Não é novidade que os dados são recursos valiosos quando falamos de softwares e negócios. Produtos digitais que envolvem dados estão presentes no nosso cotidiano, seja no trabalho ou no lazer, como nas redes sociais, por exemplo. Algumas ferramentas utilizam dados para melhorar nossa experiência como usuário; outras utilizam para priorizar o desenvolvimento de novas funcionalidades, ou ainda recomendar aquele tênis que encaixa perfeitamente com o que estávamos procurando para comprar. Porém, existem produtos que facilitam um objetivo final por meio dos dados. E é esse tipo de produto que iremos abordar neste texto, os Produtos de Dados ou Data Products.
O que são produtos de dados?
No artigo “The Age of the Data Product”, o cientista de dados Benjamin Bengfort define produtos de dados como mecanismos econômicos autoadaptados e de ampla aplicação, que derivam seu valor dos dados, além de gerarem mais dados capazes de influenciar o comportamento humano ou fazendo inferências e previsões. Já para DJ Patil, escritor do livro “Data Jujitsu: The Art of Turning Data into Product”, produtos de dados facilitam um objetivo final através do uso de dados. No artigo “What is Data Science?”, Mike Loukides argumenta que um aplicativo de dados adquire seu valor dos próprios dados e, como resultado, cria mais dados. Não é apenas um aplicativo com dados; é um produto de dados.
Dessa forma, pode-se utilizar o produto de dados em diferentes áreas, contextos e indústrias. Todavia, como vimos nas definições, precisa objetivar um resultado específico, por exemplo: aumentar a acessibilidade dos dados, possibilitar insights de negócio, democratizar o acesso aos dados, economizar recursos, etc. Para chegar a esse resultado, o produto poderá fornecer dados brutos, dados transformados, algoritmos, previsões, suporte à decisão ou qualquer outra saída que envolva extrair valor dos dados disponíveis.
Os produtos de dados podem ser um diferencial competitivo para empresas, pois auxiliam nas tomadas de decisões e geram orientações de negócio para cada contexto se o desenvolvimento for orientado a responder perguntas estratégicas. Por isso, esse tipo de produto requer uma equipe que tenha conhecimento não só de negócio e desenvolvimento de software, mas também de análise, ciência e engenharia de dados. Além do mais, o planejamento da construção do produto deve levar em consideração as etapas que envolvem a limpeza, análise, transformação, mineração de dados e construção de modelos estatísticos. Isso torna todo o processo mais complexo e deve ser feito com muito cuidado.
Diferenças entre “Data as a Product” e “Data Product”
Uma confusão comum é acreditar que “data as a product” (dados como produto) e “data product” (produto de dados) são iguais, porém não é bem assim. Como já foi citado anteriormente, data products são produtos que utilizam dados para resolver um problema específico, já “data as a product” (DaaP) são um subconjunto desse tipo de produto. Detalhando um pouco mais, DaaP se refere aos produtos de dados que possuem dados, brutos ou derivados, como a entrega final da solução.
No seu livro “Data Mesh”, Zhamak Dehghani fala que as equipes que fornecem dados devem aplicar o paradigma de produto nos conjuntos de dados que fornecem. Assim, garante-se que essa transferência de dados tenha um melhor Discovery, mais segurança, confiabilidade, etc. Alguns exemplos de DaaP seriam a construção de um data warehouse, o desenvolvimento de um API que possui a finalidade de levar dados de um ambiente até outro ou até mesmo a exportação e importação de dados transformados para algum sistema de arquivos.
Características importantes de produtos de dados
Além de derivar seu valor dos dados, os produtos de dados precisam dar retorno ao contexto em que faz parte, seja resolvendo um problema, otimizando processos ou gerando insights importantes. Para isso, esse tipo de produto é capaz de fazer inferências e previsões sobre o negócio para auxiliar na tomada de decisões dos usuários e ainda é capaz de se autoadaptar. Ou seja, o produto evolui com o próprio resultado e conforme vai escalando a quantidade de usuários e dados disponíveis.
Fora essas características, existem qualidades que um bom produto de dados deve possuir, como:
- Confiabilidade: Esse tipo de produto precisa de ferramentas ainda mais robustas para identificar problemas de desempenho, pois às vezes lida com grandes quantidades de dados, podendo ficar lento ou instável se não for desenvolvido com atenção.
