Confira como a Globo vem atuando para, cada vez mais, ser uma empresa data-driven e confira quais os perfis profissionais que estão por trás do trabalho com dados

Quando você possui milhões de pessoas consumindo seu conteúdo a cada minuto do dia, ganha acesso a uma quantidade extraordinária de informações sobre suas preferências, gostos e hábitos. É possível descobrir, por exemplo, quais filmes e séries mais prendem a atenção de um determinado perfil, quais os dispositivos estão sendo utilizados para acessar estes serviços, quais matérias são as mais acessadas, entre muitas outras possibilidades. A Globo, por ser uma empresa orientada a dados, utiliza essas informações para gerar insights que impactem seus negócios e a experiência de seus usuários. 

Entretanto, desenvolver uma cultura data-driven envolve diversas questões relacionadas a pessoas, processos e tecnologia. Neste artigo, vamos abordar quais são os papéis, a estrutura e o dia a dia de quem trabalha com dados na área de Big Data & AI da Globo.

O que é a cultura data driven?

Uma organização que possui cultura data driven é aquela em que seus processos e sua tomada de decisão são orientados pela análise e interpretação multidisciplinar de dados. Como exemplo, diversos cenários podem ser explorados a partir de uma necessidade de negócio e a utilização de dados nos permite avaliar quais destes cenários possuem grande potencial de resolver estes problemas com base no aprendizado contínuo. Além disso, é possível realizar testes de hipóteses e avaliar preditibilidade a fim de antecipar e mitigar riscos. Toda organização se beneficia quando tem acesso a dados relevantes e, portanto, cabe a todos incentivar a adoção, explorar e examinar o uso destes dados no dia a dia, de maneira alinhada à estratégia de negócio.

Como estamos fomentando a cultura data-driven na Globo?

Na Globo, a área de Big Data & AI tem como propósito empoderar a organização no uso ético dos dados e fomentar a cultura data-driven por meio de plataformas, processos e soluções. O objetivo é promover a democratização de dados e machine learning; disseminar a cultura de dados e inteligência artificial e, assim, potencializar soluções mais personalizadas aos usuários de nossos produtos, tais como: Globoplay, Cartola, G1, GShow etc. 

Para que isso ocorra, estamos estruturados em três tribos que concentram temas como Big Data, Machine Learning e Inteligência, e que se subdividem em times multidisciplinares, responsáveis por uma ou mais plataformas e/ou sistemas. Utilizamos dados para validar hipóteses, entender o impacto do desenvolvimento nos produtos, verificar a qualidade e consistência de dados, prever eventos (tal como as “rajadas” de acesso ao Globoplay no período de BBB 😊), identificar melhorias nas soluções de machine learning, entre outros. 

Quando falamos em uma cultura data-driven, nosso foco é promover mentalidade e práticas analíticas para toda a organização. Para fomentarmos esse mindset de dados a públicos diversos, com diferentes níveis de maturidade analítica, contamos com iniciativas como: alfabetização em dados (Data Literacy) para que todos possam se comunicar e entender conversas sobre dados; cursos e treinamentos; talks internas e externas; hackathons internos (hackdays e garage days); dojos de machine learning etc.  

Nossos perfis no dia a dia

Entendemos que a adoção de uma cultura orientada por dados emerge através da visão compartilhada de estruturas adaptativas e inovadoras no que tange pessoas, processos e tecnologia em conjunto as demais áreas da empresa. Por isso, recentemente estruturamos nosso Career Path considerando quatro perfis principais, conforme abaixo.

• Cientista de Dados

Tem como papel fundamental compreender as necessidades de negócio e desenvolver soluções que usufruam de análises preditivas e técnicas de machine learning, utilizando-se de métricas para medir o desempenho de suas soluções e realizar análises comparativas.

• Engenheira de Machine Learning

É responsável por construir a infraestrutura de forma a automatizar a criação e o ajuste de diferentes modelos de machine learning, utilizando técnicas estatísticas e as melhores práticas de engenharia. Seu foco está mais na engenharia do que na modelagem. Além disso, também trabalha em conjunto com as Engenheiras de Software (backend ou frontend).

• Engenheira de Dados

A Engenheira de Dados garante que todos os dados necessários estejam disponíveis de forma que seja consumível para seus pares. Todos os dados gerados pelos usuários precisam ser capturados adequadamente e salvos em um banco de dados separado, para que as Cientistas de Dados possam usar esses dados para seus modelos. Outro desafio é também garantir que os dados do usuário sejam acessados somente por pessoas autorizadas.

• Engenheira de Software

A responsabilidade de uma Engenheira de Software é garantir que os serviços desenvolvidos por Cientistas de Dados, Engenheiras de Machine Learning e Engenheiras de Dados estejam funcionando o tempo todo, garantindo disponibilidade, resiliência, escalabilidade e confiabilidade dos serviços.

As Engenheiras de Software não se limitam estritamente a trabalhar com dados. Sua função é mais geral: elas tendem a se concentrar menos na lógica de negócios e mais na infraestrutura, que inclui coisas como rede e infraestrutura de provisionamento.

Vem sendo nosso desafio diário contratar os talentos que possuem fit com nossos valores e com a competência técnica mapeada por meio do nosso Career Path; estabelecer e revisar continuamente o processo de experimentação, entendendo quais práticas melhor se ajustam a um determinado contexto e que irão produzir resultados mais rapidamente; e mapear quais tecnologias alavancarão pessoas e processos nessa jornada.

Este conteúdo faz parte da PrograMaria Sprint Cases de Inovação e Tecnologia da Globo.

O que você achou deste conteúdo? Responda nosso feedback: