Latest / Product Guru's : Produto | Negócios | Carreira / O potencial do uso de dados no dia a dia - Jose Borbolla

Transcript

O potencial do uso de dados no dia a dia - Jose Borbolla · Product Guru's : Produto | Negócios | Carreira

• 0:00
  Não é falta de informação, não é falta de tecnologia, é o jeito
• 0:04
  de pensar. E aspectos da nossa natureza
• 0:08
  humana. Que criam os principais
• 0:11
  bloqueios e não se você usa o Excel ou Power BI.
• 0:13
  Oi, tudo bem com você? Meu nome é Paulo Jorge, você deu
• 0:17
  play no prot. Gurus, o podcast que a voz por
• 0:20
  trás dos produtos comigo nesse episódio, Ricardo tadashi, que
• 0:25
  arrumou um tempo em sua agenda corrida de GP ME Marcela Abreu,
• 0:29
  que hoje tem sua própria startup para ser um stake holders, olha
• 0:34
  só, em deixou de ser produtora para vocês ter que romi, tudo
• 0:39
  bem com vocês? Caraca, que moral, Hein?
• 0:43
  Fala Paulo. Obrigado demais pelo pelo
• 0:46
  convite e você viu, né? Agora eu fui de produto para
• 0:49
  produto. Stake holders marketing e tudo
• 0:51
  que você tem que fazer para se virar Na Na sua startup ele
• 0:54
  esteja, né? Acho que é a vida.
• 0:57
  Obrigado pelo convite aí de novo e por estar participando com
• 1:01
  anão é, não vou dar spoiler, né? Do do nome do nosso convidado,
• 1:04
  do apelido, nosso convidado, então eu vou deixar isso pra
• 1:06
  você, é por favor? Marcia valei já já ia ser
• 1:10
  excluído de futuros episódios. Se você é uma daquelas pessoas
• 1:15
  que gosta de aprender, trocando ideias com experts, colocando a
• 1:19
  mão na massa em projetos práticos e recebendo o mentoring
• 1:22
  de grandes nomes do mercado, e muitos desses nomes já passaram
• 1:26
  por aqui, a dica do PG para você dar o próximo passo na sua
• 1:30
  carreira são os custos da Terra. Eles são uma escola 100% online.
• 1:35
  Como a comunidade engajada de mais de 5000 estudantes voltaram
• 1:39
  a desenvolver as competências mais demandadas no mercado
• 1:42
  digital, no Brasil e no mundo das áreas de produtos.
• 1:46
  O hexa marketing digital, essência de dados aumentando
• 1:50
  assim muito suas oportunidades de trabalho em network.
• 1:54
  O método de aprendizagem da Terra foi reconhecido pelo World
• 1:58
  Economic Forum E pelo Google for startups.
• 2:01
  O certificado que você ganha um diferencial em processos
• 2:04
  seletivos de várias empresas digitais do país.
• 2:07
  As aulas são ao vivo e você pode estudar de onde estiver
• 2:11
  interagindo em sala de aula e tirando suas dúvidas na hora.
• 2:15
  Ao longo do curso você tem contato com profissionais das
• 2:18
  maiores empresas digitais do país?
• 2:21
  Como Nubank paid pesa e fugi, muitas outras.
• 2:24
  Dá uma olhada no site deles para saber mais sobre os cursos.
• 2:28
  O link está na descrição aqui do episódio.
• 2:30
  Com a parceria do projeto gurus, claro, você tem um incentivo de
• 2:34
  600 BRL usando o cupom product underline guru.
• 2:40
  Sem OS no final em preste muita atenção.
• 2:43
  Ocupou também estará na descrição desse episódio.
• 2:47
  Certo, Combinado, corre lá no site da tela e aproveite.
• 2:52
  Agora vamos pro papo muito se fala sobre a importância e o
• 2:58
  potencial do uso de dados no dia a dia, mas pouca gente sabe o
• 3:02
  que é como usar, por onde começar.
• 3:05
  Por isso, chamamos a maior referência no assunto no Brasil,
• 3:09
  ele, que é carinhosamente chamada como te usam dos dados
• 3:13
  para detalhar mais sobre as diferenças entre ter uma visão
• 3:16
  gerencial, estruturar e tomar decisões por meio de dados.
• 3:20
  Que tem uma ação mais prática, utilizando as ferramentas e
• 3:24
  saindo os dados que você tá ouvindo.
• 3:26
  Esse episódio precisa. Seja bem-vindo ao Porto Seguro.
• 3:30
  José borbolla neto. Eu eu falei, certo, o José, você
• 3:35
  está bem? Eu estou ótimo.
• 3:39
  Agradeço bastante pelo convite. É um prazer enorme poder estar
• 3:42
  aqui. Espero que eu possa contribuir,
• 3:45
  atender as expectativas. O nome você falou muito certo?
• 3:49
  Talvez a introdução ali é tem um pequeno exagero, né?
• 3:54
  É certamente existem pessoas muito mais referência do que eu,
• 3:59
  mas sou um militante aqui, é é dos dados, tanto na parte da
• 4:05
  educação quanto na parte mais prática, e estou torcendo aqui,
• 4:09
  eu tenho certeza que. O papo vai ser muito bom e
• 4:12
  espero que a gente consiga abordar todos os temas, enfim, e
• 4:15
  tirar as dúvidas todas. Aí é, estou muito feliz de poder
• 4:18
  contribuir de alguma forma aqui. Muito obrigado pelo convite,
• 4:22
  mais uma vez. Que é isso?
• 4:24
  A honra é minha de ter. Você inicia humilde podcast.
• 4:30
  Para começar o episódio, José. O te usam dos dados?
• 4:35
  Aí qual é a sua história? Boa.
• 4:40
  Pô, a minha história é meio longa, né?
• 4:42
  Porque te usam? A gente presume que já tem uma
• 4:44
  certa idade assim, né? Então eu eu comecei a trabalhar
• 4:50
  com tecnologia ainda no final dos anos 90.
• 4:53
  É, tive uma carreira não linear assim, então já fiz bastante
• 4:57
  coisa. Já trabalhei em lan House, já
• 4:59
  fui programador, já fui funcionário público, né?
• 5:03
  Me formei em educação física. É, e.
• 5:09
  Fiz uma pós em marketing, vim trabalhar é em agência de
• 5:13
  publicidade, a uns 1012 anos atrás.
• 5:17
  Para montar a operação digital de uma agência de publicidade.
• 5:21
  Então, foi meu primeiro contato com o digital.
• 5:24
  A gente já falava sobre a as vantagens dos dados que o
• 5:28
  digital dava, né? Naquele momento é AA.
• 5:32
  Comparando por exemplo, você tem a mídia tradicional off-line, em
• 5:35
  revista jornal é que você não tem tanto controle sobre quem
• 5:39
  interage, quem tá vendo aquela. Aquela mídia, enfim, quem foi
• 5:43
  impactado por aquilo? E o digital sempre trouxe essa
• 5:47
  vantagem, né? Em relação a ao offline que a
• 5:50
  gente estava mais acostumado ao a TV ou rádio, enfim.
• 5:54
  Então já falava um pouco sobre essas esses assuntos todos.
• 5:58
  Óbvio que numa complexidade muito melhor ainda.
• 6:01
  Talvez não tivesse nem os nomes que hoje as coisas têm é e, mas
• 6:05
  meu primeiro contato foi ali, a uns 1012 anos atrás.
• 6:08
  E a partir de 2000, e. 13, né? Quando eu fui para uma outra
• 6:14
  agência de publicidade, ali já com uma missão de fazer parte de
• 6:18
  um time que, a começar a construir uma metodologia de
• 6:22
  criação de conteúdo e tal, baseada em dados, então ali foi
• 6:26
  meu primeiro embarque oficial, entre aspas.
• 6:29
  É nessa área de dados que já começava a ter um pouco mais
• 6:32
  desse nome, um pouco mais da cara que tem hoje é em 2014 eu
• 6:36
  fui para uma consultoria. Aqui é uma consultoria que eu
• 6:40
  estou conectado até hoje, né? Que é a capa labial cappra
• 6:44
  Institute for the Science OK, pra uma grande referência aqui
• 6:48
  no mercado dos dados. Careca também te usam também
• 6:51
  para a gente deixar bem registrado aqui.
• 6:54
  É então, ali foi AAO mergulho oficial nessa área, né?
• 7:00
  Aí já a partir de 2015 eu comecei a trabalhar com a parte
• 7:05
  de educação nisso também. Eu tenho mais de 10 anos de
• 7:07
  experiência, com educação em todos os níveis e tal.
• 7:10
  Mas a partir do final de 2014, começo de 2015, que eu começo
• 7:14
  também a trabalhar na parte de educação, concursos de dados.
• 7:17
  EE aí dali em diante da consultoria, também tive perdas
• 7:21
  de trabalhar com um Monte de empresa diferente.
• 7:24
  A Unilever, Santander, Itaú, Gerdau, é Coca-Cola, enfim, a
• 7:30
  fazendo projetos de várias naturezas com várias empresas de
• 7:33
  segmentos diferentes. A no comecinho de 2018 eu recebi
• 7:38
  a proposta para ser o coordenador dos cursos de dados
• 7:41
  da digital House Brasil, né? Quando eles acabaram de chegar
• 7:44
  no Brasil. E no final de 2019, eu fui pra
• 7:48
  Tera também assumi ali a vertical dos cursos de dados e,
• 7:52
  no finalzinho de 2020 eu recebi a proposta para assumir uma área
• 7:57
  nova de dados que havia sido criada na Bayer.
• 8:00
  Então é onde eu estou hoje, então eu estou lá na Bayer a
• 8:03
  liderando essa nova área de dados aqui da América Latina,
• 8:06
  com um projeto incrível, enfim, com desafios incríveis também é
• 8:11
  e continuo na Terra, como membro do borde é e a ajudando ali,
• 8:16
  contribuindo de alguma forma. Para para que o time que que,
• 8:20
  que que ficou ali? Liderando os cursos de dados que
• 8:22
  a gente redesenhou a que a gente continua evoluindo, que a gente
• 8:26
  continue crescendo, então esse é o momento que eu estou hoje.
• 8:30
  Estou liderando essa área de dados na Bayer e tô ainda
• 8:34
  conectado com a Terra, né? Numa outra relação é num papel
• 8:38
  mais consultivo, enfim, tentando contribuir um pouco com com a
• 8:42
  evolução disso. Acho que tem 111 ajuda.
• 8:46
  Eu sou muito apaixonado por educação, tem uma ajuda muito
• 8:49
  legal que eu acho que a educação é um lugar muito mágico nesse
• 8:51
  sentido. De da gente conseguir é é trazer
• 8:55
  uma perspectiva para as pessoas, ajudar as pessoas a
• 8:57
  transformarem a sua própria vida, realizarem os seus sonhos
• 9:00
  e tal. Acho que a educação é uma coisa
• 9:02
  muito incrível nesse sentido. Eu sempre dou um jeito de
• 9:05
  continuar fazendo alguma coisa com educação, né?
• 9:08
  A nesses últimos anos tive curso na perestroika, na Sputnik, na
• 9:12
  casa do saber, né? Digital House, na Terra, enfim,
• 9:14
  eu estou sempre dando um jeito de fazer alguma coisa com
• 9:17
  educação, porque eu sou muito apaixonado por isso, e agora eu
• 9:20
  tenho esse outro chapéu, meu chapéu principal nesse momento
• 9:23
  da minha carreira. Que é a liderar essa nova área
• 9:26
  de dados lá na Bayer EE levar um pouco de vários vários temas.
• 9:30
  Aí que a gente vai discutir hoje, com certeza para a
• 9:33
  prática, né? Numa numa corporação do tamanho
• 9:35
  da bar, com 150 anos de história, 125 anos de Brasil,
• 9:39
  então é um. É uma missão bem interessante.
• 9:42
  Assim, um desafio bem interessante é, mas sem o resumo
• 9:45
  do resumo do resumo, é isso, esse sou eu, ô José.
• 9:49
  Você trabalha numa empresa de 125 anos, né?
• 9:51
  É, será que a empresa é tradicional?
• 9:55
  Suficiente? Não sei.
• 9:57
  O pergunta, a pergunta mais clichê das últimas dos últimos
• 10:03
  10 anos. Informação dados, ali é o novo
• 10:07
  petróleo. Essa é uma boa.
• 10:09
  Essa é uma boa questão. É só só fazendo um ajuste.
• 10:13
  São 150 anos de história, 125 de Brasil, né?
• 10:16
  Olha, então um pouquinho mais velho assim é mais nada, porque
• 10:21
  eu acho que é um é. É bem interessante.
• 10:24
  Eventualmente a gente vai até voltar a abordar um pouco dessa
• 10:27
  questão, quando a gente for falar, talvez uma perspectiva
• 10:30
  mais corporativa ou de uma startup, enfim, acho que tem
• 10:33
  vários olhares possíveis pra gente abordar esse tema.
• 10:36
  Mas especificamente sobre essa questão do petróleo, né?
• 10:38
  Teve essa matéria da wired em 2014, né?
• 10:42
  Que que falou? Deita aí, Daniel hoyle.
• 10:44
  EE começou toda essa discussão, né?
• 10:46
  Ser jogar ali no Google esse título você vai achar um Monte
• 10:49
  de gente falando que é um Monte de gente falando que não é.
• 10:52
  Mas. Eu acho que é.
• 10:55
  Existem vários olhares possíveis que nos permitem entender um
• 10:59
  pouco sobre a importância desse tema, né?
• 11:02
  É, eu tenho um jeito específico de olhar e aí eu vou até abrir
• 11:05
  um parênteses rápido para tentar dar um pouco desse contexto para
• 11:08
  justificar AO porquê que é esse é o meu jeito de olhar, né?
• 11:13
  Longe de mim, de querer ser o dono da verdade ou de querer,
• 11:17
  enfim, cagar uma regra que é aleatória, mas é uma perspectiva
• 11:20
  de quem vem estudando bastante esses temas nos últimos anos vem
• 11:23
  trabalhando com isso. Então eu gosto de olhar para os
• 11:27
  dados. É como um fenômeno que é um meio
• 11:31
  que um efeito colateral, entre aspas, ou uma externalidade
• 11:35
  desse processo de avanço tecnológico acelerado que a
• 11:37
  gente tem testemunhado aí nos últimos anos e décadas, né?
• 11:41
  Então, em especial ali dos anos 70 para cá é e é se se vê, a
• 11:47
  gente testemunhou, enfim, 11 fenômeno que tem vários nomes,
• 11:50
  né? Um deles, a explosão
• 11:51
  informacional é que começa a nascer a partir do momento em
• 11:55
  que as empresas começam a ter computadores e a digitalizar
• 11:58
  informações. Né?
• 12:00
  Claro que lá na década de 70 e início da década de 80 a gente
• 12:02
  está falando de lá sobre cartões perfurados ou, enfim, é o
• 12:05
  computador da época, né? A ainda assim começa esse
• 12:10
  processo de digitalização de coisas da nossa vida, né?
• 12:14
  Inicialmente, ela, dados bancários ou coisas desse tipo,
• 12:16
  coisas mais corporativas, né? Até agora aqui praticamente
• 12:20
  tudo, né? Até informações de dentro do
• 12:22
  nosso corpo já são digitalizadas, então é, é, é, eu
• 12:26
  acho importante a gente entender os dados, né?
• 12:29
  Aqui descritos de uma forma mais genérica, mais ampla.
• 12:32
  Como uma externalidade desse fenômeno do avanço tecnológico,
• 12:36
  né? Por que que eu acho importante
• 12:38
  entender isso? Porque primeiro que ajuda a
• 12:40
  gente a desmistificar algumas coisas, né?
• 12:43
  Por exemplo, uma visão meio ferramental que normalmente se
• 12:47
  tem a respeito disso. Que a gente depois pode
• 12:49
  explorar, se se se der tempo, enfim, mas principalmente para
• 12:54
  tentar ajudar com essa história do dado, é o novo petróleo num
• 12:57
  é, né? Então quando a gente olha para
• 13:00
  alguns dados que dados de dados a gente vai falar muito dados
• 13:04
  hoje, mas quando a gente olha para algumas informações, alguns
• 13:07
  estudos, algumas previsões, enfim, que a McKinsey ou Harvard
• 13:12
  Business review ou ou Fontes desse tipo fazem a respeito do
• 13:16
  impacto na economia que essas novas tecnologias vão ter.
• 13:21
  É, a gente vê que existe uma magnitude enorme do impacto, né?
• 13:25
  Então, por exemplo, McKinsey, Harvard, Harvard Business review
• 13:29
  estimam que, até 2030, a essas tecnologias de dados, no geral
• 13:35
  devem acrescentar até 15 trilhões de dólares de valor na
• 13:39
  economia global, né? Então se OA nossa comparação com
• 13:43
  o petróleo tem a ver com o impacto econômico e com a
• 13:47
  hegemonia econômica que o petróleo teve ao longo do século
• 13:49
  20, principalmente. A gente consegue.
