O que é ciência de dados

E como ela pode ser utilizada em diversas questões

Ciência aplicada à vida

Ciência de dados é a aplicação de métodos nativos da pesquisa científica — estatística, algoritmos, análise de dados e modelagem matemática — em questões práticas do mundo não-acadêmico. O cientista de dados combina as matérias de programação, matemática, estatística, e visualização de dados com experiência em análise de dados e conhecimento do tema em questão para trazer entendimento do assunto (e.g. o que leva pessoas a não comparecerem a uma consulta médica), previsões de acontecimentos futuros (e.g. como cada parlamentar irá se posicionar em relação a um projeto de lei) e otimizações de processos (e.g. classificação automática de documentos em temas).

Ciência de dados em etapas

O processo de trabalho do cientista de dados pode envolver as seguintes tarefas:

• Captura de dados
  As informações necessárias para a realização de um estudo podem estar disponíveis na internet de forma organizada ou não. No segundo caso, o cientista de dados pode realizar uma raspagem de dados, isto é, a extração dos dados presentes em páginas na web.


• Exploração e tratamento dos dados
  Na grande maioria das vezes, os dados brutos estão desorganizados, não-padronizados, possuem erros, inconsistências e lacunas. Portanto, o primeiro passo do trabalho é organizar e limpar os dados. Nessa etapa, o cientista de dados aproveita para explorar e conhecer os dados.


• Modelagem e análise estatística
  Uma vez limpos, os dados podem ser analisados com ferramentas estatísticas e modelados com matemática ou métodos de aprendizagem de máquina para se descobrir padrões, estabelecer relações entre variáveis, fazer previsões, classificar dados e testar hipóteses.


• Visualização dos dados
  Os resultados podem ser apresentados de maneira gráfica e interativa via construção de painéis que combinam diferentes tipos de gráficos e ficam disponíveis online.


• Automatização do processo
  Ao final, todo o processo aqui descrito — da captura à modelagem e visualização — pode ser automatizado para que ele possa ser repetido com o mínimo de esforço e atualizado com a chegada de novos dados.

Todas as etapas descritas acima são realizadas via programação de computadores.

Aplicação a questões políticas e sociais

Além de aplicações comerciais e na indústria, a ciência de dados pode ser utilizada na política e para o bem público de diversas formas. Por exemplo:

• Caracterizando o interesse, posicionamento e afinidade de parlamentares;
• Monitorando e fiscalizando de forma automática as ações governamentais;
• Detectando possíveis fraudes em eleições, licitações, e contratos;
• Identificando estudantes com alto risco de abandonarem a escola;
• Agilizando o atendimento da população por órgãos públicos;
• Determinando as consequências e a efetividade de políticas públicas.