Muito tem se falado sobre equipes Data Driven e a fundamentação dos processos na eficácia dos dados. Na última semana, falamos sobre o Design Data-Driven, um método de design que exprime exatamente isso. Por outro lado, uma nova abordagem tem sido desenvolvida no Lens, que é o Design Driven Data Science.

O ponto central a se destacar é que, no Design Driven Data Science, os dados também são importantes, mas ouvir o usuário/cliente é igualmente crucial.

O que é Design Driven Data Science?

O Design Driven Data Science é uma metodologia para desenvolvimento de produtos e soluções na qual o Design orienta o processo de desenvolvimento.

O primeiro passo é obter as informações, dores e necessidades do cliente/usuário. Com base nessas informações, os dados são utilizados para avaliar e verificar as indicações do cliente/usuário. 

Com a avaliação embasada em dados, e considerando as dificuldades e aspirações do cliente/usuário, as hipóteses iniciais são validadas, permitindo a extração de insights relevantes e tomadas de decisão adequadas para a criação do produto/solução. 

Dessa forma, o processo do Design Driven Data Science ocorre nas etapas:

  1. Obtenção de informações, dores e necessidades
  2. Utilização de dados para validar informações
  3. Geração de hipóteses
  4. Extração de insights
  5. Desenvolvimento da solução

Design Thinking: A função do design no desenvolvimento de soluções

O Design desempenha um papel fundamental no desenvolvimento de produtos e soluções. No contexto da inovação, o termo “Design” refere-se ao processo que começa com a concepção ou identificação de uma ideia ou problema e continua até sua resolução concreta.

No contexto de dados, o Design Thinking é o método orientador, com etapas que incluem ênfase, definição, ideação, prototipagem e teste. 

Existem várias referências e definições das etapas do Design Thinking, adaptáveis a diferentes contextos. Saiba mais sobre como a MJV aplica o Design Thinking em seus projetos na prática:

A diferença entre Data-Driven Design e Design Driven Data Science

A diferença fundamental entre o Data-Driven Design e o Design Driven Data Science reside no ponto de partida para a criação de soluções ou produtos. O Data-Driven Design começa pela análise de dados para informar o processo de design, enquanto o Design Driven Data Science começa pelas necessidades e informações do usuário/cliente, combinadas com os dados.

Embora haja essa diferença no ponto de partida, ambas as abordagens compartilham semelhanças durante a execução. Ambas envolvem a coleta, armazenamento e análise de dados, seguidas por processos de prototipagem e refinamento para alinhar a solução às expectativas do cliente/usuário.

No Data-Driven Design, a solução de design é impulsionada principalmente pela análise de dados, enquanto no Design Driven Data Science, a solução é uma combinação entre a perspectiva do cliente/usuário e a análise de dados.

Ambas as estratégias são úteis para desenvolver soluções orientadas por dados e podem ser aplicadas em diversos setores e empresas.

Exemplo de um mesmo desafio abordado por cada metodologia

O proprietário da rede de franquias de pizzarias ABC Pizzas, Sr. Donald, deseja expandir seu portfólio de produtos e contratou consultorias especializadas em estratégias baseadas em dados. 

A consultoria XPTO realizou uma análise das vendas da ABC Pizzas ao longo dos anos, assim como pesquisas de mercado, e apresentou propostas de novos sabores e estratégias de lançamento. 

Em seguida, Sr. Donald decidiu contratar a consultoria PICKLE, que aplicou a estratégia de Design Driven Data Science. 

A PICKLE conversou com os colaboradores da ABC Pizzas, analisou os dados de venda e identificou uma demanda latente por pizzas congeladas, com base em projeções e análises de dados de vendas de concorrentes. Os consultores da PICKLE propuseram o lançamento desse novo produto, incluindo um plano de lançamento e campanhas de marketing.

Esses exemplos ilustram as abordagens distintas de cada estratégia: a XPTO baseou-se na análise de dados e informações de mercado para propor soluções, enquanto a PICKLE primeiro ouviu os colaboradores e realizou análises antes de fazer sua proposta.

Case Real de Design Driven Data Science

Um caso exemplar foi a qualificação de leads de uma seguradora no Brasil. Ouviu-se o cliente e aplicou-se a estratégia, identificando leads com potencial e recomendando o corretor, canal de comunicação e produto ideal.

 Diversas fontes de dados foram analisadas para compreender os hábitos e informações dos leads. A inteligência artificial desempenhou um papel crucial na classificação dos leads, alcançando o objetivo de indicar o melhor corretor, canal e produto para converter o lead em cliente.

 A análise gerou insights sobre localização, perfil e melhores formas de contato. Todo o processo foi personalizado para atender às necessidades do cliente, proporcionando uma solução eficaz para resolver o problema inicial.

O MJV Lens se destaca no mercado de Design Driven Data Science, com mais de 20 anos de experiência. Temos cases de sucesso em diversos setores e publicamos o livro “Design Driven Data Science – Integrando Design Thinking com Aprendizado de Máquina para Soluções em Negócios“.


Se você deseja conversar com um especialista:

Agendar

Agende uma conversa

Implementar uma cultura data driven na sua empresa é possível com a MJV Horizon

Com cardápio de serviços variado e a priorização de relações humanas no desenvolvimento de diferentes projetos, a Horizon, agência full service da MJV, pode te ajudar a implementar uma nova cultura na sua empresa. A análise de dados é uma base necessária para tomadas de decisões assertivas, mas junto com os insights de colaboradores de diferentes áreas, elas podem ser ainda mais otimizadas. Com o auxílio da Horizon, estes dois pilares podem ser balanceados no seu dia a dia. Entre em contato e saiba mais!