• 13:53
  Tem tentar imaginar alguns paralelos?
• 13:55
  Claro que a forma como isso se materializa na economia e na
• 13:59
  vida das pessoas vai ser um tanto diferente, né?
• 14:02
  Então eu gosto de olhar para os dados, é como o meio que o novo
• 14:09
  sistema circulatório dessa economia do século 21 assim.
• 14:13
  E eu entendo que na medida em que a tecnologia segue avançando
• 14:16
  rapidamente, AAA predominância a hegemonia AAEE.
• 14:24
  A capilaridade de dados vão estar cada vez mais presentes em
• 14:28
  todas as dimensões da nossa vida.
• 14:30
  A gente já sente isso um pouco hoje, né?
• 14:32
  Praticamente tudo o que a gente faz hoje é mediado por algum
• 14:35
  algoritmo ou tem alguma algum tipo de aplicação desse tipo
• 14:39
  envolvida, né? Dos anúncios que a gente recebe
• 14:42
  na internet, a Waze que a gente usa A Rede Social de alguma
• 14:46
  maneira, já tem alguma camada ali algorítmica, né?
• 14:50
  Aqui descrita de uma maneira mais geral, é intermediando a
• 14:54
  nossa experiência, escolhendo coisas pra gente.
• 14:56
  É, eu entendo que isso deve se aprofundar ainda mais.
• 14:59
  EEE ocupar vários outros espaços que hoje talvez ainda não ocupem
• 15:04
  muito bem. Então eu acho que essa metáfora
• 15:07
  ou essa analogia do dado com o petróleo a pode pode ser
• 15:11
  ilustrativa. É para a gente imaginar o
• 15:13
  tamanho do impacto que isso possa até na economia é, eu
• 15:17
  arriscaria dizer é sem sem nenhuma vontade de acertar ou
• 15:21
  errar. Mas enfim, eu arriscaria dizer
• 15:23
  que a. Certamente, eu acho que vai ter
• 15:27
  um impacto muito mais amplo do que o petróleo teve em vários
• 15:31
  aspectos, né? Mas eu eu entendo que.
• 15:36
  Nada vai funcionar sem dados, então, se eu pudesse escolher
• 15:41
  uma metáfora, eu. Eu iria pelo caminho desse
• 15:43
  sistema circulatório, porque eu acho que cada vez mais tudo da
• 15:47
  nossa vida vai estar apoiado nesses fluxos de dados ou em
• 15:52
  aplicações de dados ou coisas do gênero.
• 15:57
  Cara, bem legal, José. Uma dúvida se comentou sobre
• 16:01
  dados, inserindo o valor na economia global, né?
• 16:04
  A qual que é a tua opinião sobre aí uma empresa os dá os dados
• 16:09
  como 11 diferencial competitivo, puramente e não, por exemplo, os
• 16:14
  dados como um meio pro fim, né? Porque da tua frase parte puta
• 16:18
  tem n empresas que se perguntam, mas qual que é o seu
• 16:20
  diferencial? A meu diferencial é que o uso
• 16:21
  dado para usar em algum algoritmo quer fazer alguma
• 16:24
  coisa, né? Então, o que eu vejo muito no
• 16:27
  mercado. É que as pessoas têm usado muito
• 16:29
  dado como um fim. E não como o meio, né?
• 16:32
  Talvez não como o sangue do sistema circulatório.
• 16:34
  Prazo de fato, levar ao fim mas qual que é a tua visão sobre
• 16:38
  isso? Assim, sobre o dado como um
• 16:39
  diferencial competitivo que as empresas estão usando hoje em
• 16:42
  dia, uma cara ótima, ótima pergunta é, e aí, eu vou usar de
• 16:46
  pano de fundo esse contexto que eu acabei de dar Na Na?
• 16:49
  Na resposta anterior, né, então? Se essa premissa de que os
• 16:54
  dados, inteligência artificial, big data, todos esses nomes
• 16:58
  bonitos que a gente vê por aí, se a premissa de que a isso
• 17:01
  surge como uma externalidade desse processo de avanço
• 17:04
  tecnológico, né? Se essa premissa está correta,
• 17:07
  de alguma maneira é a sua pergunta se encaixa
• 17:10
  perfeitamente bem EE esse descolamento que você descreveu
• 17:14
  na sua pergunta a ele, ele recebe uma explicação, né?
• 17:20
  De várias possíveis, mas uma explicação específica dentro
• 17:23
  desse contexto que a gente está discutindo.
• 17:25
  Qual que é essa explicação? É, e de novo, né?
• 17:28
  Partindo dessas mesmas premissas, é, você tem um
• 17:32
  processo de avanço muito rápido de tecnologia em específico.
• 17:36
  Agora, um recorte a de uma tecnologia de comunicação, né?
• 17:39
  Que na nossa época que a internet, descrita de uma
• 17:42
  maneira bem genérica. Por que que isso é importante?
• 17:45
  Sempre que houve algum alguma inovação de uma nova tecnologia
• 17:50
  de comunicação ao longo da história das sociedades.
• 17:53
  A você teve uma mudança importante na estrutura dessa
• 17:56
  sociedade EE várias coisas novas começaram a nascer, né?
• 18:00
  Então, se a gente volta lá para a prensa mecânica de tipos
• 18:03
  móveis, o finalzinho do século 15, comecinho do século 16, na
• 18:06
  Europa. Vários dos fenômenos
• 18:08
  subsequentes, né? Então, reforma a contrarreforma,
• 18:12
  a revolução gloriosa, iluminismo, revolução francesa,
• 18:15
  a revolução Americana e assim por diante.
• 18:18
  Vários desses fenômenos que a. De uma certa forma, pariram um
• 18:23
  mundo que a gente vive, não é a eles aconteceram a.
• 18:28
  Influência dos bastante por essa tecnologia nova de comunicação
• 18:32
  da época, né? Então, é como se a gente pudesse
• 18:35
  fazer um paralelo aqui, numa Liberdade poética, absurda, né?
• 18:38
  A prensa mecânica de tipos móveis estaria pro século 16,
• 18:42
  assim como a internet está pra esse começo do século 21, né?
• 18:46
  E, portanto. A gente pode esperar uma mudança
• 18:51
  importante. A gente já está testemunhando
• 18:52
  essa mudança acontecer, né? Em eleições, por exemplo, é na
• 18:57
  questão de fake news a na no modelo de negócio a gente já
• 19:00
  está vendo essas mudanças acontecerem.
• 19:02
  A diferença talvez tenha a ver também com a velocidade de como
• 19:07
  as coisas estão acontecendo agora, né?
• 19:09
  Lá atrás, em outras épocas, com outras tecnologias de
• 19:12
  comunicação, talvez houvesse mudanças, mas elas acontecessem
• 19:17
  num intervalo de tempo um pouco maior.
• 19:19
  O que, no nosso caso, parece que o tempo diminui porque a
• 19:23
  velocidade está aumentando, né? Essa é a percepção que vários
• 19:28
  estudiosos de vários de várias disciplinas tem, né?
• 19:32
  Então, eu estou partindo dessa premissa, dessa aceleração, né?
• 19:37
  O que que isso tem a ver com a pergunta que você me fez?
• 19:40
  Se isso está acontecendo, isso está mudando AA vou usar um
• 19:45
  termo que é mais usado em sociologia assim, mas é isso,
• 19:48
  está mudando a estrutura do tecido social, né?
• 19:50
  Que seria essa a base sobre a qual a sociedades constroem as
• 19:56
  suas instituições, os seus modelos, as empresas competem
• 19:59
  entre si e assim por diante, né? A base de tudo, né?
• 20:02
  Então, sempre que tem uma nova tecnologia de comunicação que
• 20:05
  ela escala na sociedade em qualquer época que a gente for
• 20:08
  pra trás, a gente vai ver uma mudança nesse tecido social.
• 20:11
  E uma série de mudanças advindas a da mudança da base, né?
• 20:15
  Muda a base, muda o que está em cima da base.
• 20:19
  Nesse sentido é, eu entendo, partindo desse dessa linha de
• 20:23
  raciocínio, né? É, eu entendo que a gente está
• 20:26
  testemunhando o nascimento de um Mundo Novo.
• 20:30
  Então a gente tem um o esse tecido social sendo transformado
• 20:34
  rapidamente pelas tecnologias e pela internet.
• 20:37
  Internet aqui entendida como tecnologia de comunicação.
• 20:40
  E várias coisas desse mundo, estamos as condições todas da
• 20:43
  vida estão mudando junto, né? Se isso está acontecendo, claro
• 20:48
  que é. Tem vários autores que falam
• 20:50
  sobre isso, de perspectivas diferentes.
• 20:52
  Então, por exemplo, quando o Bauman, o Zygmunt Bauman, aquele
• 20:55
  sociólogo super conhecido, é que usa aquela metáfora do mundo
• 20:59
  líquido, né? Essa ideia de liquidez do Bauman
• 21:02
  tem um pouco a ver com essa impermanência, né?
• 21:04
  Então você tem uma tecnologia de comunicação que avança tão
• 21:06
  rápido e que conecta pessoas de um jeito que a gente, numa
• 21:09
  escala que a gente nunca conseguiu conectar.
• 21:12
  Que isso vai tornando as coisas mais impermanentes.
• 21:15
  As mudanças são mudanças mais frequentes, né?
• 21:19
  Claro que essa é uma interpretação minha.
• 21:20
  Existem várias pessoas mais gabaritadas do que eu para
• 21:23
  interpretar a obra do Bauman, mas essa é a minha leitura.
• 21:27
  Se isso está acontecendo, né? É uma hipótese.
• 21:30
  Se isso está acontecendo, a natureza do desafio que a gente
• 21:33
  precisa enfrentar hoje é diferente, do tipo de desafio
• 21:37
  que a gente enfrentou na segunda metade do século 20.
• 21:41
  Então, todo esse modelo de gestão, o modelo da estrutura
• 21:45
  organizacional, a questão da cultura.
• 21:48
  Todo esse jeito de pensar que nos trouxe até aqui.
• 21:52
  Ele deixa de ser eficiente para resolver esses problemas que
• 21:56
  esse Mundo Novo, entre aspas, constantemente transformado pela
• 21:59
  tecnologia, está gerando. Então são problemas de uma
• 22:03
  natureza nova que vão demandar da gente indivíduo, empresa,
• 22:09
  governo, partido, escola, todas as instituições que a gente está
• 22:13
  acostumado a ver na nossa vida. Vão precisar é de novas maneiras
• 22:18
  de tentar enfrentar esses problemas.
• 22:21
  Se esse mundo, se a tecnologia segue avançando rapidamente,
• 22:25
  então, portanto, essa mudança vai ser uma condição cada vez
• 22:28
  mais frequente. Não é uma mudança que acontece
• 22:30
  agora. Aí a gente estabiliza de novo e
• 22:33
  passa a ser lá os próximos 100 anos do mesmo jeito, sem mudar
• 22:36
  nada. Não, a mudança parece ser uma
• 22:39
  característica, é presente e constante nesse nessa nova
• 22:44
  realidade que a gente está vivendo nesse momento histórico.
• 22:47
  Se isso é verdade, a as empresas vão precisar de algumas
• 22:52
  estratégias diferentes para conseguir sobreviver.
• 22:54
  Então, se lá no século 20 você pega essa lá montadoras de carro
• 22:58
  ou petroleiras, né que você tem aquelas grandes estruturas AA
• 23:02
  industriais com, com gerando economia de escala, né?
• 23:06
  Então você produz muito. Para ter uma economia de escala,
• 23:10
  para ter o seu lucro. Então, assim, todo aquele
• 23:12
  paradigma tradicional que a gente viu emergir,
• 23:16
  principalmente ali, depois da segunda metade do século 20.
• 23:19
  Claro que várias coisas nascem antes, né?
• 23:21
  Mas só pra gente pegar um recorte mais recente é esse
• 23:25
  jeito de se fazer as coisas. Ele não funciona mais pra você
• 23:28
  continuar vivo no século 21. Né?
• 23:31
  Pelo menos da nossa época em diante, né?
• 23:34
  Porque o comportamento das pessoas está mudando o papel do
• 23:37
  carro na para para a vida do indivíduo é diferente do que era
• 23:41
  para minha geração, né? Eu tenho quase 40 anos quando
• 23:44
  era moleque. Eu queria ter um carro porque
• 23:46
  aquilo era um status, era um símbolo de que eu tinha chegado
• 23:49
  a maior idade e tal. Quando você vai perguntar pra
• 23:51
  uma galera mais nova é esses essa simbologia por trás do
• 23:55
  carro e essas coisas todas já são completamente diferentes.
• 23:59
  A gente está andando por uma direção de um, de um mundo que
• 24:03
  vai funcionar sem motor a combustão.
• 24:05
  Né? Em 20 anos, 30 anos, enfim, a
• 24:08
  gente não sabe ainda, mas a gente está andando para uma
• 24:11
  direção em que você vai ter frota de carro autônomo andando
• 24:14
  nas cidades, o que deixa até de fazer sentido.
• 24:17
  Essa ideia do transporte individual, talvez o carro como
• 24:21
  a gente conhece hoje, ele vai, vai acontecer o que aconteceu
• 24:24
  com o cavalo? Na história você vai ter umas
• 24:26
  pistas e aí algumas pessoas vão ter uns carros e vão para essas
• 24:30
  pistas, correr com esse carro, porque se a gente for mais para
• 24:34
  frente no tempo e imaginar uma cidade.
• 24:36
  É uma frota totalmente é autônoma.
• 24:40
  A gente está falando até de da mudança, do paradigma do próprio
• 24:43
  transporte público, porque essa rede de carros que se desloca
• 24:47
  sozinha ela é 11 coisa que vai conseguir transportar todo mundo
• 24:51
  para qualquer lugar, a qualquer momento.
• 24:53
  Tenha você propriedade sobre um automóvel individual ou não.
• 24:56
  Então tem vários exemplos, né? Um outro exemplo que a gente
• 24:58
  pode falar sobre essa questão da velocidade, que eu acho
• 25:00
  importante, a gente colocar é, é, tem um isso da IBM que saiu
• 25:04
  no final de 2019. Se eu não me engano.
• 25:07
  Que uma das coisas que eles citam ali é uma habilidade
• 25:09
  técnica que uma pessoa aprende a na segunda metade do século 20
• 25:13
  tinha um tempo dividia vida média ali de 15 anos, o que
• 25:16
  significa que se eu, José fizesse um curso de datilografia
• 25:19
  em 1970, em 1985, 15 anos depois, essa habilidade
• 25:24
  datilografia ainda era importante para eu ser promovido
• 25:28
  ou para eu conseguir um emprego, aquilo era ainda era relevante
• 25:30
  para mim. Hoje a gente tem esse tempo de
• 25:34
  uma habilidade em tempo médio, é reduzido para 5 anos e se a
• 25:38
  gente está falando de uma habilidade a muito rica em
• 25:41
  tecnologia, a gente está falando de 2 a 3 anos, o que significa,
• 25:45
  arredondando os ponteiros aqui, que esse papo que a gente está
• 25:48
  tendo hoje em 2021, daqui a 34 anos, talvez ele já não seja o
• 25:53
  papo mais relevante para a gente falar sobre dados já vai ter
• 25:56
  mudado tanta coisa que a gente já vai estar discutindo as
• 25:59
  coisas sob uma outra perspectiva, talvez com
• 26:01
  tecnologias novas, estão nascendo agora.
• 26:03
  Enfim, então toda essa pressão que esse sistema que muda
• 26:08
  constantemente gera vai provocar por parte das empresas outras
• 26:13
  estratégias. EE talvez o surgimento de um
• 26:16
  outro paradigma de gestão, de estrutura organizacional e assim
• 26:19
  por diante. E aqui que entra a história do
• 26:22
  dado, como o sistema circulatório, porque o que te dá
• 26:26
  o que vai dar para as empresas essa capacidade adaptativa de
• 26:31
  entender o que está acontecendo no ecossistema que ela está
• 26:34
  inserida e conseguir se adaptar a essa pressão evolutiva para a
• 26:39
  gente roubar aqui? Uma analogia da teoria da
• 26:41
  evolução. Tem a ver com os dados.
• 26:43
  Quem conseguir transformar essa quantidade enorme de dados que é
• 26:46
  produzida incessantemente, né? Tem números dizendo ali que até
• 26:50
  em 2000 e em 2018 a gente já produzia mais de 2.5 quintilhões
• 26:55
  de bits por dia, né? 2.5 seguido de 18 zeros.
