{"id":117535,"date":"2021-01-15T17:35:07","date_gmt":"2021-01-15T20:35:07","guid":{"rendered":"https:\/\/fluency.io\/br\/blog\/?p=2367"},"modified":"2023-07-26T14:08:22","modified_gmt":"2023-07-26T17:08:22","slug":"projeto-data-science","status":"publish","type":"post","link":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/","title":{"rendered":"Projeto em Data Science: 5 passos para implementar"},"content":{"rendered":"\n<p>Se voc\u00ea deseja se tornar um cientista de dados, montar e gerir uma equipe de <a href=\"https:\/\/fluency.io\/br\/blog\/trilha-de-ciencia-de-dados\/\" data-type=\"page\" data-id=\"4837\" target=\"_blank\" rel=\"noreferrer noopener\">Data Science<\/a> ou at\u00e9 mesmo contratar produtos e servi\u00e7os na \u00e1rea, este texto \u00e9 para voc\u00ea! Baseado na experi\u00eancia de v\u00e1rios profissionais especialistas na \u00e1rea, comparamos o que ensinam em cursos e materiais online com o que acontece na pr\u00e1tica. Ao final dessa leitura, voc\u00ea aprender\u00e1 de maneira f\u00e1cil e intuitiva como lidar com problemas reais de Data Science. Este \u00e9 o primeiro texto da s\u00e9rie <strong>Gest\u00e3o &amp; Data Science<\/strong>. Neste artigo trabalharemos os elementos-chave, e nos seguintes, os aprofundaremos.<\/p>\n\n\n\n<p>Independente das varia\u00e7\u00f5es na estrutura e no tamanho da equipe, existem <strong>5<\/strong> <strong>etapas em um projeto completo de Data Science<\/strong>:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Entender o problema e as poss\u00edveis solu\u00e7\u00f5es;<\/li>\n\n\n\n<li>Obten\u00e7\u00e3o e tratamento dos dados;<\/li>\n\n\n\n<li>An\u00e1lise e interpreta\u00e7\u00e3o dos resultados;<\/li>\n\n\n\n<li>Comunica\u00e7\u00e3o dos aprendizados;<\/li>\n\n\n\n<li>Tomada de decis\u00e3o e implementa\u00e7\u00e3o.<\/li>\n<\/ol>\n\n\n\n<p>Confira com a gente a seguir todos os detalhes de cada uma dessas etapas!<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"por-dentro-do-data-science\">Por dentro do Data Science<\/h3>\n\n\n\n<p>Vamos come\u00e7ar pela pergunta de ouro: <strong>o que \u00e9 Data Science?<\/strong> Resumidamente, \u00e9 um conjunto de conhecimentos e t\u00e9cnicas que incorporam diversas tecnologias para extrair informa\u00e7\u00f5es de dados. <strong>Projetos de Data Science<\/strong> usam estat\u00edstica, <a href=\"https:\/\/fluency.io\/br\/blog\/machine-learning\/\" data-type=\"post\" data-id=\"2824\" target=\"_blank\" rel=\"noreferrer noopener\">machine learning<\/a>, <a href=\"https:\/\/fluency.io\/br\/blog\/aprender-a-programar\/\" data-type=\"post\" data-id=\"4200\" target=\"_blank\" rel=\"noreferrer noopener\">programa\u00e7\u00e3o<\/a>&nbsp; e outras <a href=\"https:\/\/fluency.io\/br\/blog\/inovacao-tecnologica\/\" data-type=\"post\" data-id=\"3265\" target=\"_blank\" rel=\"noreferrer noopener\">ferramentas tecnol\u00f3gicas<\/a> para descobrir tend\u00eancias e padr\u00f5es ocultos, entender e interpretar fen\u00f4menos, gerar previs\u00f5es e automatizar decis\u00f5es e tarefas complexas. <\/p>\n\n\n\n<p>Agora, fa\u00e7amos outra pergunta importante: <strong>Quais s\u00e3o os pap\u00e9is e compet\u00eancias necess\u00e1rios para montar uma equipe de Data Science? <\/strong>Apesar de n\u00e3o existir um consenso, \u00e9 poss\u00edvel distinguir tr\u00eas essenciais: <\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Data Scientist<\/strong>, aquele que analisa e desenvolve solu\u00e7\u00f5es que transformam dados em informa\u00e7\u00e3o. Requer conhecimentos de programa\u00e7\u00e3o, estat\u00edstica, machine learning e comunica\u00e7\u00e3o de resultados; <\/li>\n\n\n\n<li><strong>Data Engineer<\/strong> \u00e9 aquele que obt\u00e9m e gerencia os dados, al\u00e9m de implementar e escalabilizar a solu\u00e7\u00e3o desenvolvida. Requer compreens\u00e3o de engenharia de software e de infraestrutura de dados;<\/li>\n\n\n\n<li><strong>Data Science Manager<\/strong>, que faz a interface e a gest\u00e3o da equipe com terceiros e garante a qualidade do projeto. Deve ser um gestor experiente, bem articulado e dominar o processo de gest\u00e3o e de Data Science.