Uma das ferramentas mais utilizadas no Big Data, o R, se consolidou como requisito básico para quem quer se tornar um Cientista de Dados, profissão considerada a “mais sexy do século XXI”, segundo artigo intitulado Data Scientist: The Sexiest Job of the 21st Century, publicado em 2012 pela revista Harvard Business Review.

Criada por Ross Ihaka e Robert Gentleman, ambos da University of Auckland, na Nova Zelândia, a linguagem de programação R é muito usada na estatística computacional para a análise de dados. Porém sua função primeira tem se mostrado essencialmente quantitativa.

O R é extremamente útil para a análise de dados em grande volume. Seu diferencial se dá na primeira etapa do trabalho de análise e ciência de dados.

Ao R somam-se outras ferramentas e linguagens, como Netvizz, Gephi, Tableau e a linguagem de programação Python. Embora sejam de extrema importância, essas ferramentas não são suficientes para uma compreensão mais ampla e qualitativa dos dados.

Thick Data é integrado ao Big Data

Atualmente muito se fala nessas ferramentas e também em Big Data, mas pouco se fala em Thick Data.

O crescimento do mercado de dados contribuiu para a criação de um certo fetiche em torno da grandeza do Big Data. Porém é necessário observar que nem sempre “volume” é o que vai importar nas estratégias de negócios. Em muitos casos, conforme o ditado popular, o “menos pode ser mais”.

Entendida por muitos como o contrário do Big Data, o Thick Data vem sendo observado de forma enviesada, pois não se trata de elementos opostos, mas sim de elos complementares.

A “contrariedade” envolvendo ambos os termos pode ter se dado em torno do volume de dados trabalhados em ambos. O tamanho do volume de dados trabalhado no Thick Data é relativamente muito menor quando comparado ao volume trabalhado por profissionais do Big Data. Porém, quando o assunto é estratégia de negócios, o tamanho do conjunto de dados pode não significar nada, ou muito pouco.

Tricia Wang, em seu artigo publicado no site Medium, cujo título é Why Big Data Needs Thick Data, explica as razões pelas quais o Big Data, sozinho, pode não ser suficiente para pensar estratégias de negócios.

Contextos, sentidos e significados

No texto, Tricia apresenta os resultados de um trabalho feito para a multinacional Nokia e explica porque as amostras do Thick Data são menores em relação ao volume de dados trabalhados no Big Data.

No Thick Data trabalha-se a interpretação dos dados, conforme critérios de contexto, sentidos e significados.

Trata-se portanto de trabalhar somente o que mais interessa para o analista, no esforço de compreender quais dados possibilitaram a configuração dos laços de sentido dentro das comunidades analisadas.

Embora o volume de dados seja pequeno, no Thick Data tais dados podem ser percebidos como potencialmente ricos em significação para o público pesquisado.

Trabalhar uma estratégia Thick Data é trabalhar uma busca pela compreensão daquilo que está para além dos resultados obtidos em ferramentas de Big Data como R, Gephi e Netvizz. Trabalhar com Thick Data é trabalhar análises em cima dos fatores que possibilitaram a configuração dos grafos de SNA (Social Network Analysis).

É compreender portanto o contexto de uma cultura. Isso, por si só, já mostra o quanto um determinado produto pode ou não ser aceito em determinadas culturas, considerando por exemplo culturas muito diferentes, a exemplo do Brasil e do Japão.

O termo Thick está diretamente ligado a Thick Description. Traduzida com “descrição densa”, Thick Description é um conceito da Antropologia e aparece no trabalho do filósofo Gilbert Ryle, sendo também parte dos textos de Clifford Geertz, como o já famoso A Interpretação das Culturas.

Geertz usou o termo Thick Description para analisar redes de significados, construídas pelo homem e presentes nas culturas. O autor chama a atenção para o papel da Etnografia, pensada como um método de entendimento dos sentidos e significados contidos em diferentes atos humanos, como os rituais, sejam estes ligados essencialmente ao mundo do consumo ou não.

A compreensão do comportamento de consumo

Rituais humanos como o casamento, a formatura ou o encontro no bar podem ser compreendidos através de métodos etnográficos. Mais que um método utilizado por pensadores da academia, a etnografia pode ajudar na compreensão do comportamento de consumo.

E isso interessa muito às marcas e às agências de publicidade.

Indo além, é possível citar também o trabalho do antropólogo Grant McCracken, que estuda, entre outras coisas, os rituais de consumo.

McCracken é atualmente consultor estratégico de marcas globais. Seu trabalho de consultoria busca ajudar marcas a compreender a importância da relação entre cultura e consumo. Um dos livros mais recentes, publicado por de Grant McCracken é Chief Culture Officer: How to Create a Living, Breathing Corporation.

O ponto de vista de McCracken parece estar de acordo com o que pensa Tricia Wang, quando a mesma ressalta, no artigo publicado no site Medium, a falta de visão estratégica da Nokia ao desmerecer a importância da etnografia, estendida a um contexto de análise de dados.

Tricia diz:

When I was researching at Nokia in 2009, which at the time was the world’s largest cellphone company in emerging, I discovered something that I believed challenged their entire business model. After years of conducting ethnographic work in China from living with migrants to working as a street vendor and living in internet cafés, I saw lots of indicators that led me to conclude that low-income consumers were ready to pay for more expensive smartphones.

