Um suposto investidor do mercado joalheiro deseja saber se já chegou ao teto de abertura de novas lojas em determinado ponto de uma cidade. A prefeitura da mesma cidade também precisa formular um plano para ampliar a instalação de equipamentos hospitalares e necessita saber quais são as regiões que mais precisam. Essas e inúmeras outras decisões, seja de investimentos, seja de prestação de serviços públicos, já não são mais possíveis de obter com exatidão sem a combinação de uma série de elementos processados por instrumentos altamente precisos. É aí que entra a Science Data, que já é uma realidade nas instituições de ensino mais inovadoras.
A Escola de Economia de São Paulo (FGV EESP) reuniu os principais especialistas no tema no I Encontro Brasileiro de Data Science, ocorrido nos dias 10 e 11 de dezembro no Auditório 9 de Julho, na FGV. Eduardo Francisco, professor do Departamento de Informática e Métodos Quantitativos da Escola de Administração de Empresas de São Paulo (FGV EAESP) inaugurou o encontro analisando o Estado da Arte na aplicação de Science Data na esfera geoespacial.
Para o especialista, a utilização de outras variáveis que não sejam a renda podem ser valiosas para o estabelecimento de um conjunto de informações mais precisas, determinantes a respeito de decisões tanto na esfera pública quanto na iniciativa privada. Uma das mais recorrentes é o consumo de energia elétrica, que tem uma grande correlação com a renda.
“A grande descoberta dos últimos estudos é que se pode substituir a análise da renda pelo consumo de energia sem nenhum prejuízo da exatidão das informações, com a vantagem de que o acesso ao consumo de energia invade menos a privacidade do que se perguntar a renda do cidadão” explica o professor.
Data Science não se aplica apenas a investimentos. Emerson Marçal, professor da FGV EESP, falou um pouco a respeito da previsão de inflação usando instrumentos de Science Data. Para Marçal, é possível utilizar técnicas existentes para aprimorar as previsões.
“Fomos convidados por técnicos do BC para apresentar as novas técnicas. Os processos gerados partem de dados instáveis e com possibilidades de quebra e quando começamos a descobrir as particularidades do cenário, o mundo já mudou. Além disso, um modelo baseado em ciências de dados pode evitar alguma imprecisão nos resultados. Uma análise baseada no ciclo histórico, por exemplo, pode apontar uma recuperação quando na verdade ela não existe”, explica.
Outros exemplos de aplicação de Data Science foram apontados, como em ações humanitárias, planejamento logístico das rodovias do Estado de São Paulo, planejamento varejista, classificação de notícias e confiabilidade da imprensa, setor de saúde e outros temas.