<\/li>\n<\/ul>\n\n\n\n<p>Em um cen\u00e1rio ideal, cada um dos pap\u00e9is \u00e9 preenchido por pelo menos um profissional qualificado. No entanto, fora do nicho de startups e empresas de tecnologia que investem mais em Data Science, existe uma tend\u00eancia do <a href=\"https:\/\/fluency.io\/br\/blog\/guia-cientista-de-dados\/\" data-type=\"post\" data-id=\"810\" target=\"_blank\" rel=\"noreferrer noopener\">Data Scientist<\/a> e do <a href=\"https:\/\/fluency.io\/br\/blog\/engenheiro-de-dados\/\" data-type=\"post\" data-id=\"2771\" target=\"_blank\" rel=\"noreferrer noopener\">Data Engineer<\/a> serem a mesma pessoa, e do Data Science Manager ser um gestor generalista.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"1-entender-o-problema-e-as-possiveis-solucoes\"><strong>1. Entender o problema e as poss\u00edveis solu\u00e7\u00f5es<\/strong><\/h2>\n\n\n\n<p>Por quest\u00f5es did\u00e1ticas, \u00e9 muito comum que aulas e artigos sobre Data Science comecem pela obten\u00e7\u00e3o e tratamento dos dados. Na pr\u00e1tica, seja voc\u00ea da equipe de Data Science ou um gestor de uma empresa, o primeiro grande obst\u00e1culo ser\u00e1 a necessidade de <strong>entender o problema<\/strong>. Afinal, como podemos descobrir a melhor solu\u00e7\u00e3o dentre todas poss\u00edveis sem compreender bem o problema? Todo projeto come\u00e7a porque o cliente tem um ponto de dor a ser sanado, mas, infelizmente, \u00e9 comum que ao final a quest\u00e3o n\u00e3o tenha sido resolvida. Desta forma, esta etapa \u00e9 o requisito b\u00e1sico de um projeto de qualidade, uma vez que ela direciona a atua\u00e7\u00e3o da equipe de Data Science.<\/p>\n\n\n\n<p>Podemos dizer que falhamos nesta fase quando atuamos no problema errado ou quando fazemos uma solu\u00e7\u00e3o errada para o problema certo. Quando isso acontece, podemos jogar fora tudo o que fizemos, junto do dinheiro e do tempo investidos. Compreender bem o problema \u00e9 a metade da solu\u00e7\u00e3o, por isso dedique tempo e energia no detalhamento desta etapa. Comece mapeando o <strong>contexto<\/strong> do problema de uma forma geral: apresente os envolvidos, suas principais atividades e como descobriram esse ponto de dor. Em seguida, reflita sobre os impactos dele nas atividades exercidas. Por fim, compartilhe as <strong>expectativas<\/strong> sobre a situa\u00e7\u00e3o e poss\u00edveis solu\u00e7\u00f5es com toda a equipe. Comunica\u00e7\u00e3o \u00e9 essencial: todos precisam estar alinhados.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"2-obtencao-e-tratamento-dos-dados\"><strong>2. Obten\u00e7\u00e3o e tratamento dos dados<\/strong><\/h2>\n\n\n\n<p>A etapa mais demorada e trabalhosa do projeto. Normalmente, quando estudamos Data Science, as bases de dados usadas est\u00e3o prontas para an\u00e1lise e s\u00e3o de f\u00e1cil acesso. Na pr\u00e1tica, \u00e9 o oposto! Dados t\u00eam diferentes fontes e formatos. Podemos analisar tabelas, imagens, \u00e1udios, textos vindos de redes sociais, sites, bancos de dados, pesquisas, documentos digitalizados, etc. Al\u00e9m disso, eles est\u00e3o longe de prontos para serem analisados: precisam antes serem tratados e integrados.