• 26:59
  É. Alguém vai ter que transformar
• 27:03
  isso em algum tipo de valor, né? Então, o que parece quando a
• 27:09
  gente olha daqui é que essa capacidade adaptativa ela está
• 27:12
  muito conectada a essa habilidade da empresa conseguir
• 27:16
  utilizar esses dados para entender o que está acontecendo
• 27:19
  e conseguir tomar melhores decisões, já que o fato de você
• 27:22
  ter 800 indústrias em todos os países do mundo produzindo
• 27:26
  carro, que que adianta você ter, se ninguém mais vai querer
• 27:29
  comprar carro, né? Então, há como que uma empresa
• 27:32
  fica viva no século 21? Ela vai precisar de estratégias
• 27:36
  diferentes daquelas que fizeram com que as do século 20 se
• 27:39
  mantivessem viva naquela época em que elas estavam inseridas.
• 27:43
  Então, essa ideia do dado, como o sistema circulatório, ela se
• 27:48
  encaixa um pouco com essa leitura desse mundo que muda
• 27:51
  cada vez mais rápido. Então você tem impressões sobre
• 27:54
  as companhias vindo de todos os lados, e não só dos concorrentes
• 27:57
  do segmento e da indústria ali. E o que parece ser o elemento
• 28:02
  que vai ajudar as empresas. AA se flexibilizarem a se
• 28:07
  adaptarem a. Entregarem mais valor para o seu
• 28:09
  usuário e assim por diante. Tem haver uma boa utilização dos
• 28:13
  dados. Caraca, para quem entrou achando
• 28:16
  que ia falar de como usar dados no Discovery é e começando por
• 28:20
  sociologia, foram para tecido social e acabamos com
• 28:23
  adaptabilidade das empresas usando dada em está vendo
• 28:27
  tadashi próximo? Eu achei que a gente já começar
• 28:29
  falando de si gear, amplitude ou mix pena ia ser a.
• 28:33
  O assunto? Mas aí até José pegando essas
• 28:36
  tudo que a gente está falando bastante de dados, a gente falou
• 28:39
  muita coisa bem interessante, até de assunto bem avançado.
• 28:42
  E aí falando um pouquinho assim, para quem também tem
• 28:45
  curiosidade, eu quer começar a trabalhar com dados, né?
• 28:48
  Acho que como você falou, poxa, daqui a 3 anos, acho que não vai
• 28:51
  ser uma discussão, trabalhar com dados hoje ainda é uma
• 28:53
  discussão, né? Por incrível que pareça,
• 28:55
  trabalhar com dados a gente utiliza não por onde que as
• 28:58
  pessoas podem começar a estudar essa parte de análise de dados
• 29:02
  em si, né? Acho que também tem muita gente
• 29:04
  da nossa área aqui que a gente acaba falando em data driven,
• 29:08
  enfim, mas como que a gente começa a estudar isso?
• 29:11
  Boa, é? Se talvez eu tenha me expressado
• 29:15
  mal assim, mas é, eu não acho necessariamente que dados daqui
• 29:18
  a 3 anos não vão ser tão relevantes.
• 29:21
  Talvez outras abordagens e outros assuntos relacionados a
• 29:24
  dados vão ser mais relevantes assim, e nesse sentido, eu acho
• 29:28
  que a sua pergunta também se encaixa muito bem, porque?
• 29:31
  A como eu enxergo, tá? É, e de novo, né?
• 29:36
  É são meus estudos. Enfim, é.
• 29:38
  É uma perspectiva de várias perspectivas possíveis assim,
• 29:42
  então. O que eu entendo é.
• 29:45
  O que provavelmente vai acontecer é pensando se todas
• 29:50
  essas minhas premissas anteriores, né é estiverem
• 29:53
  corretas, né? A se de fato, essa capacidade
• 29:56
  adaptativa da empresa depender da boa utilização de dados, a
• 30:00
  gente não tá falando mais da formação de sei lá.
• 30:02
  Analistas de dados, cientistas de dados em genes de dados.
• 30:05
  Claro que a é esse tipo de profissional, ele vai continuar
• 30:08
  sendo importante, mas a solução para uma empresa se tornar
• 30:12
  preparada para essa era dos dados entre muitas aspas.
• 30:16
  É, não é necessariamente contratar um batalhão.
• 30:20
  De profissionais com conhecimentos técnicos em dados.
• 30:23
  O que parece AA ser importante, e aí tem várias referências
• 30:29
  sobre isso. Eu vou citar 2, né?
• 30:32
  Tem matéria de capa da Harvard Business review de julho, agosto
• 30:36
  de 2019, né? Aquela de EAE Power
• 30:40
  organization? A organização é Power by
• 30:44
  inteligência artificial. E aí o subtítulo da matéria é ex
• 30:47
  nora beauty tecnologia hits about Culture, né?
• 30:50
  Então, não é sobre tecnologia, sobre cultura.
• 30:53
  O que parece, está claro, aí aí tem várias entrevistas com
• 30:58
  líderes, é com pessoas do mercado e assim por diante é
• 31:02
  que. Não é simplesmente você
• 31:06
  atualizar lá a sua ferramenta, então sei lá, meu time não vai
• 31:09
  mais usar o Excel agora, ele vai usar uma ferramenta de b aí mais
• 31:13
  famosa. É meu time agora eu não vou ter
• 31:16
  mais o banco de dados tradicional que eu tinha aqui eu
• 31:18
  vou montar um data Lake, sei lá, só pra usar uns termos que é
• 31:21
  bem, são bem comuns assim, no dia a dia é essa abordagem meio
• 31:27
  que assim, ó, eu vou atualizar a ferramenta e agora?
• 31:30
  Com uma ferramenta nova, a gente vai conseguir fazer tudo o que a
• 31:32
  gente não conseguiu fazer até hoje.
• 31:34
  Essa abordagem a gente já tem muito dado, muita informação, de
• 31:38
  que não adianta. Não é o caminho, né?
• 31:42
  Várias lideranças e altas lideranças nessas pesquisas, né?
• 31:46
  A falam muito sobre isso aí, tipo, eu entendo que isso é
• 31:49
  importante. Eu sei que isso vai ser
• 31:51
  fundamental cada vez mais fundamental para minha empresa,
• 31:54
  independente do segmento. Mas existem uma série de
• 31:58
  obstáculos organizacionais, culturais, de liderança e enfim,
• 32:05
  a desse jeito tradicional de se pensar a empresa.
• 32:09
  Que se revelam muros muito difíceis de serem superados.
• 32:14
  Na hora que você precisa fazer toda a transformação interna
• 32:17
  para que de fato a sua companhia seja uma companhia, é orientada
• 32:21
  por dados, né? Que é Oo termo genérico que se
• 32:24
  usa por aí é. E aqui eu sinto uma outra ideia
• 32:28
  que está num livro de 2 professores de Harvard, Marco e
• 32:31
  amp, City e carinho la Kane, que é compilem in the age of VE,
• 32:36
  numa tradução livre competindo na era da inteligência
• 32:38
  artificial. Eles trazem vários conceitos
• 32:41
  interessantes lá no livro. Um deles, eles falam que o
• 32:44
  desafio das empresas é que elas precisam se tornar o que eles
• 32:47
  chamam de ei factories, né? Usinas de inteligência
• 32:51
  artificial, numa tradução livre. Que nada mais é do que você ter
• 32:55
  todas as suas instâncias hierárquicas e todas as suas
• 32:59
  áreas de negócio de alguma maneira, tomando decisões
• 33:03
  baseadas em dados. Só que pra isso acontecer, a
• 33:07
  gente vai precisar mexer num outro ponteiros que está até
• 33:09
  agora. A gente talvez não tenha AA
• 33:11
  tocado, mas que tem tudo a ver com a pergunta que você acabou
• 33:14
  de fazer. Que é um termo que inglês é
• 33:17
  d'italie, ter-se ou se a gente puder traduzir livremente aqui
• 33:20
  para português. Alfabetização em dados a
• 33:23
  solução, portanto, não é que todo mundo vire um cientista de
• 33:26
  dados, mas que todo mundo aumente a sua capacidade de
• 33:29
  alfabetização de dados? Que que é alfabetização de dados
• 33:32
  é a capacidade de ler, interpretar, utilizar dado para
• 33:35
  tomar decisão. É é entender, né?
• 33:38
  O que você está vendo ali? Como que a gente chegou naquele
• 33:40
  resultado ou não? Por que que se aplicou uma
• 33:42
  análise XE, não uma técnica y ali, então tem todo um processo
• 33:46
  de letramento. De todas as pessoas, de todas as
• 33:50
  áreas do negócio, porque aqui que está o principal bloqueio.
• 33:54
  Eventualmente uma empresa que se ela tem muita grana, uma empresa
• 33:58
  grande, vai ter condição de ir pro mercado e buscar pessoas
• 34:01
  especialistas, só que em várias empresas é isso.
• 34:05
  Já se revelou insuficiente para você mudar de fato?
• 34:09
  Pontualmente você tem projetos incríveis, mas para que a
• 34:13
  corporação como um todo se transforme e consiga extrair
• 34:17
  dessas tecnologias tudo que se promete, né?
• 34:20
  A gente ouve muito essas promessas incríveis do que os
• 34:22
  dados podem fazer e tal. Para a gente destravar todo esse
• 34:25
  potencial, a gente vai precisar aumentar o nível de
• 34:28
  alfabetização em dados de todas as pessoas, de todas as áreas de
• 34:31
  negócio. Então não é que eu preciso pegar
• 34:33
  um cientista de dados, sei lá, um analista e colocar um em cada
• 34:36
  linha de negócio ali, porque essa pessoa vai fazer a
• 34:38
  matemática, o trabalho duro ali, o trabalho chato e entregar a
• 34:42
  decisão pronta para as pessoas tomarem, né?
• 34:45
  Isso não funcionou. O que a gente vai precisar é que
• 34:48
  todo mundo. Aprenda mais sobre isso.
• 34:51
  Entenda como essas pessoas de produto e o eks RH marketing,
• 34:57
  tudo, tudo, todo mundo vai precisar aumentar a sua, os seus
• 35:02
  níveis de alfabetização em dados.
• 35:03
  Ainda que não ocupem uma cadeira específica de dados.
• 35:07
  Quando isso acontecer e a gente já tem alguns dados de
• 35:10
  companhias ou, enfim, estudos que mostram que as companhias
• 35:13
  que têm índices maiores de alfabetização de dados em todos
• 35:16
  os estratos hierárquicos apresentam melhor performance,
• 35:19
  produtividade e assim por diante.
• 35:21
  Então, a forma como a gente destravar isso e por que que é
• 35:25
  tão importante a gente aprender sobre isso?
• 35:27
  Ainda que a gente não vai ocupar uma cadeira específica de dados,
• 35:30
  tem a ver com isso, porque de novo, né?
• 35:32
  Subtítulo da matéria da Harvard Business review, que eu citei
• 35:35
  num é sobre tecnologia, sobre cultura.
• 35:38
  Então a gente precisa fazer com que todo mundo entenda um pouco
• 35:41
  como essas coisas funcionam na prática.
• 35:43
  Quando que eu aplico uma coisa? Quando que eu aplico outra?
• 35:45
  Porque isso vai ajudar AA empresa como um todo a evoluir e
• 35:50
  aí acho que tem um outro ponto aqui nesse contexto, que é
• 35:53
  importante a gente pensar. E aqui eu vou fazer 11 paralelo
• 35:57
  com o que aconteceu com as pessoas que faziam site, né?
• 36:00
  Então, se você voltar lá pro final do da década de 90, começo
• 36:03
  dos anos 2000. Você tinha aquela galera que
• 36:05
  abriu o Bloco de Notas ali, mandava um HTML ali, ó Na Na
• 36:08
  unha e fazia o bagulho do zero ali, bá bá, bá bá e aí, se a
• 36:14
  gente avança 1015 anos pra frente, você tem plataforma, sei
• 36:17
  lá, tipo IX, quais passou qualquer coisa do gênero que
• 36:20
  você não sabe nada de como aquilo funciona.
• 36:22
  Só que se dá 7 cliques ali, paga aqui, paga ali, arrasta o
• 36:26
  quadradinho para cá e, puf. Você tem um site bonito,
• 36:28
  funcional, rodando ali, eventualmente, até plataformas
• 36:32
  de e-commerce, já mais mais prontas ali, né, que você não
• 36:35
  tem isso. Está com o técnico, não precisa
• 36:37
  achar o programador que sabe tudo e tal.
• 36:39
  Claro que essas funções continuam.
• 36:41
  AA importantes empresas de mais alta tecnologia que estão
• 36:45
  desenvolvendo suas próprias plataformas.
• 36:47
  Não é que isso sumiu, mas o quando você massifica o acesso,
• 36:52
  né? Quando você digitaliza isso,
• 36:53
  vira um serviço meio que um software as a service aqui entre
• 36:57
  aspas, AA uma pessoa comum, enfim, um cidadão médio consegue
• 37:02
  entrar lá num IX da vida e construir seu próprio site sem
• 37:05
  nenhum conhecimento técnico. De alguma maneira, alguns
• 37:08
  autores e autoras olham para uma evolução similar que está
• 37:13
  acontecendo hoje na área de dados.
• 37:14
  Então várias coisas que hoje eventualmente se precisaria de
• 37:18
  alguém que entendesse de Python ou de r, por exemplo, para
• 37:21
  escrever esse código, né, ou enfim, é colocar isso de pé a
• 37:26
  isso. A tendência que tem é de várias
• 37:28
  dessas aplicações de dados virarem serviço em plataformas,
• 37:32
  em plataformas de b, em plataformas do Google, enfim, da
• 37:35
  Amazon, né? O que traz aquela nossa reflexão
• 37:40
  a respeito da elevação do nível de alfabetização de dados ainda
• 37:43
  mais para o centro da conversa, porque a hora, se isso tudo vira
• 37:47
  software ou se uma parte a mais ampla de todas essas técnicas,
• 37:52
  né? A gente fala de dados
• 37:53
  inteligente, oficial, a gente tá falando de um guarda-chuva muito
• 37:56
  amplo, de um Monte de assunto específico, né?
• 37:59
  A hora que uma parte importante disso, que é o que a gente mais
• 38:02
  vai usar no dia a dia, por exemplo, a hora que isso virá,
• 38:04
  software aí que eu vou precisar de alguém do outro lado, que
• 38:08
  saiba o que está fazendo. Né?
• 38:10
  Então, AA reflexão sobre a necessidade da gente elevar os
• 38:14
  níveis de alfabetização de dados se torna ainda mais central
• 38:17
  nesse cenário que eu acabei de descrever.
• 38:19
  Então é é importante saber sobre dados.
• 38:22
  É mesmo se eu não for uma pessoa de dados, sim.
• 38:26
  Então é claro que todo mundo que quiser ir para a carreira de
• 38:30
  dados e, et cetera e tal, por importante é, não importa a sua
• 38:33
  área de formação é, você vai ter que aprender estatística, você
• 38:36
  vai ter que aprender álgebra linear, você vai ter que
• 38:38
  aprender essa lá. Econometria tem um Monte de
• 38:40
  coisa de matemática envolvida com isso, obviamente.
• 38:43
  Tem uma parte técnica de programação.
• 38:45
  A parte de banco de dados, então você tem uma camada técnica, né?
• 38:49
  Na natureza do trabalho de um profissional de dados.
• 38:53
  Mas o principal bloqueio que as empresas enfrentam hoje não é
• 38:56
  aqui na parte técnica, é na ponte, entre a parte técnica e a
• 39:01
  área de negócio. É essa ponte que ainda não está
• 39:05
  tão bem construída em tantas organizações pelo mundo.
• 39:09
  É é uma coisa tão importante que em 2018 é uma que se escreveu um
• 39:12
  papel dizendo assim, olha, olhando aqui para o mercado de
• 39:15
  dados, tem um analista ou engenheiro cientista de dados?
• 39:18
  Mas a gente tá vendo um quarto personagem nessa história que
• 39:22
  eles chamaram de deita translator.
• 39:24
  Ou o tradutor de dados numa, numa tradução livre, que seria
• 39:28
  essa pessoa que consegue fazer a ponte entre a parte mais técnica
• 39:32
  ou a parte mais estatística, matemática, de modelagem, enfim,
• 39:35
  e a área de negócio, que ainda é um é um?
• 39:38
  É um gap que existe dentro de várias organizações, de vários
• 39:41
  segmentos diferentes, então. O que está claro até aqui,
• 39:46
  olhando para várias experiências do mundo, estudos, pesquisas,
• 39:49
  matérias, livros, et cetera, é que você bombar, que a parte
• 39:54
  técnica e fazer um Monte de coisa e contratar um Monte de
• 39:56
  gente nanã, claro que isso pode te ajudar, pode ajudar.
