Decodificação de análise de dados fácil versus não tão fácil

De autoria do Professor S. Sadagopan, Diretor – IIIT Bangalore. O Prof. Sadagopan é um dos acadêmicos mais experientes no painel de especialistas do UpGrad & IIIT-B PG Diploma Program in Data Analytics.

Como um profissional de análise em ascensão confuso com jargões, exageros e mensagens de marketing avassaladoras que falam de milhões de empregos futuros que são pagos em milhões de rúpias, você deve ter clareza sobre o valor “real” de uma educação em análise de dados. Aqui estão alguns petiscos – que devem ajudar a reduzir sua confusão.

Algumas pessoas inteligentes podem usar o “pensamento analítico” para chegar a “números incríveis”; são muito úteis, mas sendo “intuitivos”, não podem ser “ensinados”.

Por exemplo:

Análise fácil

Pré-configurando caixas eletrônicos com o Data Insights

“Temos o caixa eletrônico mais rápido do planeta”

Reivindicado um banco respeitado. Eles conseguiram um novo caixa eletrônico feito especialmente para eles? Sem chance. Alguns funcionários inteligentes com uma mentalidade analítica descobriram que 90% das vezes que os usuários vão a um caixa eletrônico para sacar dinheiro, eles usam uma quantia fixa, digamos Rs 5.000. Assim, o Banco reconfigurou as opções da tela padrão – Consulta de Saldo, Saque, Impressão de Extrato etc. – para incluir outra opção. Retirar o valor XYZ, com base nas ações anteriores do cliente individual.

Isso acabou economizando uma etapa da operação do caixa eletrônico. Em vez de selecionar a opção de saque e inserir o valor a ser sacado, agora você pode economizar algum tempo – tornando o processo mais conveniente e intuitivo. De fato, uma jogada inteligente, no entanto, isso é algo conhecido como “Easy Analytics” que outros também podem copiar. Na verdade, outros copiaram, dentro de três meses!

Dados ocultos no clima

Nos conjuntos de dados de amostra que costumavam acompanhar um produto de planilha nos anos 90, costumava haver dados sobre a área e a população de todos os estados dos Estados Unidos. Houve também um exercício para ensinar a parte da fórmula da planilha para calcular a densidade populacional (população por km2). Nova Jersey, com uma população de 467 por km2, é o estado com maior densidade.

Enquanto ensinava uma turma de alunos de MBA em Nova Jersey, conheci um estudante indiano que descobriu que, em termos de densidade populacional, Nova Jersey é mais populosa do que a Índia, com 446 pessoas por km2! Uma observação interessante, embora comparar um Estado com um País seja um pouco enganador. Mais uma vez, um exercício de Easy Analytics levando a uma observação “legal”!

Alguns exercícios simples de análise de dados podem ser feitos rotineiramente e são relativamente mais fáceis, graças a ferramentas incríveis:

Comportamento de compra B-School decodificado

Em uma B-School na Índia que tem uma loja no campus (o campus está localizado longe do centro da cidade), alguns alunos inteligentes colocam vários anos de dados de vendas de sua loja do campus . Eles ficaram empolgados com o poder fenomenal do computador e o software analítico quase à prova de idiotas.

A verdadeira surpresa, porém, foi que oito itens responderam por 85% de suas vendas anuais . Mais importante, esses oito itens foram consumidos em apenas seis dias do ano! Todos sabiam que um punhado de itens eram os únicos itens de movimento rápido, mas não sabiam a extensão (85%) ou a intensidade (consumo em apenas seis dias) disso.

Acontece que nos primeiros 3 dias do semestre os alunos estocavam os itens para o semestre inteiro! A B-School achou sensato solicitar a uma loja próxima para sustentar uma barraca temporária por apenas duas semanas no início dos semestres e fechar a Campus Store. Isso economizou espaço útil e custos sem causar grandes transtornos aos alunos. Um bom exemplo de Easy Analytics feito com a ajuda de uma ferramenta poderosa.

O Analytics “Não Tão Fácil” precisa de uma compreensão analítica profunda, ferramentas, uma 'mentalidade analítica' e algum trabalho árduo. Aqui estão dois exemplos, um retirado dos anos 70 e outro ocorrido muito recentemente:

Análise não tão fácil

Voar ou não voar, eis a questão

Há muito tempo, a American Airlines aperfeiçoou o overbooking planejado de assentos de companhias aéreas , graças ao sistema SABRE Airline Reservation que gerenciava todos os assentos de companhias aéreas.
Armada com dados anteriores detalhados de 'assentos vazios' e 'não comparecimento' em todos os segmentos de todos os voos para todos os dias do ano e modelando assentos de companhias aéreas como mercadorias perecíveis, a American Airlines conseguiu melhorar o rendimento, ou seja, a utilização de aeronaves capacidade. Eles fizeram isso por meio de overbooking planejado – vendendo mais ingressos do que o número de assentos, com base nos cancelamentos projetados .