<\/p>\n\n\n\n<p>\u00c9 um trabalho conjunto entre o dono dos dados e a equipe de Data Science. O primeiro deve fornecer uma vis\u00e3o cr\u00edtica sobre os dados com base em sua experi\u00eancia. \u00c9 preciso apresent\u00e1-los, explicar a disponibilidade, o significado dos termos e siglas, os problemas conhecidos e quais podem ser usados (sim, haver\u00e1 casos onde nem todos ser\u00e3o confi\u00e1veis). A equipe de Data Science, por outro lado, emprega t\u00e9cnicas de amostragem, data mining, scraping e big data em ordem de obter e tratar os dados para a an\u00e1lise. Lidando com outliers, missing values, res\u00edduos, corrup\u00e7\u00e3o, erros, distor\u00e7\u00f5es, tipos incompat\u00edveis, e outros problemas comuns desta etapa.<\/p>\n\n\n\n<p>A qualidade dos dados depende das condi\u00e7\u00f5es de origem deles e dos tratamentos aplicados. Dados ruins levam a conclus\u00f5es que parecem certas, mas est\u00e3o erradas! Essa etapa \u00e9 bem-sucedida quando o dono dos dados e a equipe de Data Science sabem <strong>quais<\/strong> dados est\u00e3o sendo usados, <strong>para que <\/strong>e <strong>de que forma<\/strong>,<strong> <\/strong>e concordam que assim eles poder\u00e3o obter bons resultados.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"3-analise-e-interpretacao-dos-dados\"><strong>3. An\u00e1lise e interpreta\u00e7\u00e3o dos dados<\/strong><\/h2>\n\n\n\n<p>Com os dados prontos, a equipe de Data Science come\u00e7a a an\u00e1lise e a solu\u00e7\u00e3o para o problema do cliente come\u00e7a a ser desenvolvida. A primeira parte consiste na explora\u00e7\u00e3o dos dados, para aumentar a familiaridade e a compreens\u00e3o deles. Em seguida, a equipe come\u00e7a a desenvolver um ou mais modelos inteligentes (quase sempre baseados em machine learning ou em algoritmos estat\u00edsticos) que usar\u00e3o os dados obtidos para detectar padr\u00f5es e tend\u00eancias, gerar previs\u00f5es ou automatizar decis\u00f5es e tarefas. Na teoria, este processo \u00e9 centralizado pela equipe de Data Science sem a participa\u00e7\u00e3o do cliente. No entanto, apesar deles serem os respons\u00e1veis, os aprendizados devem ser compartilhados periodicamente com todos os envolvidos para refinamento com base em questionamentos e explica\u00e7\u00f5es a serem testados.&nbsp;<\/p>\n\n\n\n<p>Essas intera\u00e7\u00f5es mant\u00e9m todos alinhados e permitem as interven\u00e7\u00f5es necess\u00e1rias para que todos cheguem \u00e0 mesma conclus\u00e3o. Caso a apresenta\u00e7\u00e3o seja feita somente ao final do projeto, a equipe pode construir toda a sua an\u00e1lise e modelo sobre premissas erradas, levar achados que s\u00e3o \u00f3bvios para o cliente, n\u00e3o investigar outros que s\u00e3o important\u00edssimos ou, ainda, construir modelos in\u00fateis. J\u00e1 o cliente fica sem vis\u00e3o do que est\u00e1 acontecendo durante a an\u00e1lise, gerando ansiedade e inseguran\u00e7a quando finalmente v\u00ea a solu\u00e7\u00e3o. Por n\u00e3o estar familiarizado com ela, pode haver rejei\u00e7\u00e3o e surpresas que inviabilizam o uso dela.&nbsp;&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"4-comunicacao-dos-resultados\"><strong>4. Comunica\u00e7\u00e3o dos resultados<\/strong><\/h2>\n\n\n\n<p>A comunica\u00e7\u00e3o dos resultados \u00e9 talvez a parte mais negligenciada em cursos de Data Science. Saber como fazer bons slides e ter um bom storytelling s\u00e3o compet\u00eancias incr\u00edveis para se diferenciar no campo, mas saber comunicar resultados e evitar a linguagem t\u00e9cnica \u00e9 fundamental. Na pr\u00e1tica, cientistas de dados tendem a se comunicar muito mal e a<strong> percep\u00e7\u00e3o de valor do seu trabalho est\u00e1 limitada pela sua capacidade de fazer os outros o entenderem<\/strong>.