• 40:00
  Mas se a tradução pra área de negócios e todo se toda essa
• 40:03
  robustez técnica não tiver de fato sendo traduzido e melhor
• 40:07
  decisão na ponta. Talvez você invista muito
• 40:12
  dinheiro, tem uma curva de aprendizagem muito mais longa e,
• 40:15
  sei lá, dependendo do segmento que você tiver, você pode ficar
• 40:17
  pelo caminho. Então AA eu diria que AA como
• 40:21
  começar? Eu eu, eu falaria que todas as
• 40:25
  as profissões, as atividades, precisam aumentar os seus níveis
• 40:29
  de alfabetização em dados. E, naturalmente, as pessoas que
• 40:33
  querem seguir carreiras mais específicas de atuação em dados
• 40:36
  vão precisar ampliar seus conhecimentos em matemática de
• 40:39
  uma maneira geral, a em programação em banco de dados.
• 40:42
  Uma parte de uma de tecnologia, mas nunca perdendo AA de vista
• 40:46
  essa tradução para uma melhor decisão de negócio, porque é
• 40:50
  aqui que a mágica vai acontecer. Não esta lá.
• 40:53
  Se você fez um bote, um assistente que manda flores para
• 40:56
  o seu usuário pelo WhatsApp e tal.
• 40:58
  Por isso é muito legal, mas isso é um projeto pontual.
• 41:01
  Se todo o resto da empresa tiver funcionando do jeito
• 41:03
  tradicional. Todo o potencial de escala, todo
• 41:07
  o potencial de escopo e todo o potencial de aprendizagem que
• 41:10
  seriam os 3 pilares, né? Que aqueles 2 autores de Harvard
• 41:13
  no livro competindo na era da inteligência artificial,
• 41:16
  destacam. A você não consegue destravar
• 41:19
  todo esse potencial? Então pontualmente você consegue
• 41:22
  fazer umas coisas muito legais, mas essa transformação, né,
• 41:25
  sobre a qual a gente está falando tanto aqui, ela fica
• 41:28
  cada vez mais difícil de acontecer.
• 41:29
  Então a parte técnica é importante?
• 41:31
  É, mas não necessariamente ela é Oo grande diferencial.
• 41:36
  Caso essa ponte, caso esse gap num esteja bem preenchido e bem
• 41:40
  conectado. Boa José e pensando nessa
• 41:44
  alfabetização que se comem, todos os dados é para empresas
• 41:47
  tradicionais ou até mesmo para startups.
• 41:49
  E é. Quando você acha que é o melhor
• 41:52
  momento para uma empresa investir em iniciar esse
• 41:55
  processo de transformação de dados EE de alfabetizar
• 41:58
  alfabetização de dados também e como você começaria esse
• 42:01
  processo? Assim, qual que seria um passo a
• 42:04
  passo para iniciar o processo de aumentar essa alfabetização de
• 42:08
  dados? Tá, é?
• 42:11
  Quando eu acho que deveria começar ontem?
• 42:15
  É, e de novo, não é. Não estou advogando em causa
• 42:18
  própria que eu estou. Se a gente olha para o que está
• 42:21
  acontecendo e olha pro para vários desafios de vários
• 42:24
  segmentos diferentes, a gente já falou da indústria
• 42:26
  automobilística, mas você tem, sei lá.
• 42:29
  Os bancos tradicionais e as fintech se e, enfim e.
• 42:34
  Toda essa perspectiva que a gente tem de como essas
• 42:37
  tecnologias novas vão transformar as áreas mais
• 42:40
  tradicionais, né? Incluindo medicina, direito EE,
• 42:45
  tudo o que a gente puder imaginar.
• 42:47
  A com antes você tiver AA sua estrutura, não é os seus
• 42:53
  colaboradores colaboradoras? Enfim, a avançando nesse
• 42:56
  processo você acaba ganhando até uma certa vantagem.
• 43:00
  É, é competitiva, né? Porque está todo mundo ainda
• 43:04
  entendendo como isso vai funcionar, como que eu resolvo
• 43:07
  isso dentro de casa? E assim por diante.
• 43:10
  Então, AA, eu acho que seria fundamental que todas as
• 43:13
  empresas começassem a olhar para isso.
• 43:14
  Agora é o mais rápido possível, né?
• 43:18
  Porque nesse mundo que muda cada vez mais rápido, um ano, 2 anos,
• 43:22
  a coisa pode virar radicalmente. E aí é tarde demais, né?
• 43:25
  Porque tem toda uma curva de adaptação, de aprendizagem e
• 43:28
  tal, então. Essa seria minha primeira
• 43:31
  observação. AA, minha segunda observação tem
• 43:35
  um pouco a ver com aquele exemplo que eu dei lá atrás de
• 43:39
  de quanto tempo dura em média uma habilidade técnica hoje, né?
• 43:43
  Então. Lá atrás era a sala 1015 anos.
• 43:47
  Hoje é 5 anos, 3 anos. A depender da habilidade que a
• 43:50
  gente tiver falando. Qual que é AO desafio que isso
• 43:53
  acarreta para as companhias? O desafio é como que uma empresa
• 43:58
  substituía a sua mão de obra. Tradicionalmente, as pessoas vão
• 44:02
  ficando mais velhas. Elas iam falar se aposentando ou
• 44:05
  sendo convidadas, a se retirar das empresas e a empresa ia lá
• 44:09
  na faculdade, buscava a galera mais nova, né, que já vinha com
• 44:12
  uma cabeça mais fresca, e assim por diante, né?
• 44:15
  Esse é essa foi a estratégia base básica da empresa.
• 44:19
  Historicamente falando, né? Claro que eu estou
• 44:21
  generalizando, né, pra gente poder ter tempo de falar sobre
• 44:25
  todos os temas que a gente vai falar.
• 44:27
  Qual curso tradicional que forma esse profissional que a gente
• 44:31
  precisa hoje e aqui eu não estou falando só sobre dados aqui eu
• 44:34
  tô falando sobre o produto. Eu estou falando sobre várias
• 44:36
  outras habilidades digitais mais recentes, né?
• 44:39
  É nenhum. Então essa estratégia de buscar
• 44:43
  a pessoa mais jovem, que acabou de se formar, ela já não
• 44:46
  funciona mais. Ou pelo menos, ela já não
• 44:49
  funciona com a velocidade necessária que precisaria ser,
• 44:52
  então a empresa já por si só já tem um desafio enorme de se
• 44:56
  tornar uma produtora de conhecimento também.
• 44:59
  Então vou citar uma referência aqui de um grande amigo, Thiago
• 45:01
  Matos, que ele fala muito que AA empresa vai se tornar uma
• 45:06
  universidade, né? No não vou entrar muito no
• 45:09
  detalhe do pensamento dele, que é Superinteressante, mas só pra
• 45:12
  gente ficar com essa ideia aqui. Mas qual que é a como que eu
• 45:14
  interpreto isso? Eu interpreto como um desafio
• 45:18
  enorme de um mundo que muda cada vez mais rápido.
• 45:20
  E todas as habilidades que eu vou precisar produzir para eu
• 45:24
  continuar sendo competitiva no meu mercado, no meu segmento,
• 45:27
  enfim, eu preciso começar a produzir porque não dá mais
• 45:30
  tempo de eu fazer aquilo que eu fazia antes, né?
• 45:32
  Essa, essa, esse exemplo. Ele corrobora aquela minha
• 45:36
  hipótese inicial de que o mundo está mudando muito rápido e as
• 45:39
  estratégias tradicionais que nos trouxeram até aqui já deixam de
• 45:43
  funcionar como funcionavam antes.
• 45:44
  Então essa. Esse é um exemplo claro desse
• 45:47
  tipo de estratégia, então é parte desse desafio.
• 45:51
  Vai ser. A alfabetizar as pessoas
• 45:54
  digitalmente, né? No sentido mais amplo em dados
• 45:57
  no sentido mais específico, porque você precisa produzir
• 46:00
  esse conhecimento dentro de casa.
• 46:02
  AA caso contrário, a sua capacidade adaptativa vai ficar
• 46:06
  reduzida e isso pode te expor a mais riscos, né?
• 46:09
  Então é. A ideia de que a empresa consiga
• 46:14
  reconhecer essa necessidade e esse contexto mais amplo de
• 46:18
  mudança no qual a gente está inserido, que não parece
• 46:21
  retroceder porque parece que o avanço tecnológico só acelera,
• 46:25
  né? Porque ele está sempre evoluindo
• 46:27
  em cima de uma base cada vez mais alta, né?
• 46:30
  Coloca a empresa num num lugar ali do Tabuleiro, que é meio que
• 46:33
  um xeque-mate. Ali, você vai precisar mudar
• 46:36
  radicalmente a sua estratégia para conseguir continuar viva.
• 46:39
  E como começar a fazer isso? Então, beleza, eu vou treinar
• 46:42
  todo mundo ao mesmo tempo. A gente sabe que não funciona
• 46:45
  desse jeito, que é inviável, que talvez existam áreas com mais ou
• 46:49
  com maior ou menor maturidade. Então, AA minha experiência em
• 46:53
  consultoria. Nos meus 67 anos de consultoria,
• 46:57
  o que eu vi da mais certo é você pegar uma área específica, um
• 47:02
  desafio de negócio específico e começar pequeno e expandir indo
• 47:08
  um pouco isso, né? Numa para toda in.
• 47:10
  Parem as máquinas, né? Tira todo mundo de lá, coloca
• 47:13
  todo mundo na escola, estuda, estuda, estuda, volta, e agora
• 47:17
  vamos. Isso não funciona, né?
• 47:20
  Então, talvez escolheu uma área específica, a começar com um
• 47:24
  projeto AA gera esse valor no projeto, transforma um pouquinho
• 47:28
  a área. E aí, vai, vai fazendo isso
• 47:30
  gradativamente. Então a na minha experiência de
• 47:33
  consultor a foi o tipo de abordagem que eu vi gerar mais
• 47:37
  resultado positivo. Claro que tem dificuldade.
• 47:40
  Claro que é um desafio enorme. Claro que tem obstáculo.
• 47:43
  Claro que se precisa contar muito com a liderança, em
• 47:46
  especial do topo da pirâmide, né?
• 47:49
  Porque se essa galera não tiver consciência do que precisa ser
• 47:52
  feito, a acaba gerando muito mais bloqueio e muito mais
• 47:55
  complexidade para esse processo funcionar.
• 47:58
  Existem uma série de contingências ao redor disso.
• 48:01
  Mas o que eu vi funcionar melhor foi esse caminho que eu acabei
• 48:03
  de descrever. E vi o Paulo me convidou aqui
• 48:06
  achando que Era pra Ser coxa. A verdade é que eu vim fazer uma
• 48:09
  consultoria gratuita aqui com José, né?
• 48:11
  Então, José, se fosse pegar numa startup, diríamos assim, uma
• 48:15
  startup. E aí eles taji.
• 48:17
  É como é que você lida com os dados nesse nesse momento?
• 48:21
  Que startup que você tem pouco cliente e você ainda está
• 48:25
  descobrindo qual é, qual o perfil do cliente ideal para
• 48:27
  você que de fato faz sentido você coletar mais dados para
• 48:32
  tomar uma decisão baseada nesse dado, né?
• 48:34
  Tá, é. Eu vou tentar responder por um
• 48:38
  outro caminho, e aí se eu não respondesse, mandando calar a
• 48:41
  boca aqui, que eu falo tudo de novo, eu não tenho problema
• 48:44
  nenhum. Isso é.
• 48:47
  Eu queria falar, eu vou, eu vou tentar falar um pouco sobre o
• 48:49
  processo, né? De de de tomada de decisão
• 48:52
  apoiada por dados é, e aí, a partir dessa estrutura do
• 48:56
  processo, a gente olha para o seu exemplo específico, tá?
• 49:00
  Então. O que geralmente se faz, né?
• 49:04
  Então você vai conversar com a pessoa?
• 49:06
  A pessoa fala não, mas ó, eu coletei um Monte de dado, eu
• 49:09
  tenho aqui um Monte de dado, vamos procurar alguma coisa ali
• 49:12
  no dado para ver se a gente acha algum site que nos diga para
• 49:16
  onde ir é essa AA, essa abordagem ou essa perspectiva?
• 49:21
  É uma perspectiva equivocada em vários aspectos, né?
• 49:24
  Alguns até bem filosóficos assim, né?
• 49:28
  Pensando em filosofia da matemática, filosofia da
• 49:31
  ciência, método científico. Enfim, então aqui, só que já tem
• 49:35
  uma janela enorme para a gente discutir, mas vamos ficar aqui
• 49:37
  numa coisa mais tangível, é mais próximo do que a gente enfrenta
• 49:41
  no dia a dia, então vou dar um exemplo bobo, né?
• 49:45
  Mas que ajuda a ilustrar o ponto, imagina que você vai no
• 49:47
  médico. E você entrou no consultório, o
• 49:52
  médico ou a médica fala assim, fulano ou fulana?
• 49:56
  Vem cá que eu vou tirar 5 tubos de sangue de você.
• 50:00
  Aí você vai parar, vou falar assim, mas calma, doutor ou
• 50:02
  doutora, é. É como assim você vai tirar
• 50:04
  sangue? Você não conversou comigo?
• 50:05
  Você não sabe o que eu estou sentindo, não é não?
• 50:08
  Eu vou ficar procurando coisas aqui no seu sangue enquanto a
• 50:10
  gente conversa. Né?
• 50:12
  Então, AA ideia do de coletar sangue é uma analogia para
• 50:17
  coletar dados, né? O médico coleta sangue para ver
• 50:20
  dados do seu sangue, né? Não são dados digitais,
• 50:23
  naturalmente, mas são dados também.
• 50:26
  Isso pode funcionar. Eventualmente, sei lá, o médico
• 50:30
  pode achar uma glicemia alterada.
• 50:32
  Mas como ele não tem conhecimento sobre o contexto?
• 50:37
  Ele não vai saber dizer, por exemplo, se aquilo, sei lá, uma
• 50:39
  diabetes ou se é o chocolate que você comeu na sala de espera.
• 50:43
  Então essa, como se fala muito sobre os dados sobre dados, AA
• 50:49
  expectativa que vai se construindo na cabeça de muita
• 50:52
  gente é que quanto mais dado eu tiver, melhor, quanto mais dado
• 50:56
  eu tiver, eu vou investigar e vou achar essas respostas dos
• 51:00
  desafios dos negócios, né? Então eu tenho o desafio de
• 51:04
  oferecer um produto para alguém, um serviço, enfim, para uma
• 51:07
  pessoa aqui é um ser humano, um ser humano complexo, que o
• 51:11
  comportamento é complexo, mas a gente de alguma maneira
• 51:14
  internalizou essa ideia de dados.
• 51:16
  Ou se ele fosse resolver toda essa complexidade e nos dá
• 51:19
  exatamente o caminho da das pedras ali.
• 51:23
  Para a gente dar aquele tiro certeiro.
• 51:26
  Só que se o médico fizesse isso, eventualmente ele achar alguma
• 51:30
  coisa no seu sangue e achar alguma coisa no seu sangue, só
• 51:33
  que o processo é muito menos eficiente é, nem não
• 51:36
  necessariamente achar uma enzima alterada.
• 51:40
  Vai conseguir falar pro médico o que que aquilo significa?
• 51:43
  Ele vai falar. A sua glicemia está alterada.
• 51:48
  Mas o te importa saber só se ela está alterada ou não, o que te
• 51:52
  importa é saber porquê. E o porque não necessariamente
• 51:56
  vem da análise fria do dado, o porque vem do seu entendimento
• 52:02
  do problema da natureza, do problema.
• 52:04
  Por isso, quando você vai no médico, o médico te faz um Monte
• 52:07
  de pergunta, né? Que a gente chama lá de
• 52:09
  anamnese? Ele está tentando o que explorar
• 52:11
  o problema, entendeu o problema? Analisar o seu histórico.
• 52:15
  A partir disso, ele cria uma hipótese diagnóstica que vai
• 52:19
  estar lá no seu pedido de exame. Inclusive, tem vários exames que
• 52:22
  você não faz se não tivesse hipótese diagnóstica.
• 52:25
  Por quê? Porque o radiologista, o
• 52:27
  bioquímico que está olhando o seu sangue, ele não vai saber
• 52:30
  interpretar o que ele viu. Se não tiver uma hipótese
• 52:33
  diagnóstica, então é AO jeito que um médico trabalha.
• 52:37
  Ele coleta os dados, te pede o exame, você volta ele olha
• 52:41
  aqueles dados e cruzando aqueles dados que ele está vendo com
• 52:45
  tudo que ele conversou com você, entendeu?
• 52:47
  Do que você precisava antes ele vai falar, então ó, você tem,
• 52:50
  sei lá, uma doença XE pra essa doença x você tem um tratamento
• 52:54
  y essa estrutura do processo decisório do médico.
• 52:58
  Claro que eu estou usando uma Liberdade poética para fazer uma
• 53:00
  analogia aqui, mas essa estrutura é uma estrutura muito
• 53:04
  similar ao que a gente entende por método científico com quem
• 53:07
  já fez um TCC ou quem já publicou alguma coisa, sabe que
• 53:10
  você tem lá a hipótese. Aí você testa a hipótese, aí
• 53:13
  você corrobora ou refuta a hipótese?
• 53:15
  E aí, né, pra cobrir uma vacina, né?
• 53:17
  A gente tá em época de pandemia, mas AA como que a vacina?
• 53:21
  Você sabe, essa vacina É Ou Não É eficiente para tratar alguma
• 53:24
  coisa? Porque você testou, você isolou,
• 53:27
  você criou os grupos, então assim, existe um método para
• 53:30
  você trabalhar. E com dados digitais aqui,
• 53:34
  voltando para o nosso mundo é se você não tiver essa mesma
• 53:38
  estrutura metodológica. Você talvez não consiga extrair
• 53:42
  os dados, tudo o que ele quer, tudo que eles podem te dar,
• 53:45
  então você precisa entender qual que é o problema?
• 53:47
  Você precisa entender o contexto.
• 53:48
  Você precisa formular perguntas ou hipóteses.
• 53:51
  A partir daí, você vai investigar o que que é a partir
• 53:55
  dessa sua pergunta da sua hipótese, do seu problema que
• 53:57
  você precisa resolver, você sabe, eventualmente qual tipo de
• 54:01
  técnica ou modelo é melhor você aplicar para aquele caso
• 54:04
  específico? Tudo o que você decide a ao
• 54:08
  longo desse processo, dessa camada mais técnica do trabalho
• 54:11
  com dados, está profundamente influenciada pelo contexto do
• 54:14
  problema e por todo esse exercício inicial que você
• 54:17
  precisou fazer. Só que não é todo mundo que anda
• 54:20
  por esse caminho. A ideia geral é que basta, você
• 54:24
  tá sentado num, num sei lá, num trilhão de dados ali, seja lá
• 54:27
  qual for a quantidade e que quanto mais dados você tiver,
• 54:31
  melhor vai ser a decisão que você vai tomar mais exato.
• 54:34
  Essa decisão, menos risco você corre para algumas coisas, isso
• 54:37
  funciona muito bem. Mas, para situações complexas,
• 54:40
  não adianta que é um exemplo clássico, que infelizmente tem
• 54:43
  muito a ver com esse contexto tão difícil que a gente está
• 54:46
  vivendo agora em pandemia. Está aí, AAA as evidências
• 54:50
  científicas, os dados a respeito da do não funcionamento de
• 54:55
  terapias preventivas. Está aí os dados sobre quais
• 54:59
  medidas são medidas melhores para mitigar o risco de contágio
• 55:04
  EE de espalhamento da da do vírus por um país por uma
• 55:07
  cidade. Enfim, taí os dados sobre a
• 55:09
  vacina e ainda assim você tem milhões de pessoas no mundo que
• 55:14
  tomam remédio que não funciona para proteger, que dizem que
• 55:17
  máscara não funciona pra nada, então.
• 55:19
  É. É uma das razões pelas quais a
• 55:22
  gente está entendendo que é. É quando quando nasceu essa
• 55:26
  história de dados, inteligência artificial e tal meio que a
• 55:29
  gente pensou assim é ótimo. Agora tem um Monte de dado
• 55:32
  digital que até pouco tempo atrás a gente não tinha
• 55:34
  disposição. A gente tem um poder de
• 55:36
  processamento que só cresce com o avanço da tecnologia, que a
• 55:39
  gente não tinha até lá atrás para conseguir processar essa
• 55:42
  quantidade enorme de dados e a hora que a gente juntar essas 2
• 55:45
  coisas, a gente tem a resposta para tudo.
• 55:48
  E isso foi super equivocado. EE coincidência ou não, é muito
• 55:52
  parecido com uma série de coisas que a gente fez com outras
• 55:54
  tecnologias no passado. Vários momentos com a
• 55:58
  eletricidade. Foi assim com a energia atômica.
• 56:01
  Foi assim, só para citar 2 exemplos.
• 56:03
  A gente olhou aquilo, falou pronto, isso vai resolver todo o
• 56:07
  problema da humanidade. A hora que todo mundo tiver
• 56:10
  energia elétrica, o mundo vai ser o Paraíso na Terra que a
• 56:14
  gente sempre sonhou. E então assim, talvez exista
• 56:17
  muito mais um aspecto da da nossa natureza humana de
• 56:21
  projetar numa tecnologia nova que promete mundos e fundos, mas
• 56:25
  que talvez a gente não entenda direito do que propriamente, o
• 56:28
  que isso consegue responder. Porque AA.
• 56:31
  Um problema complexo AA de um mundo cada vez mais
• 56:35
  hiperconectado com todos esses dados mudando o comportamento
• 56:39
  das pessoas, né? A gente já falou sobre algoritmo
• 56:42
  que media a nossa experiência. É, é muito complexo para você
• 56:46
  conseguir modelar matematicamente tudo isso.
• 56:49
  E conseguir dizer com certeza que uma coisa.
• 56:52
  Com alguns tipos de problemas, isso funciona.
• 56:55
  Se você tem, sei lá, uma linha de montagem de brinquedo, se
• 56:59
  você. Apertar Oo parafuso do brinquedo
• 57:02
  5 segundos mais rápido por parafuso, você vai produzir mais
• 57:05
  brinquedo no final da linha de montagem.
• 57:08
  Isso funciona? Só que para resolver os
• 57:11
  problemas que a gente tem hoje nesse mundo que a gente vive
• 57:13
  hoje, com toda essa complexidade nova que essas tecnologias estão
• 57:18
  alimentando, é esse jeito de pensar.
• 57:21
  Não vai funcionar para resolver todos os problemas.
• 57:24
  Então é, eu diria que muito mais do que AA do que essas
• 57:28
  tecnologias nos darem as respostas mais exatas ou as
• 57:31
  verdades mais definitivas. O que essas tecnologias fazem é
• 57:36
  ampliar a nossa capacidade de análise, por exemplo, de
• 57:40
  cenários diferentes. Então, se eu fizer isso, isso,
• 57:43
  isso, o que que acontece aí? O modelo e faço, tenho muito
• 57:46
  poder de processamento, eu tenho muita informação, então eu
• 57:49
  consigo ter uma supervisão além do alcance aqui para olhar sobre
• 57:54
  várias óticas diferentes, sob várias óticas diferentes.
• 57:58
  Como que alguma coisa pode acontecer caso eu tome uma
• 58:01
  decisão x ou y, né? E uma outra coisa que acontece
• 58:04
  muito nesse contexto. É de empresa, seja ela
• 58:07
  tradicional, seja startup. Essa ideia do tipo não, mas
• 58:11
  espera, se não tiver o dado, eu não sei tomar decisão não, não é
• 58:15
  a lógica não funciona desse jeito.
• 58:17
  Você é um conhecedor da sua área de atuação e quem tiver ouvindo
• 58:20
  também entende sobre as os seus segmentos de atuação e o seu
• 58:24
  segmento de atuação já tem um grande repertório e aprendizado
• 58:28
  histórico sobre como as coisas funcionam.
• 58:30
  Então, AA como que a maneira, então assim eu vou fazer, vou
• 58:34
  rodar aqui o meus os meus analytics, vou analisar os
• 58:36
  dados. E vou tentar achar para saber
• 58:39
  exatamente o que eu vou oferecer para quem não, não
• 58:41
  necessariamente você precisa abordar dessa forma,
• 58:43
  especialmente quando for um problema complexo, vender coisa,
• 58:46
  comportamento das pessoas e assim por diante.
• 58:49
  Como que, como que eu penso na prática, né?
• 58:52
  Então, assim, a minha é em em método científico, a gente
• 58:55
  começa sempre um estudo com a hipótese nula, e aí eu vou
• 58:59
  tentar refutar ou corroborar essa hipótese nula com os meus
• 59:01
  experimentos com dados, né? É assim que funciona.
• 59:04
  Descrito de maneira simples, 11 estrutura de método científico,
• 59:08
  a minha hipótese nula aqui no nosso contexto corporativo,
• 59:11
  empresarial, enfim, é a minha decisão que eu tomaria se eu não
• 59:14
  tivesse nenhum outro dado para saber o que que eu faria se eu
• 59:18
  não tivesse essas informações, tá?
• 59:20
  Então, essa é a decisão que eu vou tomar.
• 59:22
  Caso todas essas análises que eu vou fazer não me façam mudar de
• 59:26
  opinião pronto, eu tenho uma lógica totalmente diferente para
• 59:29
  começar a operar a partir de agora.
• 59:31
  Porque essa é a união dessa expectativa irreal e dessa
• 59:36
  premissa equivocada de quanto mais dado tem, melhor a decisão
• 59:40
  se toma porque não é assim a natureza do nosso processo
• 59:43
  decisório está aí a economia comportamental, neurociência,
• 59:47
  psicologia. Com décadas de estudos,
• 59:50
  mostrando como a gente toma decisão, né?
• 59:52
  Nessa ideia da racionalidade pura, né?
• 59:54
  Isso é completamente equivocado, ainda que esteja na base de
• 59:58
  várias coisas da nossa sociedade.
• 1:00:00
  Mas é completamente equivocada, né?
• 1:00:02
  É, se eu. Se eu Uno essa premissa
• 1:00:06
  equivocada e essa expectativa equivocada, de quanto mais dado
• 1:00:09
  eu tenho, melhor decisão eu tomo.
• 1:00:11
  Eu vou ter um fenômeno que recebeu o nome recentemente de
• 1:00:15
  análises paralisia, a parálise da análise, sei lá, numa
• 1:00:18
  tradução livre, que muita informação no nosso cérebro ele
• 1:00:24
  não funciona muito bem, então você vai ter uma parálise pelo
• 1:00:27
  problema oposto. Se você achava que você não
• 1:00:29
  tomava boas decisões, porque tinha pouco dado, você também
• 1:00:33
  não vai tomar a decisão. Se tiver muito dado, então é.
• 1:00:37
  É o entende que o jeito de eu AA minha expectativa e o jeito de
• 1:00:42
  eu olhar para. Da aplicação dessas coisas pode
• 1:00:45
  me levar para um tipo de processo decisório que me ajuda.
• 1:00:51
  Ou pode me levar para um tipo de processo decisório que a
• 1:00:54
  expectativa está tão alta e é tão difícil de resolver aquele
• 1:00:57
  problema que eu preciso resolver e eu não sei dessa dificuldade.
• 1:01:00
  Eu ignoro essa complexidade que eu vou paralisar e mas aí, como
• 1:01:04
  que você explica você ter dado você ter ferramenta, você, ter
• 1:01:08
  as pessoas que saibam a matemática lá, seja lá o que for
• 1:01:11
  e você não conseguir tomar uma decisão, né?
• 1:01:14
  Então isso tem muito a ver com a nossa expectativa e a questão da
• 1:01:16
  alfabetização de dados. Eu acho que entra um pouco para
• 1:01:19
  ajustar um pouco esse olhar, é um problema mais de olhar.
• 1:01:22
  Do que de ferramenta? Sensacional então sentido também
• 1:01:27
  também. Acho que ficou brincando com o
• 1:01:28
  pessoal, que não adianta se dar um Painel de da nasa para uma
• 1:01:31
  pessoa que às vezes não consegue nem olhar o próprio velocímetro
• 1:01:34
  do carro ou da moto. Então muita desses muito dado eu
• 1:01:38
  também refuto isso muito. Quando a gente olha uma
• 1:01:40
  perspectiva de produto, né? Se a gente de fato não entende
• 1:01:43
  as hipóteses que a gente quer testar, aí o achismo é válido.
• 1:01:47
  Nesse cenário que é o que você falou, pelo nosso conhecimento
• 1:01:49
  empírico, nós temos conhecimentos empírica de
• 1:01:51
  determinadas áreas, né? E o que a gente precisa fazer de
• 1:01:54
  fato, é tentar e testar. E aí acho que um bom ponto que
• 1:01:57
  você falou, José, que? Acho que a enxergou que talvez
• 1:02:01
  hoje é um problema de grandes empresas.
• 1:02:04
  Acho que empresas maiores empresas querem fazer aquele
• 1:02:06
  famoso grupo mais cedo, né? Isso que você falou de testar em
• 1:02:09
  cima de uma base antes de testar em cima das pessoas.
• 1:02:12
  A gente acaba não falando isso, né?
• 1:02:13
  Então, eu, por exemplo, às vezes no dia a dia, acabou pedindo
• 1:02:16
  aquela vedado, mas a gente quer. Freneticamente, tomar a decisão
• 1:02:20
  em cima do dado para olhar e falar.
• 1:02:22
  Não estou me baseando em cima disso e eu também não paro para
• 1:02:25
  olhar essa perspectiva. Tá aí.
• 1:02:27
  Se eu testar em cima de alguns modelos de dados antes de eu
• 1:02:30
  fazer qualquer coisa, qual o resultado que vai me dar esse
• 1:02:32
  experimento, né? É, eu acho que vou ter a aí, eu.
• 1:02:36
  Eu só resgataria um pouco aquela questão da importância da gente
• 1:02:40
  entender a natureza do problema, porque, a depender do tipo de
• 1:02:44
  problema que a gente precisa resolver, talvez essa abordagem
• 1:02:47
  de testar com o que você já tem na base, por exemplo.
• 1:02:50
  Possa ser um algo que pelo menos te dê a uma ideia dos primeiros
• 1:02:55
  passos que você vai dar claro, se você vai lançar uma coisa
• 1:02:57
  completamente nova no mercado, a gente tá falando de uma
• 1:03:00
  complexidade muito maior, né? Como você vai testar alguma
• 1:03:03
  coisa que as pessoas nunca utilizaram, né?
• 1:03:06
  Tem aquela frase cérebro e lado Henry Ford, sei lá, há se eu
• 1:03:10
  perguntasse para as pessoas o que elas gostariam, elas diriam
• 1:03:12
  que queriam um cavalo mais rápido, né?
• 1:03:14
  E não o carro, então é, é tudo isso é muito contexto
• 1:03:19
  dependente, né? O tipo de problema não é.
• 1:03:22
  Deixa eu pegar uma técnica e sair aplicando essa técnica a
• 1:03:25
  torto e a direito, ela pode ajudar?
• 1:03:28
  Eventualmente pode, mas às vezes ela não vai ser o lugar mais
• 1:03:30
  eficiente para resolver aquele tipo de problema que você
• 1:03:33
  precisa resolver. Então é Oo, sei lá, usando o
• 1:03:36
  exemplo do médico, não é para tudo o que o médico vai pedir,
• 1:03:39
  sei lá, um ultrassom da sua e Office, sei lá ou do seu fígado.
• 1:03:45
  Dependendo do tipo de sintoma do seu histórico, das suas questões
• 1:03:49
  familiares, você tem tipos de exames diferentes que o médico
• 1:03:52
  vai pedir. A lógica é mais ou menos a
• 1:03:54
  mesma, dependendo do problema que você tem, você pode coletar
• 1:03:58
  algum tipo de dado e não outro, aplicar um tipo de técnica ou
• 1:04:01
  modelo ou seja lá o que for, e não outros modelos.
• 1:04:04
  Então quanto melhor você entender o tipo de problema que
• 1:04:08
  você precisa resolver, melhor você vai conseguir decidir o
• 1:04:12
  dado que você vai usar, porque às vezes nem precisa de muito
• 1:04:14
  dado. Às vezes ele vai precisar de
• 1:04:15
  muito data, tem muito, tem um outro termo, né?
• 1:04:17
  Ao lado de big data, que é o tal de do small data, então se você
• 1:04:22
  entende bem o problema. Às vezes você tem um jeito muito
• 1:04:27
  mais rápido de de de de resolver aquilo, né?
• 1:04:30
  Porque no fim do dia você precisa apoiar o qual que é Oo.
• 1:04:35
  A grande vantagem dos dados não é aplicado em contexto de
• 1:04:38
  negócio, é que você apoia um processo decisório.
• 1:04:44
  Então, às vezes você não precisa fazer todo o ciclo aplicar
• 1:04:47
  1000000 de coisas super complexas e tal, não, às vezes é
• 1:04:51
  um problema tão mais simples que eu tenho algumas técnicas muito
• 1:04:54
  simples de se fazer e que vão ser muito mais rápidas, né?
• 1:04:59
  É então assim. É, eu quero só reforçar essa
• 1:05:02
  questão da importância do entendimento do problema, da
• 1:05:05
  formulação, dessas hipóteses. Mas não simplesmente para pegar
• 1:05:09
  dado e ficar testando e fazer um teste.
