O ano de 2022 é de novidades tecnológicas e digitais por dar espaço a temas como Web 3.0 e voz como interface digital
Como 2022 pode se tornar o ano das novidades digitais?
Como a automação de notícias impacta o jornalismo
Os robôs invadiram o jornalismo, mas não se preocupem: está tudo bem
Jul 25 2016, 5:02pm
Calma.
Há algumas semanas, a Associated Press anunciou uma grande expansão em sua cobertura esportiva. A agência de notícias passou a cobrir 142 times da Minor League Baseball, um conjunto de campeonatos de divisões regionais do beisebol americano. À primeira vista a decisão é difícil de explicar: cobrir a Minor League em tempo real exigiria a contratação de dezenas de repórteres em todo o país. Por que fazer um investimento tão grande para acompanhar partidas de pouca relevância, que despertariam o interesse apenas de algumas publicações regionais? A explicação está na última frase de cada uma das notas publicadas pela agência como parte da cobertura da Minor League: “Esta notícia foi gerada pelo Automated Insights com dados e colaboração da MLB Advanced Media e da Minor League Baseball.” As notícias da Minor League Baseball são escritas automaticamente por uma inteligência artificial, sem interferência humana, com base em estatísticas fornecidas pela liga. Para incluir os resultados de 13 campeonatos regionais sua cobertura esportiva, num total de mais de 10 mil partidas de beisebol, a Associated Press não precisou contratar dezenas de repórteres: apenas pagou por um programa de computador.
A Automated Insights é uma empresa de inteligência artificial da Carolina do Norte pioneira no desenvolvimento de softwares para escrever notícias. Sua plataforma Wordsmith, adotada pela Associated Press, é capaz de gerar “bilhões” de textos por mês, segundo a companhia, usando uma engenhosa combinação de modelos pré-programados e dados obtidos por meio de fontes confiáveis. Basicamente, o administrador do Wordsmith pode criar uma estrutura narrativa básica e deixar em branco os espaços que seriam preenchidos pelos dados noticiosos – o resultado de uma partida, o jogador que marcou o maior número de pontos ou o time vencedor, por exemplo. Ao receber os dados, o programa os analisa e preenche os espaços em branco usando uma sintaxe que imita a escrita humana.
PUBLICIDADE
A qualidade dos relatos produzidos pelo Wordsmith agradou aos leitores e surpreendeu os profissionais. “Fizemos testes com grupos de leitores e eles ficaram bastante satisfeitos com o resultado. Os nossos editores chegaram a dizer que o trabalho do computador é tão bom quanto o que recebemos de jornalistas freelancers”, diz Barry Bedlan, diretor de produtos esportivos da Associated Press.
Em alguns testes, os computadores se saem até melhor que jornalistas humanos. O pesquisador Andreas Graefe, da Universidade Ludwig-Maximilians, em Munique, publicou no início do ano um estudo em que comparava as reações de leitores a textos escritos por humanos e por computadores. As notícias geradas pelo computador foram consideradas superiores no quesito credibilidade e conhecimento do tema. O software só perdeu para os humanos no quesito legibilidade: por ser extremamente objetivos e cheios de dados, os textos gerados por computador podem ser um pouco tediosos para o público. Mesmo assim, a maioria dos leitores não foi capaz de distinguir entre textos gerados por computador e escritos por um repórter de carne e osso. Com o aprimoramento dos algoritmos usados por plataformas do tipo, a diferença deve diminuir ainda mais – start-ups e grandes empresas de tecnologia estão fazendo um esforço concentrado para desenvolver programas capazes de escrever de maneira mais “humana”.
Comparação das credibilidades entre humanos (cinza) e computadores (preto). Crédito: Reprodução
Uma visita ao site da Automated Insights mostra que esse tipo de tecnologia está se tornando cada vez mais acessível. A plataforma Wordsmith, adotada pela Associated Press, pode ser assinada por planos a partir de US$ 250. É uma fração do salário de um jornalista novato. Além de barato, o software não comete erros de digitação, não confunde números, faz cálculos com perfeição e pode escrever até mil artigos por mês em sua versão mais simples – ou bilhões, na mais completa.
PUBLICIDADE
Se você conseguiu ler o parágrafo acima sem engolir em seco, você provavelmente não é um jornalista. Num momento de crise na imprensa, com demissões em massa e encerramento de publicações no mundo todo, a invasão de robôs ultraprodutivos seria mais uma péssima notícia para uma profissão que já foi considerada a pior do mundo. “Quando fizemos os primeiros testes com a plataforma, algumas pessoas na redação ficaram bastante preocupadas”, afirma Bedlan. Felizmente, os especialistas no assunto dizem que ainda não há motivo para pânico. Apesar dos grandes avanços recentes nessa área, os programas geradores de notícias ainda têm muitas limitações. “Os programas se saem melhor em assuntos que exigem a produção de um grande número de notícias de maneira rápida e eficiente, sem muita ênfase na qualidade da narrativa – como relatórios financeiros e resumos de eventos esportivos”, diz Graefe. “Eles têm uma utilidade bastante limitada em assuntos que exigem que o jornalista interprete, analise e opine sobre os fatos, em lugar de simplesmente recitá-los.”