<\/p>\n\n\n\n<p>A primeira coisa que precisamos saber ao comunicar algo \u00e9 que n\u00e3o existe comunica\u00e7\u00e3o perfeita. Tudo muda em fun\u00e7\u00e3o da sua audi\u00eancia. Pensando em empresas, pessoas com diferentes fun\u00e7\u00f5es t\u00eam diferentes interesses no seu trabalho: uma pessoa t\u00e9cnica (como um analista de dados) pode querer saber como o modelo foi feito, e algu\u00e9m da opera\u00e7\u00e3o (como um vendedor), como usar a solu\u00e7\u00e3o. J\u00e1 algu\u00e9m da gest\u00e3o (como gerentes e diretores), como o seu uso impacta nos lucros da empresa. Outra coisa a considerar \u00e9 que pessoas t\u00eam conhecimentos espec\u00edficos. Assim, a equipe de Data Science n\u00e3o pode assumir que os clientes entendem o que eles est\u00e3o falando. \u00c9 preciso explicar de maneira simples e intuitiva o processo e os resultados, do contr\u00e1rio correm o risco do projeto ser engavetado caso ningu\u00e9m os entenda.<\/p>\n\n\n\n<p>O que devemos comunicar ent\u00e3o? Isso pode mudar em fun\u00e7\u00e3o do p\u00fablico, mas uma orienta\u00e7\u00e3o geral seria: <strong>objetivo,<\/strong> o porqu\u00ea do projeto existir; <strong>contexto e o problema<\/strong>, como chegamos ao problema e o que sabemos dele; <strong>relev\u00e2ncia do trabalho<\/strong>, quais s\u00e3o os resultados esperados da an\u00e1lise e da solu\u00e7\u00e3o; <strong>m\u00e9todo, <\/strong>o que foi feito para resolver o problema e porque a solu\u00e7\u00e3o \u00e9 boa; e <strong>resultados e recomenda\u00e7\u00f5es<\/strong>, quais foram os aprendizados e os pr\u00f3ximos passos. A comunica\u00e7\u00e3o de resultados \u00e9 uma via de m\u00e3o dupla, ent\u00e3o feedbacks devem ser estimulados para o desenvolvimento de ambas as partes.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"5-tomada-de-decisao-e-implementacao\"><strong>5. Tomada de decis\u00e3o e implementa\u00e7\u00e3o<\/strong><\/h2>\n\n\n\n<p>A etapa final do projeto tem por objetivo coloc\u00e1-lo em pr\u00e1tica. Podemos fazer isso de duas formas: tomando decis\u00f5es baseadas em seus aprendizados ou implementando modelos para que atuem nos dados finais. O primeiro cen\u00e1rio envolve dialogar com todos os envolvidos para criar estrat\u00e9gias e a\u00e7\u00f5es. Nem sempre esse di\u00e1logo \u00e9 poss\u00edvel, por isso muitas empresas pensam com anteced\u00eancia em possibilidades e as levam na apresenta\u00e7\u00e3o final. No segundo cen\u00e1rio, a implementa\u00e7\u00e3o da solu\u00e7\u00e3o come\u00e7a a ser planejada. Modelos podem ser usados de maneira mais pontual e seus outputs serem entregues diretamente ao cliente; ou usados com maior frequ\u00eancia, sendo transformados em aplica\u00e7\u00f5es online, possibilitando uso em tempo real ou at\u00e9 integrado aos sistemas do cliente. Seriam exemplos de entreg\u00e1veis do modelo: previs\u00f5es de vendas, detec\u00e7\u00e3o de anomalias, decis\u00f5es autom\u00e1ticas, recomenda\u00e7\u00f5es customizadas, etc. Para&nbsp; o desenvolvimento de uma aplica\u00e7\u00e3o pode haver colabora\u00e7\u00e3o da equipe de TI do cliente com a equipe de Data Science.&nbsp;<\/p>\n\n\n\n<p>O foco nesta etapa \u00e9 garantir que o projeto tenha utilidade, fazendo uso da intera\u00e7\u00e3o entre a equipe de Data Science e o cliente. Muitas empresas de Data Science somem ou s\u00e3o negligentes ap\u00f3s a entrega final &#8211; um erro grave. O cliente ter\u00e1 d\u00favidas e vai precisar de algum suporte para fazer a implementa\u00e7\u00e3o. A aus\u00eancia no final da entrega compromete a implementa\u00e7\u00e3o e mancha um projeto que, at\u00e9 ent\u00e3o, tinha sido bom.&nbsp;<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"aprofunde-seus-conhecimentos-em-ciencia-de-dados\"><strong>Aprofunde seus conhecimentos em Ci\u00eancia de Dados<\/strong><\/h3>\n\n\n\n<p>Data Science \u00e9 um campo novo com expans\u00e3o e inova\u00e7\u00e3o intensa. Ainda estamos longe de conhecer os limites de todo esse potencial, mas j\u00e1 vemos em suas aplica\u00e7\u00f5es as contribui\u00e7\u00f5es e o grande valor que vem gerando. Pela falta de entendimento, muitas pessoas e empresas perdem grandes oportunidades de se beneficiar desses avan\u00e7os. <\/p>\n\n\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\n<p><strong><em>O <a href=\"https:\/\/fluency.io\/br\/blog\/blog\/\" data-type=\"page\" data-id=\"203\" target=\"_blank\" rel=\"noreferrer noopener\">Blog da Awari<\/a> foi criado justamente para manter nossos leitores atualizados, ent\u00e3o nos acompanhe e fique por dentro do mundo de Data Science!