Um dos desafios mais significativos presentes no gerenciamento de projetos é a variedade de maneiras pelas quais um projeto pode ser gerenciado e conduzido. Com equipes diferentes, pode ser necessário adotar diversas metodologias diferentes para obter o resultado mais eficiente para sua equipe.
À medida que as empresas contemporâneas são cada vez mais impulsionadas por dados, os gestores de projetos devem compreender como a interseção entre os membros da equipa, os dados e as estratégias pode funcionar. Às vezes, presume-se que a função da ciência de dados e do gerenciamento de projetos é praticamente a mesma – embora os dados possam ajudar a informar decisões, normalmente não é um campo que executa exclusivamente projetos.
Independentemente de você ser um cientista de dados experiente ou um estudante concluindo um Mestrado em Gerenciamento de Projetos, as diferenças entre ciência de dados e gerenciamento de projetos devem ser bem compreendidas antes de empreender qualquer grande projeto. Vamos explorar como os dados podem complementar as metodologias de projeto contemporâneas para obter o melhor resultado prático de um projeto com os dados disponíveis.
Tomada de decisão baseada em dados – Transformando projetos
A introdução da recolha moderna de dados através de sistemas digitais transformou cada vez mais a forma como os dados podem ser utilizados para informar a tomada de decisões. Vejamos, por exemplo, o Censo, um inquérito demográfico nacional realizado de cinco em cinco anos pelo Australian Bureau of Statistics. Inicialmente tabulado utilizando equipamentos de máquinas mecânicas, evoluiu com a introdução de tecnologia da computação em 1966 à participação cada vez mais online no Censo na era atual.
A forma como os dados são coletados, armazenados e analisados pode ajudar a transformar a forma como os projetos são planejados e implementados. Em vez de esperar vários anos para elaborar um plano, as equipes experientes de ciência de dados usam seu conhecimento para fornecer insights rápidos, significativos e úteis aos gerentes de projeto, ajudando a alinhar as prioridades com os dados que estão disponíveis e são conhecidos.
Principais estágios do ciclo de vida da ciência de dados
Existem vários estágios que são essenciais para o ciclo de vida de qualquer projeto de ciência de dados. Afinal, embora os dados sejam úteis, é importante que o significado seja extraído das entradas de dados brutos. Com uma estimativa 120 bilhões de terabytes de dados gerados anualmente, de acordo com os relatórios mais recentes, é importante compreender que os dados brutos, por si só, não são particularmente úteis sem alguma forma de análise.
Três estágios principais do ciclo de vida da ciência de dados incluem mineração, limpeza e exploração de dados. Esses processos são vitais para qualquer projeto de ciência de dados – e pular qualquer uma dessas etapas pode ser potencialmente perigoso ao realizar projetos de dados.
Em primeiro lugar, a mineração de dados requer uma compreensão dos requisitos operacionais para explorar potenciais fontes de dados. Por exemplo, um projecto que procura compreender o desempenho relativo de um programa de correio pode procurar recolher informações sobre correspondência devolvida, pagamentos de clientes contactados, bem como informações financeiras, tais como o custo de envio ou devolução de um panfleto.
A limpeza de dados é outra etapa crucial do ciclo de vida da ciência de dados. Os dados por si só podem ser brutos e desarrumados – por exemplo, uma fonte de dados com endereços pode incluir dados estruturados em formatos diferentes ou históricos, o que significa que qualquer exploração conduzida sem limpar primeiro a estrutura dos dados pode ser potencialmente enganosa ou errada.
Uma vez realizada a mineração e limpeza de dados, deve ser feita uma exploração abrangente dos dados. Os resultados baseados em dados não acontecem imediatamente – às vezes pode levar dias ou até semanas para investigar os dados para entender como os dados se interligam. Os resultados encontrados nesta fase de descoberta podem então ser usados para informar investigações futuras e complementar a fase de concepção da entrega do projecto.
Metodologias comuns de gerenciamento de projetos
Existem muitas metodologias diferentes de gerenciamento de projetos. Métodos tradicionais, como o método em cascata, são bem conhecidos. Porém, metodologias mais recentes, como o método ágil, ganharam destaque nos últimos anos como forma de evoluir a forma como os projetos são gerenciados, em alinhamento com a melhoria da disponibilidade de dados.
Uma metodologia de desenvolvimento comum em projetos é conhecida como metodologia em cascata. Esta estratégia ortodoxa, comum no desenvolvimento de software, envolve um processo de cinco etapas (Requisitos, Design, Implementação, Teste, Implantação) onde as etapas são executadas sequencialmente. Embora isto possa ser útil para alguns projetos, por vezes é visto como difícil de gerir quando se trabalha com projetos apoiados por dados.
Uma metodologia contemporânea que comumente aparece quando se trabalha com dados em rápida evolução é conhecida como metodologia ágil. Este método permite um rápido reposicionamento à medida que os requisitos corporativos mudam – e normalmente é considerado uma prática recomendada ao trabalhar em projetos que exigem constante articulação ou ajuste para gerenciar as necessidades de negócios.
A interseção entre gerenciamento de projetos e ciência de dados
O gerenciamento de projetos e a ciência de dados podem se cruzar de maneiras interessantes – assim como o Ouroboros, a relação cada vez mais simbiótica entre o gerenciamento de projetos e a ciência de dados pode fazer com que nos perguntemos qual surgiu primeiro.
Para o líder de projeto experiente, ser capaz de compreender qual combinação de metodologia de projeto e estratégia de ciência de dados é a melhor pode ajudar muito na tomada de decisões estratégicas. Isto, por sua vez, pode ajudar a alinhar os objetivos atuais ou futuros do projeto – transformando o gerenciamento de projetos de uma dependência exclusiva dos requisitos de negócios para algo que é muito mais fluido e versátil. Com o gerenciamento de dados e de projetos tão intimamente interligados, é emocionante imaginar o que essas duas funções irão reunir nos próximos anos.
Crédito da imagem em destaque: kjpargeter/Freepik.
