Construir modelos de análise preditiva exige trabalho em equipe

A construção de modelos de análise preditiva não deve ser um trabalho solo. Empresas que querem tirar o máximo de seus dados devem garantir que sua equipe de análise esteja trabalhando de maneira colaborativa para construir modelos analíticos.

O trabalho de construir modelos de análise preditiva não termina quando o código é escrito. Para assegurar que os esforços continuem entregando resultados precisos e significativos, gestores de analytics dizem que é importante continuar testando modelos analíticos e retrabalhar neles até que sejam completamente confiáveis, além de evitar ter analistas de dados trabalhando separadamente.

Como atrair talentos de analytics

Bons talentos em analytics são raros no mercado e não costumam ser baratos, por isso, ter uma equipe de múltiplas mentes pode ser um grande desafio. No entanto, os mesmos elementos que criam um bom ambiente para construção de modelos, como colaboração, desafios intelectuais e oportunidade de trabalhar em diferentes tipos de projetos, tendem a ser grandes atrativos para os profissionais dessa área.

Como resultado, facilitando as condições necessárias para a construção de modelos de análise preditiva, também é possível gerar um impulso no recrutamento e na retenção de talentos, driblando esse desafio.

Questionando modelos de análise preditiva

Os analistas de dados da empresa de mídia Upworthy, de Nova York, adotam uma abordagem de grupo para garantir a qualidade e a confiabilidade de seus modelos analíticos. Durante o Big Data Innovation Summit, realizado em Boston, em 2015, Daniel Mintz, diretor de dados e analytics da Upworthy, disse que faz seus analistas descreverem verbalmente um cenário do mundo real que explicaria as descobertas de seus modelos. Assim, todos são obrigados a pensar no comportamento dos consumidores e não apenas em algoritmos.

Recentemente o time de Mintz analisou dados para descobrir como o tempo de carregamento de uma página afetava o engajamento dos leitores. A hipótese era a de que, quando as páginas demoram muito para carregar, os internautas ficam frustrados e deixam o site antes de ler o artigo em que clicaram. No entanto, o que eles encontraram foi justo o contrário: o tempo maior de carregamento na verdade é correlacionado ao alto engajamento.