<\/em><\/strong><\/p>\n<\/blockquote>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"quer-se-tornar-um-cientista-de-dados-conheca-a-awari\"><strong>? Quer se tornar um cientista de dados? Conhe\u00e7a a Awari!<\/strong><\/h3>\n\n\n\n<p>A Awari \u00e9 uma <strong>plataforma completa<\/strong> com mentorias individuais, cursos com aulas ao vivo e suporte de carreira na \u00e1rea de Dados.<\/p>\n\n\n\n<p>Conhe\u00e7a nossos <a rel=\"noreferrer noopener\" href=\"https:\/\/fluency.io\/br\/blog\/trilha-de-ciencia-de-dados\/\" data-type=\"URL\" data-id=\"https:\/\/fluency.io\/br\/blog\/trilha-de-ciencia-de-dados\/\" target=\"_blank\">cursos de Data Science<\/a>, com intensivos de <a href=\"https:\/\/fluency.io\/br\/blog\/curso\/data-science\/\" data-type=\"page\" data-id=\"5595\" target=\"_blank\" rel=\"noreferrer noopener\">Ci\u00eancia de Dados<\/a>, <a href=\"https:\/\/fluency.io\/br\/blog\/curso\/machine-learning\/\" data-type=\"page\" data-id=\"5587\" target=\"_blank\" rel=\"noreferrer noopener\">Machine Learning<\/a>, <a href=\"https:\/\/fluency.io\/br\/blog\/curso\/engenharia-de-dados\/\" data-type=\"page\" data-id=\"5590\" target=\"_blank\" rel=\"noreferrer noopener\">Engenharia de Dados<\/a> e <a href=\"https:\/\/fluency.io\/br\/blog\/curso\/data-analytics\/\" data-type=\"page\" data-id=\"5584\" target=\"_blank\" rel=\"noreferrer noopener\">Data Analytics<\/a>. Saiba mais sobre a nossa jornada personalizada e materiais complementares feitos por especialistas no mercado.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Se voc\u00ea deseja se tornar um cientista de dados, montar e gerir uma equipe de Data Science ou at\u00e9 mesmo contratar produtos e servi\u00e7os na \u00e1rea, este texto \u00e9 para voc\u00ea! Baseado na experi\u00eancia de v\u00e1rios profissionais especialistas na \u00e1rea, comparamos o que ensinam em cursos e materiais online com o que acontece na pr\u00e1tica. [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":122058,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":[186],"meta":{"inline_featured_image":false,"footnotes":""},"categories":[229],"tags":[],"trilha":[],"class_list":["post-117535","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-skills","format-artigos"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.4 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Projeto em Data Science: 5 passos para implementar - Fluency.io Brasil<\/title>\n<meta name=\"description\" content=\"Se voc\u00ea deseja se tornar um cientista de dados, montar e gerir uma equipe de Data Science ou at\u00e9 mesmo contratar produtos e servi\u00e7os na \u00e1rea, este texto \u00e9 ...\" \/>\n<meta name=\"robots\" content=\"noindex, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Projeto em Data Science: 5 passos para implementar - Fluency.io Brasil\" \/>\n<meta property=\"og:description\" content=\"Se voc\u00ea deseja se tornar um cientista de dados, montar e gerir uma equipe de Data Science ou at\u00e9 mesmo contratar produtos e servi\u00e7os na \u00e1rea, este texto \u00e9 ...