência EstatísticaBaseada em sistemas de suporte a
decisão (CRM, ERP, …)
Computação em Nuvem, massivamente paralela, bancos de
dados não relacionaisBancos de dados relacionais
Data Lake Data Warehouse
Foco em estatística e experimentação
Foco em relatórios e Dashboards
É, NÃO É, FAZ, NÃO FAZ
37
Analytics Avançado BI Tradicional
Baseada em Ciência EstatísticaBaseada em sistemas de suporte a
decisão (CRM, ERP, …)
Computação em Nuvem, massivamente paralela, bancos de
dados não relacionaisBancos de dados relacionais
Data Lake Data Warehouse
Foco em estatística e experimentação
Foco em relatórios e Dashboards
Aprendizado de Máquina OLAP
É, NÃO É, FAZ, NÃO FAZ
38
Analytics Avançado BI Tradicional
Baseada em Ciência EstatísticaBaseada em sistemas de suporte a
decisão (CRM, ERP, …)
Computação em Nuvem, massivamente paralela, bancos de
dados não relacionaisBancos de dados relacionais
Data Lake Data Warehouse
Foco em estatística e experimentação
Foco em relatórios e Dashboards
Aprendizado de Máquina OLAP
Ferramentas Open Source (poucas proprietárias)
Ferramentas proprietárias (poucas Open Source)
É, NÃO É, FAZ, NÃO FAZ
39
Analytics Avançado BI Tradicional
Baseada em Ciência EstatísticaBaseada em sistemas de suporte a
decisão (CRM, ERP, …)
Computação em Nuvem, massivamente paralela, bancos de
dados não relacionaisBancos de dados relacionais
Data Lake Data Warehouse
Foco em estatística e experimentação
Foco em relatórios e Dashboards
Aprendizado de Máquina OLAP
Ferramentas Open Source (poucas proprietárias)
Ferramentas proprietárias (poucas Open Source)
Suporta à ausência de dados Requer dados completos
É, NÃO É, FAZ, NÃO FAZ
40
Analytics Avançado BI Tradicional
Baseada em Ciência EstatísticaBaseada em sistemas de suporte a
decisão (CRM, ERP, …)
Computação em Nuvem, massivamente paralela, bancos de
dados não relacionaisBancos de dados relacionais
Data Lake Data Warehouse
Foco em estatística e experimentação
Foco em relatórios e Dashboards
Aprendizado de Máquina OLAP
Ferramentas Open Source (poucas proprietárias)
Ferramentas proprietárias (poucas Open Source)
Suporta à ausência de dados Requer dados completos
Dados (des)estruturados Dados estruturados
41
E onde está o Agile no termo
“Agile Data Insights"?
ESTA É A MARÍLIA…
42Gerente de Projetos
OUTUBRO DE 2015…
43
JANEIRO DE 2016
44
JULHO DE 2016
45
MARÍLIA E A ARQUITETURA ATUAL
46
Você está demitido!
NOVA ABORDAGEM
47
VS
NA PRÁTICA…
48
Por onde eu começo?
ALINHAMENTO VIA INCEPTION
49
ALINHAMENTO VIA INCEPTION
50
Riscos Valor de Negócio
FAZ PARTE DE DATA INSIGHTS…
51
ARQUITETURA E ENGENHARIA DE DADOS
Definição de estruturas e modelos de dados, escolha e
implementação das tecnologias adequadas
VISUALIZAÇÃO DE DADOS
Design colaborativo, prototipação, testes e avaliação de feedbacks para visualização
efetiva dos dados
CIÊNCIA DE DADOS
Criação de modelos que permitam dar o passo de uma
abordagem descritiva para uma preditiva.
ARQUITETURA EMERGENTE
52
Sistemas operacionais se comunicam uns com os outros através de serviços, ignorando o lago de dados
Sistemas operacionais alimentam o lado com dados utilizando seus próprios esquemas
Cientistas de dados investigam o lago em busca de insights em potencial
Os "lakeshore marts” são responsáveis pela curadoria e organização dos dados para fins de análise
ESTRUTURA
53
Data Insights (Ciência de Dados)
Estrutura (Eng. de Dados)
Aplicação (Visualização)
NA PRÁTICA…
54
Árvore de Decisão
NA PRÁTICA…
55
Árvore de Decisão
Regressão Linear
NA PRÁTICA…
56
Árvore de Decisão
Regressão Linear
Rede Neural
NA PRÁTICA…
57
Árvore de Decisão
Regressão Linear
Rede Neural
Modelo Ensemble
AGILE DATA INSIGHTS
58
EngenhariaDe Dados Aprendizado
Lean
Ferramentas e técnicas para
melhor manipularos dados de acordo
com os seusobjetivos
específicos, prazo e arquitetura.
Meça o valor e utilize os
resultados para melhorar o
processo oumudar o curso emuma direção mais
vantajosa.
CONHECIMENTO ACIONÁVEL E
INSIGHT
Técnicas analíticasavançadas para
solucionarproblemascomplexos.
EntregaÁgil
CiênciaDe Dados
Entregar valor de negócio antecipada e
frequentemente. Construa sua
plataforma ao longodo tempo e não tudo
de uma vez só. Suas perguntas
=
Resultados rápidos
InsightsAcionáveis
59
TECNOLOGIAS
60
METODOLOGIAS
CANVAS
61
ESTÓRIAS DE USUÁRIOS
62
Como um <papel>
Eu quero <objetivo>
Para então <valor>
PAREAMENTO
63
TIMES AUTO-GERENCIÁVEIS
64
OUTRAS PRÁTICAS
65
✴ Stand-ups
✴ Showcases
✴ Atividades de Team Building
✴ Retrospectivas Semanais
RADAR TÉCNICO
66
@asivolella asivolella@thoughtworks.com
Andressa Sivolella
Recommended