Se de fato mais passageiros aparecessem do que o número real de assentos, a American Airlines solicitaria a qualquer voluntário que renunciasse à viagem no voo específico, com a oferta de levá-los no próximo voo (geralmente gratuito) e cuidar da acomodação em hotel, se necessário. Às vezes, eles até ofereciam incentivos em dinheiro para o voluntário optar por não participar.

Usando modelos sofisticados de Pesquisa Estatística e Operacional , a American Airlines garantiria que os voos fossem completos e que os incidentes reais de mais passageiros do que a capacidade total fossem próximos de zero. De fato, muitos alunos ansiavam por tais incidentes para que pudessem obter incentivos (na verdade, eu teria que me incluir nesta lista), mas raramente eles eram recompensados!)

O que a American Airlines começou como um experimento tornou-se a prática padrão da indústria ao longo dos anos. Até recentemente, era necessária uma equipe de analistas bem treinados (geralmente com doutorado) armados com acesso a um enorme poder de computação para que esse exercício de análise fosse sustentado.

Agora, softwares de nova geração, como a linguagem de programação R e computadores desktop poderosos com poder de visualização/gráficos significativo, estão mudando o mundo da análise de dados muito rapidamente. Qualquer pessoa bem treinada (não necessariamente exigindo mais um Ph.D.) pode se tornar um profissional de análise de primeira linha.

Táxi fora do saco

A Uber é mais um exemplo que mostra como o poder da análise de dados pode atrapalhar um setor bem estabelecido. Táxi com certeza em Bangalore e Ola Cabs são semelhantes ao Uber. Juntas, essas empresas de Taxi-App (usando um aplicativo móvel para chamar um táxi, monitorar o status do táxi, usar e pagar pelo táxi) estão tentando convencer o mundo a passar da propriedade do carro para o uso do carro sob demanda.
Um exercício de análise simples, mas profundo no ano de 2008 deu tanta confiança ao Uber que começou a falar em reduzir as vendas de carros em 25% até o ano de 2025!
Depois de criar o aplicativo Uber para iPhone, o fundador da Uber registrou algumas centenas de clientes de táxi em São Francisco e algumas centenas de motoristas de táxi naquela área também. Tudo o que os motoristas inscritos tinham que fazer era tocar no aplicativo Uber sempre que estivessem prontos para um cliente. Da mesma forma, os clientes de táxi cadastrados foram solicitados a tocar no aplicativo Uber sempre que procurassem um táxi.
Graças ao telefone conectado à Internet (conectividade), aplicativo móvel (interface do usuário), GPS (táxi e localização do usuário final) e GIS (detalhes da localização), o Uber pode tentar conectar os taxistas e os usuários de táxi.

A percepção real foi que quase 90% das vezes, os taxistas encontraram um cliente, a menos de 100 metros de distância! Da mesma forma, em quase 90% das vezes, os usuários de táxi foram conectados com seus potenciais motoristas em pouco tempo, não muito longe.
Infelizmente, até o surgimento do aplicativo Uber, passageiros e motoristas de táxi não tinham como saber essa informação. Mais importante, ambos não tinham como se alcançar! Uma vez que eles tivessem essas informações e acesso, uma nova forma de chamar táxis poderia ser estabelecida.

Com software de back-end para agendar táxis, gateway de pagamento e um mecanismo de pagamento móvel , um serviço de táxi muito mais superior pode ser estabelecido. Claro, perto de casa, tínhamos opções ainda melhores, como Taxi-com-certeza, tentando estender essa experiência até mesmo aos auto riquixás. O resto, como dizem, é “história em construção!”

Os cursos de aprofundamento em análise de dados ajudarão a prepará-lo para esses aplicativos de alto impacto. Não é fácil, mas lembre-se das palavras do ex-presidente dos EUA Kennedy

“escolhemos ir à Lua não porque é fácil, mas porque é difícil!”

Obtenha a certificação em ciência de dados das melhores universidades do mundo. Aprenda Programas PG Executivos, Programas de Certificado Avançado ou Programas de Mestrado para acelerar sua carreira.