\" \/>\n<meta property=\"og:url\" content=\"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/\" \/>\n<meta property=\"og:site_name\" content=\"Fluency.io Brasil\" \/>\n<meta property=\"article:published_time\" content=\"2021-01-15T20:35:07+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-07-26T17:08:22+00:00\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"kaue\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. tempo de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"10 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/\"},\"author\":{\"name\":\"kaue\",\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/#\\\/schema\\\/person\\\/7b3b2b50ba17b7f2ad0cce0a40bfa00a\"},\"headline\":\"Projeto em Data Science: 5 passos para implementar\",\"datePublished\":\"2021-01-15T20:35:07+00:00\",\"dateModified\":\"2023-07-26T17:08:22+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/\"},\"wordCount\":1985,\"commentCount\":0,\"image\":{\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/#primaryimage\"},\"thumbnailUrl\":\"\",\"articleSection\":[\"Skills\"],\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/\",\"url\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/\",\"name\":\"Projeto em Data Science: 5 passos para implementar - Fluency.io Brasil\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/#primaryimage\"},\"thumbnailUrl\":\"\",\"datePublished\":\"2021-01-15T20:35:07+00:00\",\"dateModified\":\"2023-07-26T17:08:22+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/#\\\/schema\\\/person\\\/7b3b2b50ba17b7f2ad0cce0a40bfa00a\"},\"description\":\"Se voc\u00ea deseja se tornar um cientista de dados, montar e gerir uma equipe de Data Science ou at\u00e9 mesmo contratar produtos e servi\u00e7os na \u00e1rea, este texto \u00e9 ...\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/#breadcrumb\"},\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/#primaryimage\",\"url\":\"\",\"contentUrl\":\"\",\"width\":2560,\"height\":1707},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/blog\\\/projeto-data-science\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"In\u00edcio\",\"item\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Projeto em Data Science: 5 passos para implementar\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/#website\",\"url\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/\",\"name\":\"Fluency.io Brasil\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-BR\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/#\\\/schema\\\/person\\\/7b3b2b50ba17b7f2ad0cce0a40bfa00a\",\"name\":\"kaue\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/bdd3958fa53019cfd8f789c0a49a730e7ba40a1d20cb42c9ced7646285842479?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/bdd3958fa53019cfd8f789c0a49a730e7ba40a1d20cb42c9ced7646285842479?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/bdd3958fa53019cfd8f789c0a49a730e7ba40a1d20cb42c9ced7646285842479?s=96&d=mm&r=g\",\"caption\":\"kaue\"},\"url\":\"https:\\\/\\\/homolog.fluency.io\\\/br\\\/author\\\/kaue\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Projeto em Data Science: 5 passos para implementar - Fluency.io Brasil","description":"Se voc\u00ea deseja se tornar um cientista de dados, montar e gerir uma equipe de Data Science ou at\u00e9 mesmo contratar produtos e servi\u00e7os na \u00e1rea, este texto \u00e9 ...","robots":{"index":"noindex","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"og_locale":"pt_BR","og_type":"article","og_title":"Projeto em Data Science: 5 passos para implementar - Fluency.io Brasil","og_description":"Se voc\u00ea deseja se tornar um cientista de dados, montar e gerir uma equipe de Data Science ou at\u00e9 mesmo contratar produtos e servi\u00e7os na \u00e1rea, este texto \u00e9 ...","og_url":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/","og_site_name":"Fluency.io Brasil","article_published_time":"2021-01-15T20:35:07+00:00","article_modified_time":"2023-07-26T17:08:22+00:00","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"kaue","Est. tempo de leitura":"10 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/#article","isPartOf":{"@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/"},"author":{"name":"kaue","@id":"https:\/\/homolog.fluency.io\/br\/#\/schema\/person\/7b3b2b50ba17b7f2ad0cce0a40bfa00a"},"headline":"Projeto