I concluded that Nokia needed to replace their current product development strategy from making expensive smartphones for elite users to affordable smartphones for low-income users. I reported my findings and recommendations to headquarters. But Nokia did not know what to do with my findings. They said my sample size of 100 was weak and small compared to their sample size of several million data points. In addition, they said that there weren’t any signs of my insights in their existing datasets.

In response, I told them that it made sense that they haven’t seen any of my data show up in their quantitative datasets because their notion of demand was a fixed quantitative model that didn’t map to how demand worked as a cultural model in China. What is measurable isn’t the same as what is valuable.

Na época em que Tricia fez sua pesquisa, baseada em um aporte etnográfico e sobre consumo de smartphones na China, ela pôde perceber uma oportunidade de negócios para a gigante Nokia – a percepção de que o público de baixa renda estava pronto para comprar smartphones.

Porém, ao apresentar seu estudo, a empresa se tratar de dados de uma amostra muito pequena, o que não revelaria um retrato próximo do mercado chinês, como um todo. Mas, como Tricia mesma diz na última frase de seu texto: “Ser mensurável não é a mesmo que ser valioso”.

Embora as metodologias e análises de ordem qualitativa, incluindo perspectivas de cunho etnográfico, sejam de extrema importância, estas não devem ser trabalhadas de forma isolada.

Como Wang afirma, para encarar o atual contexto de comunicação e consumo, Big Data Needs Thick Data. Vivemos em um contexto no qual a cultura foi engolida pelas redes e as redes foram engolidas pela cultura. Há um movimento incessante de mão dupla resultando em dados de realidade e funcionando como suportes para valores culturais construídos e reconstruídos.

O cientista de dados

Para se compreender os dados obtidos pela via das ferramentas são necessários a etnografia e o Thick Data. Para se saber quais dados obter de um contexto e como esses contexto se fragmentam são necessárias ferramentas, processos e profissionais do Big Data, a exemplo dos Cientistas de Dados, como o conhecemos hoje.

Mas é preciso ressaltar que o Cientista de Dados, sozinho, nem sempre poderá dar conta de conseguir entregar o que as empresas esperam, pois o mercado demanda um perfil técnico para ocupar esta função.

A expectativa enviesada em torno da figura e das entregas do Cientista de Dados fez com que esse profissional se tornasse uma espécie de unicórnio, uma entidade cuja capacidade de entrega está atrelada a determinados níveis e processos, a exemplo do data mining.

Porém há um determinado nível específico da interpretação dos dados obtidos. E esse determinado nível de interpretação, para ser bem aproveitado, deverá incluir uma perspectiva multidisciplinar, o que significa chamar para o time de trabalho outros profissionais, como Sociólogos, Antropólogos, Psicólogos e profissionais de comunicação com experiência acadêmica.

Com uma equipe multidisciplinar formada, a empresa poderá se beneficiar não somente de métodos, em si, mas de um processo de compreensão dos sentidos e significados envoltos nos grafos obtidos a partir de ferramentas de data mining.

É preciso ter em mente que os grafos, apresentados como retrato das conexões, são também em certa medida retratos de culturas, contextualizadas em tempos e espaços específicos. É preciso lembrar: por trás de todo comportamento existem os desejos que contribuíram para a configuração de tais comportamentos, sejam eles ligados a consumo de produtos ou consumo de informação, na qualidade de conteúdo.

Para que serve o Thick Data

Para compreender os desejos é necessário compreender as relações de sentidos, significados e valores travadas na dimensão das redes sociais digitais. E é aí que entra o papel do Thick Data, associado aos métodos e ferramentas do mundo do Big Data, construindo assim uma espécie de análise 360 graus, indo desde a fonte até os resultados dos fluxos de comunicação nas redes.

Dentro do contexto do Thick Data, podem ser trabalhadas diferentes metodologias de ordem qualitativa, como netnografia e outras modalidades de pesquisas etnográficas, considerando inclusive as relações entre o virtual e o não virtual, pois não se deve isolar contextos.

A jornada do internauta passa também pelo offline, refletindo-se no online. Em meio a tudo isso, os significados vão sendo tecidos e construídos a partir dos arranjos de sentidos dados, nos fluxos de comunicação e envolvendo por exemplo pessoas e marcas.

Em síntese, empresas que compreenderem bem o Big Data como um elo integrado ao Thick Data, indo do R às abordagens qualitativas, irão se beneficiar de um poderoso processo, útil não somente para a compreensão de tendências de consumo, mas útil também para a compreensão de um novo mundo, no qual as pessoas não mais esperam significados prontos, pré-formatados, mas as condições de articulação dos sentidos que irão possibilitar a elas construírem seus próprios significados.

É isso que vai ditar novas regras para novas formas de comunicar, comprar e sobretudo desejar. [Webinsider]

. . . .

. . . .

http://br74.teste.website/~webins22/2017/07/20/o-cientista-de-dados-interpreta-sentidos-cultura-e-significados/

http://br74.teste.website/~webins22/2017/05/16/contrate-o-webinsider-para-melhorar-o-blog-da-empresa/

http://br74.teste.website/~webins22/2016/04/06/o-papel-das-antologias-e-abastecer-o-cerebro-das-maquinas/

Midierson Maia

Midierson Maia (damaia@internucleos.com.br) é publicitário, professor e pesquisador pela ECA/USP. É também consultor para planejamento e análise de dados em comunicação e marketing digital e fundador da Internucleos Research and Innovation.