• 1:05:12
  Alguns testes AB meio safado que se fazem por aí.
• 1:05:15
  Não, não, não há. Se não fizer isso, não vai dar
• 1:05:18
  certo. Como que a gente chegou até
• 1:05:20
  aqui? Essa história tem muita lá.
• 1:05:23
  Em 2011, 2012, tinham vários papéis da da de uma área da
• 1:05:27
  bolha ali da matemática, da estatística e tal que se
• 1:05:30
  criticava muito essa história de ciência de dados.
• 1:05:32
  Falar isso não é ciência de dados, isso é estatística.
• 1:05:35
  Né? Inteligência artificial é um
• 1:05:37
  termo de 1956. A ideia de rede neural remonta à
• 1:05:41
  década de 40. Então, assim é é Oo que a gente
• 1:05:44
  tem agora é dado digital num volume surreal e muito poder de
• 1:05:47
  processamento AA os modelos AA matemática por trás disso não é
• 1:05:53
  nada de novo. Então eu acho que às vezes a
• 1:05:56
  gente tem um certo fetiche pela ferramenta, assim há, mas se eu
• 1:06:00
  não usar tal coisa, se eu não fizer tal coisa, quer dizer que
• 1:06:04
  não é não. Às vezes não precisa fazer.
• 1:06:08
  Dá para resolver de um jeito muito mais simples, mas quem vai
• 1:06:11
  determinar o caminho que você vai seguir para resolver aquele
• 1:06:15
  problema ou para apoiar aquela decisão é o seu entendimento bem
• 1:06:20
  feito, do tipo de problema que você precisa resolver.
• 1:06:24
  É, acho que até um ponto que você começou a falar bem da
• 1:06:27
  parte das ferramentas, queria puxar também 11 pergunta, bem?
• 1:06:33
  Um ponto de vista, né? A gente tá falando bastante que
• 1:06:35
  é isso que você falou muito de ferramenta.
• 1:06:36
  Até brinquei, né? Vamos falar de Gea, vamos falar
• 1:06:38
  de mix pena, vamos falar. Moda na área de produtos,
• 1:06:42
  principalmente. Acho que quando a gente fica
• 1:06:44
  falando de tomado decisão, né? E aí uma coisa também que o
• 1:06:47
  pessoal fica falando é ter uma dor, é?
• 1:06:51
  Que é como que eu tenho 111 base de dados confiáveis que hoje na
• 1:06:56
  moda tal deita Lake, né? Qual a empresa não está falando
• 1:06:59
  de ter projetos grandes, de deitar Lake, porque eu preciso
• 1:07:01
  higienizar a minha base, porque eu preciso ter aquilo como a
• 1:07:04
  melhor maneira possível, então? Até puxando, assim é OA sua
• 1:07:08
  perspectiva. Isso de fato, é uma dor.
• 1:07:10
  Se sim, como a gente resolve essa dor?
• 1:07:13
  Essa pergunta de um trilhão de dólares, né?
• 1:07:16
  Sim, é. Então só vou resgatar um pouco
• 1:07:19
  aquela questão do contexto que eu falei bem no começo da
• 1:07:21
  conversa, né? Dessas mudanças cada vez mais
• 1:07:24
  aceleradas e tal que estão mudando radicalmente o contexto,
• 1:07:27
  a natureza dos desafios que a gente precisa resolver enquanto
• 1:07:31
  sociedade, enquanto a empresa, enquanto escola, enquanto
• 1:07:33
  indivíduo, em todas as escalas, né?
• 1:07:35
  Em todos, zuin pro indivíduo zum alt para a sociedade.
• 1:07:39
  A gente está exposto aos mesmos novos problemas, né?
• 1:07:42
  A diferença é só a escala. Então, é.
• 1:07:48
  Claro, se você tem uma empresa que está nascendo agora, né?
• 1:07:52
  Como o caso das startups que a gente estava falando antes é, é
• 1:07:55
  natural que você vai começar já no novo paradigma, vai, vamos
• 1:08:00
  colocar dessa forma aqui, entre aspas, no sentido de que há, sei
• 1:08:03
  lá, eu vou fazer um aplicativo que vai prestar algum serviço
• 1:08:06
  para alguém ou um genérico. Eu vou ter ali a minha estrutura
• 1:08:10
  de dados, eu vou, isso daí vai estar rodando, sei lá, na nuvem
• 1:08:13
  algum, em algum lugar, enfim, a tudo aquilo já vai nascer AA
• 1:08:18
  estruturado. Desse jeito digital de pensar,
• 1:08:22
  tá? Quando a gente olha para uma
• 1:08:24
  empresa tradicional de qualquer segmento, o que você tem é uma
• 1:08:29
  estrutura gigante, pode ser banco, pode ser empresas de bens
• 1:08:33
  de consumo, o que for, uma estrutura gigante, a 1111
• 1:08:38
  paradigma organizacional e de gestão ali que não mudou tanto
• 1:08:42
  em relação a 2030 anos atrás. É tudo meio parecido, áreas
• 1:08:46
  super especializadas, em alguns casos, é tudo dividido em silos,
• 1:08:51
  né? Então você tem às vezes áreas
• 1:08:54
  com. Muita informação sobre aquele
• 1:08:56
  recorte específico do que a área faz, mas muito pouca
• 1:08:59
  transversalidade, né? As outras perspectivas as outras
• 1:09:02
  áreas estão fragmentadas na organização.
• 1:09:06
  Então a gente vem falar sobre AA customer centricity, né?
• 1:09:10
  Os o cliente no centro, ali e tal.
• 1:09:13
  E aí você tem um Monte de área que faz interface com o cliente,
• 1:09:16
  cada um com o seu próprio olhar e assim zero integração, né?
• 1:09:22
  Então, da onde vem isso? Há, mas isso é um problema?
• 1:09:25
  Não, não, não é. É, é, faz parte desse processo
• 1:09:28
  evolutivo pelo qual todos estamos passando.
• 1:09:31
  Nesse cenário que eu descrevi ali no começo do nosso papo.
• 1:09:35
  Dito isso, aonde que se encaixa essa história do data Lake, do
• 1:09:40
  dado organizado, limpo e tal? É a gente em geral, não é
• 1:09:47
  naquele livro que eu citei lado, competindo na era da
• 1:09:49
  inteligência artificial. Eles citam a 3 aspectos
• 1:09:54
  centrais, como é? É os grandes superpoderes que os
• 1:09:57
  dados, quando bem utilizados, né?
• 1:10:00
  O aí aqui, dados todas as tecnologias, e não só o dado por
• 1:10:03
  si só, é quando bem utilizados, quando bem aplicados podem dar
• 1:10:07
  para uma empresa capacidade de escala, capacidade de escopo e
• 1:10:11
  capacidade de aprendizagem. Tá, então vou usar AS.
• 1:10:15
  Esse framework desses autores para a gente explorar um pouco a
• 1:10:19
  pergunta que você fez. O que que uma estrutura de uma
• 1:10:25
  infra-estrutura bem construída, né?
• 1:10:29
  É? É tudo funcionando muito bem
• 1:10:30
  ali. Data, Lake bababá as ferramentas
• 1:10:33
  ali, todo mundo com alto nível de alfabetização de dados.
• 1:10:37
  Então pessoas das áreas de negócio não vão precisar ficar
• 1:10:41
  abrindo o pedido lá em TI ou na área de dados que está segregada
• 1:10:45
  para que essas pessoas façam as suas análises EE resolvam as
• 1:10:48
  coisas, não. Essas pessoas vão usar ali a sua
• 1:10:50
  ferramenta de b ou seja lá qual for AO software que eles usem
• 1:10:54
  naquela companhia. E vão conseguir acessar esse
• 1:10:56
  detalhe que tem acesso aos dados que precisem fazer algumas
• 1:11:00
  operações matemáticas mais básicas.
• 1:11:01
  Claro, não. Coisas super avançadas deixa.
• 1:11:04
  Para a especialista a fazer EE vão conseguir tomar decisão com
• 1:11:08
  base naquele tipo de coisa. Nesse sentido, uma
• 1:11:10
  infraestrutura garante esse acesso, garante.
• 1:11:14
  Essa é essa transversalidade na companhia, garante escala.
• 1:11:19
  Garante velocidade, né? Claro que essa nossa companhia
• 1:11:23
  ideal tem uma grande política de governança.
• 1:11:27
  Aqui tem um olhar para como cada área está gerando o seu dado.
• 1:11:30
  É para para que essas coisas sejam cruza vez depois ali, né?
• 1:11:35
  Porque não adianta ser lá, eu tenho uma frequência de coleta
• 1:11:37
  de dados na minha área aqui, uma vez por mês, e aí a sua área
• 1:11:41
  coleta a uma vez por minuto. Eu preciso pelo menos acertar
• 1:11:46
  essa questão temporal antes de fazer qualquer operação
• 1:11:48
  matemática, né? Então.
• 1:11:51
  Num, numa empresa com um nível de maturidade mais alto, com o
• 1:11:54
  nível de alfabetização mais altos.
• 1:11:56
  Todos esses ajustes são feitos. A parte Infra estrutural me
• 1:12:01
  garante escala para essas coisas.
• 1:12:04
  Me garante facilidade de acesso, né?
• 1:12:06
  Com uma boa política de governança, me garante a
• 1:12:08
  fidedignidade da informação que eu estou acessando.
• 1:12:11
  Então são esses os aspectos importantes da gente ter AA uma
• 1:12:17
  boa infraestrutura e assim por diante agora.
• 1:12:21
  Vamos voltar para a realidade. Saímos aqui do mundo ideal,
• 1:12:24
  voltando para a realidade, então você tem essa empresa.
• 1:12:27
  Que tem as áreas especializadas em silos, que não se conversam,
• 1:12:31
  visões fragmentadas, informação fragmentada, cada um faz de um
• 1:12:34
  jeito, às vezes, cada área tem uma ferramenta diferente.
• 1:12:37
  Cada área tem um olhar diferente.
• 1:12:39
  Cada área interpreta um indicador, uma métrica, sei lá,
• 1:12:42
  de uma maneira diferente. Tudo isso acontecendo junto, aí
• 1:12:46
  eu vou lá, eu sei lá site ou da empresa CEO da empresa, seja lá
• 1:12:50
  o que for e falou, não vamos fazer um data Lake porque o
• 1:12:53
  nosso problema é que a gente não tem um data Lake.
• 1:12:58
  Não mexi na alfabetização dos dados.
• 1:13:00
  Não mexi no jeito que as áreas estão olhando para suas próprias
• 1:13:03
  informações. anão não integrei as coisas que hoje estão
• 1:13:07
  fragmentadas, mas aí eu coloco uma infraestrutura lá no meio
• 1:13:11
  que eventualmente vai consumir essas informações do jeito que
• 1:13:14
  elas já são geradas há anos ou às vezes há décadas, a depender
• 1:13:17
  da empresa. E o fato dessas coisas estarem
• 1:13:21
  ali, acessíveis, não garante uma que as pessoas vão saber o que
• 1:13:25
  utilizar, como utilizar 2 que tipo de operação matemática eu
• 1:13:29
  vou saber porque sei lá, eu sou de supplier, tem a pessoa do
• 1:13:32
  marketing que tem um dado totalmente diferente do meu.
• 1:13:36
  Como que eu sei se eu posso cruzar a lá lé com cré, a com b,
• 1:13:39
  sei lá, entende? Então assim, a infra-estrutura é
• 1:13:42
  importante, é super importante agora, se todas essas condições
• 1:13:49
  anteriores. Não estiverem garantidas.
• 1:13:53
  Talvez você a às vezes até aumenta o problema, até porque
• 1:13:57
  você vai ter colocado uma grana para construir aquela
• 1:13:59
  infraestrutura ali. Então, voltando lá para uma das
• 1:14:02
  minhas primeiras respostas, quando eu falei, talvez seja
• 1:14:04
  melhor pegar uma área de negócio, fazer um experimento,
• 1:14:07
  começar pequeno e ir crescendo. É, é diferente de você.
• 1:14:12
  Vim numa estrutura de uma empresa muito grande.
• 1:14:14
  Colocar ali top. Não há data Lake, vamos fazer
• 1:14:17
  isso, vamos fazer aquilo. EE aí, como que eu sei que eu
• 1:14:22
  que estou numa área, eventualmente vou ter pessoas
• 1:14:24
  que vão saber responder sua organização, mas não tem escala,
• 1:14:28
  porque eu vou ter que ligar para TI para perguntar se eu posso?
• 1:14:31
  Se eu não posso? Mas aí isso vai ficar numa num
• 1:14:34
  backlog lá, sei lá, numa fila de TE até TE conseguir me
• 1:14:37
  responder? Não vai resolver, né?
• 1:14:40
  Eu, AO que essas novas tecnologias não só dados, né,
• 1:14:44
  mas o que essas novas tecnologias no geral podem nos
• 1:14:46
  oferecer de vantagem. Uma das vantagens é a questão da
• 1:14:49
  escala. Agora, se eu não tenho AA, se
• 1:14:52
  cada dado é com é, é coletado de um jeito, cada pessoa faz uma
• 1:14:56
  coisa, guarda informação de um jeito, coloca tudo ali no mesmo
• 1:15:00
  balaio. Quem me garante que o que eu
• 1:15:03
  estou fazendo ali faz sentido, não faz?
• 1:15:05
  Sabe? Então é.
• 1:15:08
  Tecnologia é importante. Mas tecnologia num sentido mais
• 1:15:12
  amplo, né? Infra estrutural, ferramenta,
• 1:15:15
  enfim, isso é importante. Claro que é importante, mas é
• 1:15:18
  importante. Se eu souber usar essa
• 1:15:21
  tecnologia nova, do jeito que ela pode ser usada.
• 1:15:25
  O problema das empresas hoje não é falta de tecnologia, não é
• 1:15:28
  falta de ferramenta, a empresa não toma a melhor decisão
• 1:15:32
  possível, porque ela tem pouco dado ou porque ela não tem a
• 1:15:35
  ferramenta x ou a tecnologia y não é esse obstáculo, pelo menos
• 1:15:40
  não é isso que a literatura especializada a mostra, tá?
• 1:15:42
  É o obstáculo de novo. Isso na hora baltic nology about
• 1:15:46
  cultura é o jeito da pessoa pensar às vezes, com pouca
• 1:15:50
  tecnologia, mas com um bom jeito de pensar você consegue resolver
• 1:15:55
  alguma coisa e provar um pouco daquele valor.
• 1:15:58
  E aí, talvez você vá crescendo escalando isso.
• 1:16:01
  Óbvio. Se você tem uma liderança super
• 1:16:04
  bem entendida sobre os processos e que consiga conduzir 11
• 1:16:08
  processo de transformação digital num sentido mais amplo e
• 1:16:12
  de dados no sentido mais específico, com várias áreas e
• 1:16:15
  com tudo funcionando muito bem, pô, é incrível, dá pra fazer, dá
• 1:16:19
  pra fazer. É um desafio enorme também.
• 1:16:21
  Claro, não estou dizendo que é impossível, não, não é que é
• 1:16:25
  impossível, é que, em geral, o que as empresas elas partem do
• 1:16:28
  pressuposto de que elas não são, entre aspas, orientadas por
• 1:16:32
  dados. Porque não tem um data Lake, o
• 1:16:34
  que você tem lá, sei lá, é um SQL à não é data Lake.
• 1:16:38
  O que eu tenho então eu não vou conseguir fazer EE esse jeito de
• 1:16:42
  pensar não tem se revelado o jeito mais eficiente de se
• 1:16:46
  resolver o problema e de AA, seguir essa jornada de
• 1:16:49
  transformação digital, analítica, enfim.
• 1:16:53
  Ao ler? Paula Paula, em menos de ou mais
• 1:16:58
  de 1 hora, é aí de podcast a aula.
• 1:17:02
  Claro que esse episódio será comercializado por 39 e 97
• 1:17:05
  centavos. Aceita Pix, tá bom que a gente
• 1:17:12
  começou numa visão macro, é, digamos assim, uma bem macro,
• 1:17:17
  né? De mundo ali de dados.
• 1:17:19
  Aí o novo petróleo para o José, não é?
• 1:17:23
  É, e começamos a entrar um pouco mais pro micro até chegar no
• 1:17:29
  contexto de de organização de empresas de startup.
• 1:17:33
  Marcelo, a Ted aproveitou o episódio para uma consultoria
• 1:17:38
  grátis do Zé. Depois cê manda o boleto para o
• 1:17:41
  Marcelo, tá bom? Já gerei o QR Code do Pix aqui
• 1:17:44
  pra mandar Pra Ele antes perfeito, já já, cobra ele.