em Data Science: 5 passos para implementar","datePublished":"2021-01-15T20:35:07+00:00","dateModified":"2023-07-26T17:08:22+00:00","mainEntityOfPage":{"@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/"},"wordCount":1985,"commentCount":0,"image":{"@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/#primaryimage"},"thumbnailUrl":"","articleSection":["Skills"],"inLanguage":"pt-BR","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/","url":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/","name":"Projeto em Data Science: 5 passos para implementar - Fluency.io Brasil","isPartOf":{"@id":"https:\/\/homolog.fluency.io\/br\/#website"},"primaryImageOfPage":{"@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/#primaryimage"},"image":{"@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/#primaryimage"},"thumbnailUrl":"","datePublished":"2021-01-15T20:35:07+00:00","dateModified":"2023-07-26T17:08:22+00:00","author":{"@id":"https:\/\/homolog.fluency.io\/br\/#\/schema\/person\/7b3b2b50ba17b7f2ad0cce0a40bfa00a"},"description":"Se voc\u00ea deseja se tornar um cientista de dados, montar e gerir uma equipe de Data Science ou at\u00e9 mesmo contratar produtos e servi\u00e7os na \u00e1rea, este texto \u00e9 ...","breadcrumb":{"@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/#breadcrumb"},"inLanguage":"pt-BR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/"]}]},{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/#primaryimage","url":"","contentUrl":"","width":2560,"height":1707},{"@type":"BreadcrumbList","@id":"https:\/\/homolog.fluency.io\/br\/blog\/projeto-data-science\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"In\u00edcio","item":"https:\/\/homolog.fluency.io\/br\/"},{"@type":"ListItem","position":2,"name":"Projeto em Data Science: 5 passos para implementar"}]},{"@type":"WebSite","@id":"https:\/\/homolog.fluency.io\/br\/#website","url":"https:\/\/homolog.fluency.io\/br\/","name":"Fluency.io Brasil","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/homolog.fluency.io\/br\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-BR"},{"@type":"Person","@id":"https:\/\/homolog.fluency.io\/br\/#\/schema\/person\/7b3b2b50ba17b7f2ad0cce0a40bfa00a","name":"kaue","image":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/secure.gravatar.com\/avatar\/bdd3958fa53019cfd8f789c0a49a730e7ba40a1d20cb42c9ced7646285842479?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/bdd3958fa53019cfd8f789c0a49a730e7ba40a1d20cb42c9ced7646285842479?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/bdd3958fa53019cfd8f789c0a49a730e7ba40a1d20cb42c9ced7646285842479?s=96&d=mm&r=g","caption":"kaue"},"url":"https:\/\/homolog.fluency.io\/br\/author\/kaue\/"}]}},"_links":{"self":[{"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/posts\/117535","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/comments?post=117535"}],"version-history":[{"count":1,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/posts\/117535\/revisions"}],"predecessor-version":[{"id":197974,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/posts\/117535\/revisions\/197974"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/posts\/122058"}],"wp:attachment":[{"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/media?parent=117535"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/categories?post=117535"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/tags?post=117535"},{"taxonomy":"format","embeddable":true,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/format?post=117535"},{"taxonomy":"trilha","embeddable":true,"href":"https:\/\/homolog.fluency.io\/br\/wp-json\/wp\/v2\/trilha?post=117535"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}