- Segurança: Esse é um atributo indispensável quando lidamos com dados, pois cabe aos responsáveis proteger o produto de possíveis vulnerabilidades e ataques. Além disso, é importante que esteja de acordo com as leis e normas estabelecidas pelo governo, como a LGPD, e pelas empresas envolvidas.
- Escalabilidade: É importante que o produto seja planejado para facilitar o seu crescimento, pois, além da quantidade de usuários, é possível que, conforme o produto for evoluindo, cresça a quantidade de dados e as ferramentas de armazenamento e processamento que precisam estar preparadas para isso.
- Bom discovery e planejamento: Como qualquer produto, as etapas de discovery e planejamento são essenciais para o sucesso dos produtos de dados. Entretanto, para esse tipo de produto, a atenção precisa ser ainda maior, já que a pesquisa envolve não só o negócio, mas também os dados que o negócio tem a oferecer para construir a solução desejada.
Exemplos de produtos de dados
Além dos dados brutos ou derivados que mencionamos no texto, existem outros exemplos de produtos de dados que podem até estar presentes em nosso dia a dia, como os aplicativos de transporte, que mostram o melhor caminho possível para nos levar ao nosso destino, ou ainda, aquelas listas de músicas recomendadas que se encaixam muito bem em nosso gosto e nós ainda não conhecíamos, e que aparecem nos streamings de áudio. A verdade é que, se pararmos para observar, os produtos de dados estão dominando os mercados e facilitam muito nosso cotidiano.
Para os negócios, os dashboards são um bom exemplo. Normalmente, as empresas utilizam-nos para mensurar suas métricas e auxiliar na tomada de decisões. As próprias redes sociais disponibilizam dashboards para empresas, marcas ou influencers a fim de gerarem insights de visualizações, seguidores e cliques. Existem ainda produtos que proveem automações de mensagens e e-mails para facilitar o gerenciamento dos usuários e que podem aumentar as vendas se bem utilizados. Aqui na Aquarela nós também desenvolvemos produtos que utilizam dados e inteligência artificial para trazer valor para as empresas.
Considerações Finais – Produtos de dados
Produtos de dados são produtos que derivam seu valor dos dados por meio de insights ou previsões. Esses produtos estão presentes em nosso cotidiano em vários aplicativos que utilizamos, e são indispensáveis principalmente quando falamos de negócios, já que podem ser o diferencial para elevar as empresas para outro patamar.
Em outros termos, se a empresa busca a melhoria contínua dos seus processos, é essencial que utilize os dados a seu favor. Para isso, é importante buscar nos produtos as características e qualidades descritas no texto, já que esse modelo de produto normalmente lida com informações sensíveis, deve respeitar uma série de normas e precisa ter um bom desempenho para fornecer uma solução que realmente gere um impacto positivo nos negócios.
Bibliografia
https://www.cursospm3.com.br/blog/o-que-fazem-bons-data-product-managers/
https://hbr.org/2018/10/how-to-build-great-data-products
https://towardsdatascience.com/designing-data-products-b6b93edf3d23
https://districtdatalabs.silvrback.com/the-age-of-the-data-product
Quem é a Aquarela Analytics?
A Aquarela Analytics é vencedora do Prêmio CNI de Inovação e referência nacional na aplicação de Inteligência Artificial Corporativa na indústria e em grandes empresas. Por meio da plataforma Vorteris, da metodologia DCM e o Canvas Analítico (Download e-book gratuito), atende clientes importantes, como: Embraer (aeroespacial), Scania, Mercedes-Benz, Grupo Randon (automotivo), SolarBR Coca-Cola (varejo alimentício), Hospital das Clínicas (saúde), NTS-Brasil (óleo e gás), Auren, SPIC Brasil (energia), Telefônica Vivo (telecomunicações), dentre outros.
Acompanhe os novos conteúdos da Aquarela Analytics no Linkedin e assinando a nossa Newsletter mensal!
Autora:
Graduada em Sistemas de Informação na UFSC. Entusiasta em tudo que envolva dados, Python e gestão de produto e pessoas.