• 1:17:49
  E assim. Pelo que eu entendi, da última
• 1:17:53
  da última resposta. Não falta ferramenta e não falta
• 1:17:58
  dados. Falta mais uma mentalidade ou
• 1:18:01
  uma cultura mais analítica de como como usar esses dados, né?
• 1:18:06
  E num e num papo seu lá na Terra?
• 1:18:11
  É você ter abordou. 11 ponto bem interessante que eu que eu
• 1:18:16
  gostaria de de de trazer aqui para para esse episódio como uma
• 1:18:19
  última pergunta antes da gente da gente encerrar que é, quais
• 1:18:24
  são os 3 pilares dessa transformação analítica?
• 1:18:28
  Não é? É assim.
• 1:18:31
  Eu sou de um contexto em que eu trabalhei numa, numa numa
• 1:18:35
  senhora empresa de mais de 70 anos de idade, em que a gente é
• 1:18:39
  o que, como na de produtos eu trabalhei muito com Excel, SAS e
• 1:18:46
  Power bi para visualização, né ali?
• 1:18:50
  E eu já era muito feliz com o Excel.
• 1:18:54
  Do Nada, apareceu umas ferramentas maluca aí.
• 1:18:57
  Que você precisa fazer uns códigos da nasa para você tirar
• 1:19:02
  o mesmo número, mesmo dado que você tira num PROC.
• 1:19:06
  Acontecer, ser o No No Excel. Ô José, é como que faz essa
• 1:19:12
  transformação analítica nas empresas?
• 1:19:16
  Quais são os pilares a nos passa a receita, José.
• 1:19:21
  É, eu acho que a gente abordou aqui os a talvez os pilares é
• 1:19:27
  potenciais que essas tecnologias de dados possam apoiar, né?
• 1:19:33
  Ou possam fomentar para que de fato as empresas consigam
• 1:19:37
  realizar essa jornada de transformação, analítica,
• 1:19:39
  transformação digital, né? Que é como essas tecnologias de
• 1:19:42
  dados apoiam, escala, escopo e aprendizagem dentro das
• 1:19:47
  companhias, né? Agora, o que você tem para o
• 1:19:50
  outro lado? Né?
• 1:19:52
  Como talvez alguns obstáculos principais para que esse
• 1:19:56
  processo ocorra em larga escala, dentro das organizações tem a
• 1:20:01
  ver com a questão da cultura. A questão da estrutura
• 1:20:05
  organizacional e a liderança, né?
• 1:20:09
  Então, esses 3. Outros pilares são tem se
• 1:20:15
  revelado a os principais obstáculos que impedem que as
• 1:20:20
  companhias consigam avançar no seu processo de transformação
• 1:20:24
  digital. E de novo, né?
• 1:20:25
  Eu entendo que essa história de dados, transformação analítica e
• 1:20:28
  tal, isso é meio que um capítulo aqui dessa temporada mais ampla
• 1:20:32
  que a gente chama de transformação digital, né?
• 1:20:34
  Eu acho que essas coisas estão interconectadas.
• 1:20:37
  E então? Como você falou no início da sua
• 1:20:42
  formulação da pergunta, é o fato de você ter a tecnologia x ou y
• 1:20:47
  se você usar o Excel ou Power b ou ábaco, sei lá, é a diferença
• 1:20:52
  que isso vai fazer é na sua capacidade de extrair alguma
• 1:20:56
  solução a partir daquilo, né? Então, não necessariamente
• 1:21:00
  porque uma ferramenta tem uma lista de atributos técnicos mais
• 1:21:04
  ampla e que pode fazer muito mais coisa.
• 1:21:08
  É se eu não souber usar aquilo. Não adianta ter, né?
• 1:21:13
  É, sei lá. Se eu tiver uma Ferrari No No
• 1:21:15
  trânsito de São Paulo, o que que eu vou fazer com a Ferrari?
• 1:21:18
  Eu vou andar 35 por hora, gastar gasolina pra cacete e ser visado
• 1:21:23
  num país tão desigual quanto nosso é.
• 1:21:26
  Eu estou usando tudo o que a Ferrari você quer, se é um
• 1:21:28
  exemplo bem ruim, inclusive, mas é, é um pouco da mesma lógica
• 1:21:32
  por trás, a da da desse desafio, assim, então, para uma empresa
• 1:21:37
  conseguir trilhar, ela tem que entender que AA vários aspectos
• 1:21:42
  da cultura vão precisar mudar. Por exemplo, a relação com um
• 1:21:46
  erro. Quando você tem uma tecnologia
• 1:21:50
  que te dá um poder de processamento e tão grande,
• 1:21:52
  tanta informação. Talvez o objetivo não seja não
• 1:21:56
  errar, mas seja errar mais rápido e aprender mais rápido,
• 1:21:59
  porque a tecnologia te dá essa capacidade de escala, de
• 1:22:02
  aprendizado, né? Lembra.
• 1:22:04
  Escala, escopo e aprendizagem, né é?
• 1:22:08
  E aqui eu estou dando um recorte específico para esses 3 termos
• 1:22:11
  que são muito mais amplos, obviamente.
• 1:22:15
  Se eu não, se eu tenho uma cultura que pune o erro, que,
• 1:22:19
  que, enfim, do jeito tradicional, né?
• 1:22:20
  Que muitos de nós aqui já vivemos bastante.
• 1:22:24
  É eu certamente estou criando um primeiro bloqueio para que todo
• 1:22:28
  aquele potencial que me prometem sobre os dados não se realize.
• 1:22:32
  Se eu tenho uma estrutura organizacional piramidal,
• 1:22:36
  rígida, baseado nesse paradigma do comando e controle, é
• 1:22:41
  totalmente fragmentado, sem nenhum tipo de integração, mas
• 1:22:45
  transversal na estrutura. Eu também tenho um problema.
• 1:22:50
  Porque ainda que eu possa ter em cada área uma quantidade de
• 1:22:53
  dados enorme, né? Se a gente está falando, sei lá
• 1:22:56
  de uma instituição financeira, né?
• 1:22:58
  Que em tese, o cliente está no centro, a área de conta corrente
• 1:23:02
  tem uma perspectiva sobre o cliente, a área do cartão de
• 1:23:04
  crédito tem uma outra perspectiva.
• 1:23:06
  E assim por diante, né? Então, a estrutura
• 1:23:10
  organizacional também é um obstáculo?
• 1:23:14
  Para que a gente consiga extrair dos dados e dessas tecnologias
• 1:23:17
  de dados de uma forma geral, todo o potencial que podem
• 1:23:21
  oferecer, né? E, claro, a questão da
• 1:23:24
  liderança, né? Então você tem um paradigma
• 1:23:27
  tradicional de liderança também está baseado nessa história de
• 1:23:30
  comando e controle que dificulta a circulação da informação
• 1:23:35
  dentro da companhia. Então que tem uma outra relação
• 1:23:38
  com um erro aqui que tem um processo decisório muito mais
• 1:23:43
  baseado ali no cargo ou na posição hierárquica que ocupa, a
• 1:23:47
  do que necessariamente você ter uma visão de cientista mesmo,
• 1:23:50
  né? Deixa eu experimentar aqui fazer
• 1:23:52
  vários experimentos, cara, aqui tem uma coisa legal, vamos
• 1:23:55
  tentar por aqui. Né?
• 1:23:56
  Se você tem um paradigma mais tradicional de liderança, esse
• 1:23:59
  tipo de cenário que eu descrevi brevemente é que nunca vai
• 1:24:02
  acontecer dentro da companhia. Pelo contrário, né?
• 1:24:05
  Expectativa vai ser, pô, te contratei aqui com o cenário de,
• 1:24:08
  com salário de jogador de futebol, enfim, não posso falar,
• 1:24:11
  jogadora de futebol porque jogadora ganha muito menos do
• 1:24:14
  que o jogador, né? Infelizmente, mas é.
• 1:24:18
  E aí você vem aqui para falar que a gente tem que fazer
• 1:24:20
  experimento. Cara, não estou te pagando o que
• 1:24:23
  eu estou te pagando para você me dar uma resposta dessa.
• 1:24:26
  Eu espero que você venha aqui com a solução para mim, né?
• 1:24:29
  Então esse é um exemplo, é, é, é meio caricato, mas é muito
• 1:24:34
  próximo do que todo mundo já viveu.
• 1:24:36
  Se trabalhou numa empresa mais tradicional, enfim, já tem um
• 1:24:39
  pouco mais da idade de idade, como é o meu caso, mas é se te
• 1:24:44
  isso não muda. Você pode ter toda a tecnologia
• 1:24:48
  do mundo à disposição ali que ela não vai estar no contexto AA
• 1:24:52
  necessário para que ela possa florescer, né?
• 1:24:56
  Ou ou ter o seu potencial mais bem explorado por todo mundo e
• 1:25:00
  até para fazer uma coisa meio curiosa assim no final.
• 1:25:04
  Se você vai estudar, da onde vem essa ideia da da, da?
• 1:25:08
  Como surgiu essa ideia de empresa Moderna, né?
• 1:25:11
  AAO conceito disso, a ideia da da de todas essas áreas
• 1:25:15
  especializadas dentro de uma mesma estrutura organizacional.
• 1:25:19
  Aí você volta lá para um pay per de 1937 de um economista chamado
• 1:25:25
  Ronald coze, que chama the fire of the firm.
• 1:25:28
  A teoria da firma numa numa tradução livre a um dos pontos
• 1:25:32
  que ele ressalta, porque a pergunta dele assim, ó?
• 1:25:35
  Por que que eu não posso ter as pessoas a cadeia produtiva, sei
• 1:25:39
  lá, da minha companhia de carro, por que que eu não posso ter
• 1:25:42
  todas as coisas sendo produzidas em algum outro local?
• 1:25:46
  A aí eu preciso ter toda essa cadeia produtiva dentro da mesma
• 1:25:49
  estrutura? Tô sendo super simplista, né?
• 1:25:53
  Na maneira como eu estou contando essa história, claro.
• 1:25:55
  Mas para caber aqui na nossa conversa a uma das coisas que
• 1:25:58
  ele destaca como ponto principal é meu, que escassez da
• 1:26:02
  informação, assimetria informacional.
• 1:26:04
  O custo disso, né? Então, se ela lá no começo da
• 1:26:07
  década de 20 e 30, né? No começo do século 20, se ela,
• 1:26:10
  se o meu fornecedor de borracha das Seringueiras lá do Amazonas
• 1:26:14
  tem uma peste, lá EE acaba com a borracha.
• 1:26:18
  Eu só vou ficar sabendo disso se ela, 3 meses depois, então.
• 1:26:22
  Existia um problema. É, é, sei lá, entre aspas, de
• 1:26:25
  escassez informacional, tem um custo isso, a informação demorar
• 1:26:29
  para chegar. Então eu vou ter menos custos se
• 1:26:32
  eu tiver toda essa estrutura produtiva mais controlada,
• 1:26:36
  dentro de um único ambiente, do que se isso tiver espalhado
• 1:26:40
  territorialmente no Brasil, por exemplo.
• 1:26:44
  Faz sentido quando você pensa em como era o mundo na década de 30
• 1:26:47
  do século passado. Só que hoje a gente tem um mundo
• 1:26:51
  diametralmente oposto, até, de certa forma você tem.
• 1:26:54
  Você não tem mais escassez de informação, você tem excesso,
• 1:26:57
  você não tem mais a simetria. Talvez você tenha uma super
• 1:27:00
  simetria, porque são vários fluxos de informação correndo
• 1:27:03
  simultaneamente. Paralelamente, a gente não sabe
• 1:27:06
  mais o que é verdade, o que é mentira, o que é Sério, que não
• 1:27:08
  é, tá tudo muito louco, né? E aí a gente tem essa mesma
• 1:27:12
  estrutura, lógica de estrutura organizacional.
• 1:27:16
  Recortada de uma época que ela nasceu para resolver um problema
• 1:27:19
  daquele contexto histórico, num contexto histórico
• 1:27:22
  diametralmente oposto. E a gente acha que o problema é
• 1:27:26
  tecnologia. Eu, eu, quando eu falo de dados,
• 1:27:30
  eu, José, eu gosto de trazer 11 experiência que antes da gente
• 1:27:34
  terminar de um evento do Spotify, então fui.
• 1:27:39
  Eu estive presente ali e aí um dos painéis era justamente sobre
• 1:27:44
  sobre dados, é a lei do Spotify, de podcast etc.
• 1:27:49
  E a chuva, lower do mamilo, sei lá.
• 1:27:51
  Ela citou uma frase do Emicida. Eu gosto de trazer muito pro pro
• 1:27:57
  papo de dados, que é, os números não mentem, mas eles também não
• 1:28:01
  sentem. É o excesso de dados.
• 1:28:06
  É, fez o que a gente olha só um número ali sem entender, né?
• 1:28:12
  Analisar, ver OOO que sente esse número ali, ali, ali por trás.
• 1:28:18
  Você acha que é isso ocorre? Muito hoje eu é apenas é.
• 1:28:27
  Coisa minha na minha cabeça de maluco.
• 1:28:29
  Beleza é se se se pensasse em significa ser maluco, então eu
• 1:28:34
  também sou porque. É, eu acho que tem várias
• 1:28:38
  questões aí, né? A gente abordou aqui rapidamente
• 1:28:41
  um pouco da premissa que a gente tem de que o nosso processo
• 1:28:44
  decisório é um processo puramente racional e tal que é
• 1:28:47
  absolutamente equivocado, é assim como AAA ideia de que
• 1:28:52
  atribuir um número para alguma coisa vai te permitir controlar
• 1:28:56
  aquilo ou a ou o fato daquilo. Está expresso numa linguagem
• 1:29:01
  numérica, significa que você está acessando uma verdade
• 1:29:04
  absoluta e definitiva AA sobre a natureza de alguma coisa, né?
• 1:29:08
  De um comportamento ou seja lá o que for, é isso também é super
• 1:29:13
  equivocado, né? A matemática é uma linguagem
• 1:29:15
  também a, é claro que, aplicada como método científico, com
• 1:29:20
  rigor, com tudo isso que a gente está falando ela, ela é
• 1:29:24
  extremamente, não precisa nem falar, cara, a gente está tendo
• 1:29:26
  essa conversa e gravando isso porque a matemática permitiu.
• 1:29:31
  Modelar circuito, entender como tudo isso funcionava e assim por
• 1:29:34
  diante. Mas.
• 1:29:37
  É o fato de ter um número atribuído a alguma coisa.
• 1:29:41
  Não significa que você descobriu a verdade absoluta sobre aquela
• 1:29:44
  coisa, né? É em especial.
• 1:29:48
  Quando a gente está falando, por exemplo, de comportamento
• 1:29:50
  humano, né? É, e aí eu quero resgatar 111,
• 1:29:55
  ideia de um economista, a chamado Charles Goodyear.
• 1:29:59
  Tire da década de 60. Ali aquele tem a Lady good
• 1:30:02
  heart, que diz a lei, digo, heart lá digo.
• 1:30:04
  Hart diz o seguinte, quando uma métrica vira uma meta, ela deixa
• 1:30:10
  de ser uma boa unidade de medida.
• 1:30:12
  Então, o que eu quero dizer com isso?
• 1:30:15
  Vamos pensar na escola tradicional.
• 1:30:19
  O que que é a nota na escola tradicional é uma métrica que te
• 1:30:23
  dá uma informação sobre uma dimensão do seu processo de
• 1:30:27
  aprendizado, certo? Quando uma métrica vira uma
• 1:30:31
  meta, ela deixa de ser uma boa unidade de medida.
• 1:30:34
  Então hoje você tem um Monte de gente que tira 10, isso não
• 1:30:37
  significa porcaria nenhuma. O que que se olha o mundo que a
• 1:30:42
  gente está vivendo? Então?
• 1:30:47
  Essa ideia de ter uma métrica, de ter um indicador há, mas
• 1:30:50
  agora eu sei o que está acontecendo.
• 1:30:52
  Isso não necessariamente é verdade.
• 1:30:54
  E o fato de ter um número de escrevendo alguma coisa também
• 1:30:58
  não significa que você acessou a verdade absoluta indiscutível
• 1:31:01
  sobre aquela coisa. Até porque a gente poderia abrir
• 1:31:04
  um parênteses gigante para falar sobre PES.
• 1:31:06
  Teologia aqui é, a gente tem que discutir.
• 1:31:09
  Até se existe uma verdade definitiva ou não.
• 1:31:12
  Sobre coisas da vida humana, né? Mas isso fica para um outro
• 1:31:16
  podcast, a questão toda é, é importante você usar a
• 1:31:21
  matemática, o método científico como uma ferramenta que te ajuda
• 1:31:25
  a acessar aspectos da realidade. E você entender como funciona
• 1:31:30
  isso para tomar uma melhor decisão, né?
• 1:31:32
  De maneira genérica, é exatamente isso que a ciência
• 1:31:35
  faz e é exatamente isso que as pessoas de que trabalham com
• 1:31:38
  dados deviam fazer. Aplicar o método científico um
• 1:31:43
  processo orientado por dados nada mais é do que uma certa
• 1:31:45
  releitura dessa ideia que a gente tem de método científico
• 1:31:49
  que nos acompanha e nos últimos, sei lá, 150 anos, 100 anos,
• 1:31:52
  enfim, para fazer um recorte mais redondo.
• 1:31:56
  O fato de ter um número não significa que aquilo é uma.
• 1:31:59
  É. É mais verdade do que outras
• 1:32:02
  formas de se entender o fato da pessoa tirar 10 na escola não
• 1:32:06
  significa ela. Saiba tudo ou que todo o
• 1:32:09
  processo de aprendizagem dela funcionou da melhor maneira
• 1:32:12
  possível, porque a antes de atribuir um número pra alguma
• 1:32:16
  coisa antes de criar uma métrica antes de avaliar um indicador,
• 1:32:20
  eu preciso parar e pensar, isso está medindo o que eu preciso
• 1:32:23
  medir. ONPS.
• 1:32:26
  Que é o é, é, é, é o grande fetiche da nossa época, né?
• 1:32:31
  Um dos grandes fetiches da nossa época, que que que mede o NPS?
• 1:32:35
  O que que de fato aquilo está sendo captado quando todo mundo
• 1:32:39
  conhece a escala do NPS e sabe que se você der 9 ou 10, é uma
• 1:32:43
  coisa, 7 ou 8, é outra coisa. Você está respondendo aquilo do
• 1:32:47
  jeito que você deveria responder.
• 1:32:49
  Se você não conhecesse. Então?
• 1:32:53
  Eu acho que por trás de toda essa formulação da pergunta
• 1:32:57
  super importante que você fez agora existe.
• 1:33:01
  Um certo processo de achatamento da complexidade da realidade.
• 1:33:07
  Simplesmente para alimentar essa nossa necessidade de achar que
• 1:33:11
  ter o controle sobre as coisas. E eu acho que pior do que é
• 1:33:17
  querer ter o controle. É achar que você tem só porque
• 1:33:21
  você atribuiu um número para aquilo.
• 1:33:24
  Sem ter certeza se de fato você está medindo o que você precisa
• 1:33:27
  medir mesmo. Então você tem um Monte de
• 1:33:30
  empresa que usa o NPS. Claro que tem suas aplicações.
• 1:33:34
  Claro, claro. Não estou dizendo que é
• 1:33:36
  totalmente errado, totalmente ruim, mas você tem um Monte de
• 1:33:40
  gente que usa o NPS. Como uma métrica de vaidade.
• 1:33:46
  Se aquilo funciona, se as pessoas estão indicando de fato
• 1:33:49
  se tá aumentando AA conversão ou não tá, ninguém sabe responder,
• 1:33:54
  mas. Uma coisa quando eu ouvi, né?
• 1:33:57
  É numa discussão ali, quando estava trabalhando com
• 1:33:59
  consultoria, AA pessoa virou e falou assim, mas o mercado
• 1:34:03
  inteiro sabe o que é o NPS? Tá falando?
• 1:34:05
  Então, calma, você está usando esse número para fazer com que o
• 1:34:09
  mercado entenda alguma coisa ou você está usando esse número
• 1:34:11
  para medir alguma coisa que é o que de fato ele foi criado?
• 1:34:15
  Né, pra pra quê? Então, eu acho que é o Emicida.
• 1:34:20
  Captou uma coisa na fala dele, né?
• 1:34:22
  Bom, quem sou eu pra falar do Emicida?
• 1:34:24
  Mas acho que tem 111 sabedoria nessa frase dele, né?
• 1:34:28
  É esse poder de concisão que o Emicida tem de falar coisas
• 1:34:31
  incríveis em 4 palavras, sei lá. É que é.
• 1:34:36
  Existem várias maneiras de saber coisas.
• 1:34:39
  Existem várias formas de você abordar a realidade para
• 1:34:42
  entender como ela funciona. E a gente está herdando 11
• 1:34:47
  herança filosófica aí é de algumas centenas de anos a com
• 1:34:51
  essa ideia equivocada de que essa matemática de que esse é o
• 1:34:57
  único jeito de se acessar conhecimento sobre as coisas, de
• 1:35:01
  ter uma nota para uma pessoa que tirou alguma coisa numa prova
• 1:35:04
  que que a que que a prova como ferramenta de coleta de
• 1:35:07
  informação serve para saber se eu armazeno informação na minha
• 1:35:10
  cabeça legal no mundo com escassez de informação, isso
• 1:35:14
  deve ser muito importante. No mundo que tem excesso de
• 1:35:16
  informação, eu preciso de uma habilidade totalmente diferente.
• 1:35:20
  Então o que que é a nota? Quem nunca colou?
• 1:35:23
  Quem nunca deu migué? Quem nunca?
• 1:35:25
  Por que você faz isso? Porque quando uma métrica vira
• 1:35:28
  uma meta, ela deixa de ser uma boa unidade de medida.
• 1:35:30
  Quando você sabe que a nota é o seu, a sua nota de corte ali,
• 1:35:35
  que é que que vai te dar um acesso ou não para uma
• 1:35:37
  faculdade, sei lá, não importa e está todo mundo cagando, você
• 1:35:41
  está aprendendo ou não está? Não importa o que você faça,
• 1:35:45
  você vai atrás de mexer a métrica.
• 1:35:49
  Então entendi como todo, toda a lógica da coisa se inverte e
• 1:35:53
  fica todo mundo com essa grande ilusão de que as coisas estão
• 1:35:56
  sendo medidas. Quando na verdade está todo
• 1:36:00
  mundo jogando para fazer a métrica, mexer e conseguir
• 1:36:02
  atingir aquele objetivo, porque você percebe que está todo mundo
• 1:36:05
  cagando pro seu aprendizado. Nesse exemplo específico do
• 1:36:07
  contexto de educação que a gente está falando, então é?
• 1:36:12
  Acho que a primeira coisa que a gente precisa saber é que é o
• 1:36:17
  nível de a gente não está tomando as decisões erradas que
• 1:36:20
  a gente toma na vida, na empresa, né?
• 1:36:22
  Na política ou seja lá onde for, por falta de informação.
• 1:36:27
  Não é falta de informação, não é falta de tecnologia.
• 1:36:31
  Se a gente quisesse pausar o mundo agora, pegar toda a
• 1:36:33
  tecnologia que a gente tem disponível e resolver o problema
• 1:36:36
  de toda a humanidade para ir começar de novo um pouco melhor,
• 1:36:40
  a gente conseguia fazer isso. Por que será que a gente não
• 1:36:43
  faz? Não é falta de informação, não é
• 1:36:47
  falta de tecnologia, é o jeito de pensar.
• 1:36:51
  E aspectos da nossa natureza humana.
• 1:36:54
  Que criam os principais bloqueios e não se você usa o
• 1:36:57
  Excel ou Power b. E com isso, encerramos esse
• 1:37:02
  episódio que foi uma aula, literalmente uma aula em formato
• 1:37:06
  de podcast, então, muito obrigado, Marcelo, por sua
• 1:37:09
  presença, por ter arrumado tempo nesta sua agenda concorrida e
• 1:37:14
  apertado, porque agora você é dono de startup, você é um stake
• 1:37:17
  holders. Então muito obrigada, viu?
• 1:37:20
  Agradeço demais de novo Paulo pela pelo convite.
• 1:37:22
  Aí é. Acho que foi muito podcast que
• 1:37:26
  eu mais aprendi assim de longe, do Power grouse.
• 1:37:30
  E olha que é difícil de falar isso no podcast do quadro então
• 1:37:34
  animal, uma aula, uma aula em formato de putz, conhecimento
• 1:37:40
  pesado aqui. Nem estou até sem palavras aqui
• 1:37:43
  agora, para explicar esse episódio, só só escutando mesmo
• 1:37:46
  ele inteiro pra pra conseguir descrever ele.
• 1:37:48
  Então o valor de mais e pode contar comigo nos próximos aí,
• 1:37:52
  sempre que tiver aulas assim quero estar presente.
• 1:37:55
  Pode contar comigo? E eu não poderia deixar de
• 1:37:58
  agradecer, porque seria falta de educação da minha parte, apesar
• 1:38:01
  de não gostar da presença. Muito obrigado, tadashi, espero
• 1:38:05
  que você tenha gostado de participar desse episódio,
• 1:38:08
  porque você arrumou um tempo nessa sua agenda concorrida,
• 1:38:11
  então, muito obrigado em. Com 2 mestres hoje, foi
• 1:38:15
  fenomenal. Anotei um Monte de coisa que eu
• 1:38:17
  já estou pensando assim, borbulhou da mente de ir atrás
• 1:38:20
  ou começar a seguir alguma coisa, mas muito obrigado por
• 1:38:24
  ter participado hoje. Foi realmente uma aula e eu
• 1:38:26
  estou com a minha cabeça 1000000 aqui e claro.
• 1:38:30
  Eu virei fã dele, eu espero que você também.
• 1:38:34
  Que tenha virado? José, muito obrigado, viu?
• 1:38:38
  Por pela presença, por dar uma aula, por compartilhar esse seu
• 1:38:41
  conhecimento. Com com a gente aqui do do
• 1:38:44
  episódio do projeto gurus e com o pessoal que tá ouvindo, então
• 1:38:49
  muito, muito, muito, muito, muito, muito obrigado.
• 1:38:52
  Espero que você volte mais vezes.
• 1:38:55
  É, espero que eu possa ter contribuído de alguma maneira
• 1:38:58
  para essa discussão. É Ela não se esgota aqui de
• 1:39:01
  forma alguma, né? Mas que seja, sei lá, uma
• 1:39:05
  fagulha, uma perspectiva de tantas outras possíveis, né?
• 1:39:08
  Acho que é não é importante nem concordar ou discordar com o que
• 1:39:11
  foi falado aqui, mas. A usar um pouco dessa discussão
• 1:39:16
  tão rica que a gente explorou juntos aqui para ir também
• 1:39:19
  buscar informação, buscar outras referências, formar suas
• 1:39:22
  próprias opiniões, né? Sobre o que está acontecendo,
• 1:39:25
  então, que seja pelo menos 11 gatilho, né?
• 1:39:29
  Para despertar um pouco mais de curiosidade e fazer com que todo
• 1:39:32
  mundo vai investigar, a gente fala muito sobre dados e a gente
• 1:39:35
  esquece da outra primeira palavra que vem antes ali, né?
• 1:39:37
  Ciência de dados, então é mais do que a gente falar sobre
• 1:39:40
  dados, ferramenta, vamos falar um pouco sobre essa mentalidade
• 1:39:43
  de cientista de investigar. De tentar AA ir buscar hipóteses
• 1:39:47
  diferentes, testar caminhos diferentes.
• 1:39:50
  É é, vem um pouco daí, né? Esse grande poder, entre aspas,
• 1:39:54
  que todas essas tecnologias prometem, aí é, eu acho que é
• 1:39:58
  importante também a gente ressaltar aqui essa visão
• 1:40:00
  puramente ferramental, ela traz um Monte de problema, um Monte
• 1:40:04
  de dificuldade e que a gente está falando, o que importa mais
• 1:40:07
  sobre a tecnologia ou sobre a ferramenta, seja ela qual for,
• 1:40:10
  não são os seus atributos técnicos, mas é o uso que se dá
• 1:40:14
  para ela, né? E o uso?
• 1:40:16
  A escolha sobre o uso. Humana a escolha sobre como um
• 1:40:20
  algoritmo vai ser escrito ou não é humana.
• 1:40:23
  A escolha sobre como eu vou interpretar os resultados de uma
• 1:40:26
  operação matemática, seja lá qual for, é humana.
• 1:40:30
  A maneira como eu vou traduzir o que eu interpretei para uma
• 1:40:32
  melhor decisão é humana. Então a questão toda é humana,
• 1:40:36
  não é tecnologia, não dá para falar de tecnologia sem falar do
• 1:40:39
  humano. AE gente, Paulo Marcelo Ricardo
• 1:40:44
  foi legal demais, ficaria aqui horas trocando ideia com vocês.
• 1:40:47
  Muito obrigado mesmo pelo convite.
• 1:40:50
  E aí eu quero terminar com uma frase é, é do Karl Popper, que é
• 1:40:54
  um cara super importante aí para o pensamento do século 20,
• 1:40:59
  enfim, EE para os séculos que ainda vão vir, né?
• 1:41:02
  É que ele falava algo do tipo, é impossível saber.
• 1:41:07
  A gente só pode conjecturar, né? Então a ele é pai de um
• 1:41:12
  movimento, ele não gostava de ser classificado dessa forma,
• 1:41:15
  mas ele é meio que pai de um movimento que se chama de
• 1:41:17
  racionalismo crítico, ali do comércio do século 20.
• 1:41:21
  E essa ideia do do do do Karl Popper é bem interessante,
• 1:41:24
  porque ela, ela mata um pouco aquela nossa expectativa de
• 1:41:28
  acessar uma verdade definitiva ou de usar essas tecnologias
• 1:41:31
  miraculosas, mágicas, modernas, para que que nos dê acesso a
• 1:41:35
  essa verdade definitiva, porque ele dizia o seguinte, não, não
• 1:41:38
  dá para a gente chegar numa verdade definitiva.
• 1:41:40
  Não dá para a gente confirmar de uma maneira inquestionável para
• 1:41:44
  todo o sempre, uma hipótese do nosso método científico.
• 1:41:48
  A única coisa que dá para a gente fazer é seguir tentando
• 1:41:51
  refutar ou corroborar essa hipótese seguidamente.
• 1:41:54
  Em algum momento, eventualmente a gente vai refutar, né?
• 1:41:58
  Aí e a e a ciência vai evoluir ou vai vir uma perspectiva
• 1:42:02
  totalmente diferente, né? Tem as a física newtoniana.
• 1:42:04
  Aí veio Einstein falou assim, não, amigo, não é bem assim.
• 1:42:07
  É um rolê totalmente diferente, olha a gravidade, não é uma
• 1:42:10
  força, a gravidade é uma deformação do espaço, é um jeito
• 1:42:14
  totalmente de olhar que abriu o leque de 1000000 de coisas para
• 1:42:18
  a gente fazer, então o próprio conhecimento humano tem esse
• 1:42:22
  processo de estar sendo constantemente criticado.
• 1:42:26
  Né? Não no sentido pejorativo,
• 1:42:27
  claro, mas no sentido metodológico, né?
• 1:42:30
  Aí e o poder que essas tecnologias nos dão é de tentar
• 1:42:33
  constantemente ficar refutando e testando outras hipóteses.
• 1:42:38
  Outros caminhos que podem nos levar por AA soluções, melhores
• 1:42:42
  decisões melhores, então é a na minha perspectiva, se a gente
• 1:42:47
  tem essa expectativa desse cientista, dessa cabeça de
• 1:42:50
  cientista, dessa mentalidade de cientista, de experimentar de re
• 1:42:54
  significar a nossa relação com erro, se a gente falar menos
• 1:42:56
  sobre menos sobre dados ferramenta.
• 1:42:59
  E mais sobre ciência nesse sentido de abordar as coisas, eu
• 1:43:03
  acho que a gente pode não só ajudar a nossa empresa.
• 1:43:06
  A nossa startup é como também construir um mundo melhor.
• 1:43:09
  Então obrigadão aí, gente, foi demais esse papo mesmo.
• 1:43:14
  Então é isso, muito obrigado você por ter ouvido até aqui.
• 1:43:18
  Não esqueça que a gente tem uma parceria com a Terra, onde o
• 1:43:23
  José faz parte e lá tem um curso de deita de dados, né?
• 1:43:28
  E a gente tem um incentivo de 600 BRL para que você possa
• 1:43:31
  fazer esse curso. Clique no link na descrição e
• 1:43:35
  use o cupom. Projete underline, guru sem OS
• 1:43:38
  no final e vá aprender a usar os dados de forma correta, tá bom?
• 1:43:46
  E também siga a gente nas nossas redes sociais.
• 1:43:49
  Instagram, LinkedIn, Telegram para você ficar a par de todos
• 1:43:55
  os conteúdos que a gente gera, cria, compartilha e também de
• 1:43:59
  novidades aí que estão por vim. Então ele é bem.
• 1:44:05
  Siga a todo mundo que participou desse episódio, Marcelo,
• 1:44:08
  tadashi, eu e, claro, José, o tiozão dos dados.
• 1:44:13
  Então, muito obrigado, tchau. Fui, fui.