Outra tarefa em que os jornalistas de carne e osso são muito melhores que as máquinas é correr atrás das informações. Enquanto um repórter pode fazer entrevistas e consultar fontes para buscar os dados de que precisa, os computadores só funcionam quando são abastecidos por um banco de dados externo, gerado por uma fonte confiável. “Fizemos algumas experiências com outras ligas esportivas antes da Minor League Baseball, mas tivemos problemas porque os dados fornecidos pelos organizadores não eram bons o bastante, ou chegavam com atraso. Se uma organização esportiva só divulga as estatísticas oficiais cinco ou seis horas depois do fim de uma partida, por exemplo, a notícia que gerarmos já não vai ser relevante”, diz Bedlan.
PUBLICIDADE
As limitações descritas por Bedlan e Graefe explicam por que os robôs jornalísticos são um grande sucesso em duas áreas: na cobertura de beisebol, um esporte em que os fãs e organizadores são conhecidos pela paixão por estatísticas, e em análises de balanço de empresas de capital aberto – que são obrigadas a divulgar periodicamente uma grande quantidade de dados para o público. Na Associated Press, por exemplo, a ideia de cobrir a Minor League Baseball surgiu após um experimento bem sucedido na cobertura de negócios. Em janeiro de 2015, a agência de notícias causou alvoroço ao publicar uma nota analisando o balanço trimestral da Apple poucos minutos depois da divulgação dos dados pela empresa, num dos grandes marcos na história do jornalismo automatizado.
Apresentação do Wordsmith. Crédito: Divulgação/ YouTube
Em vez de espantar os repórteres de economia, o sucesso dos computadores na análise de balanços trimestrais de empresas causou alívio nas redações. “Esse era o tipo de trabalho mecânico e repetitivo que os jornalistas da área detestavam fazer”, diz Bedlan. “Eles adoraram a notícia de que usaríamos softwares para isso. Agora podem se dedicar a outras reportagens mais estimulantes.” Assim como nos esportes, o uso da plataforma de inteligência artificial também permitiu que a agência expandisse sua cobertura econômica. Antes da parceria com a Automated Insights, a Associated Press publicava notícias sobre o desempenho de cerca de 300 empresas, com relatórios escritos por repórteres e editores. Em 2015, ano em que adotou o jornalismo automatizado, a agência passou a acompanhar os resultados de mais de 3 mil empresas usando uma fração da mão de obra usada anteriormente e liberando os jornalistas para apurar notícias que exigiam mais investigação.
PUBLICIDADE
“Não temos notícia de nenhum jornalista que tenha perdido o emprego por causa do Wordsmith”, diz Dan Dillon, porta-voz da Automated Insights. “Automatizar algumas partes da cobertura noticiosa permite que os repórteres se dediquem a projetos de maior impacto. Isso traz benefícios para eles, para as empresas de mídia, que aumentam sua produtividade, e aos leitores, que passam a receber informações que antes não recebiam.”
Além de desbravar relatórios extensos para fazer reportagens maçantes que ninguém na redação gostava de fazer, programas como o Wordsmith podem se tornar ferramentas valiosas para ajudar jornalistas em reportagens híbridas, nas quais humanos e computadores trabalham em conjunto. Uma grande leva de reportagens desse tipo já poderá ser vista na cobertura das eleições americanas.
“Automatizar algumas partes da cobertura noticiosa permite que os repórteres se dediquem a projetos de maior impacto”
PUBLICIDADE
Segundo Graefe, a tendência é que essa colaboração entre humanos e máquinas se torne mais comum nos próximos anos. “O que veremos nas redações será um casamento entre jornalistas de carne e osso e programas de computador, cada um concentrando-se no que sabe fazer melhor”, diz. A cobertura esportiva da Associated Press poderá seguir esse caminho. “Temos estudado a possibilidade de usar a plataforma da Automated Insights como uma ferramenta para ajudar os repórteres em suas coberturas”, diz Bedlan. “Ela é muito boa para fazer comparações entre estatísticas de diferentes times e trazer à tona detalhes interessantes sobre o desempenho histórico de equipes e jogadores, coisas que podem passar desapercebidas para um repórter. Nunca nos limitaríamos a publicar uma cobertura automática de uma partida importante, mas um jornalista que saiba trabalhar em conjunto com um programa do tipo pode usá-lo para complementar suas reportagens.”
“Os únicos jornalistas que correm risco de ser substituídos pelas máquinas são aqueles que apenas fazem um trabalho mecânico e que ficam esperando que a informação chegue até eles – ou seja, os que têm um comportamento robótico. Meu conselho aos jornalistas é que eles desenvolvam habilidades que um algoritmo não tenha, como analisar fatos de maneira aprofundada, fazer boas entrevistas e produzir reportagens investigativas”, diz Graefe.
Até agora, o consenso entre os especialistas é que a expansão do jornalismo automatizado terá consequências bastante positivas para as empresas jornalísticas, repórteres e leitores. A não ser que eu tenha entendido tudo errado. Se daqui a alguns anos os robôs invadirem todas as redações do planeta e provocarem demissões em massa ao redor do mundo, deixo aqui meu humilde pedido de desculpas. Ao contrário das máquinas, repórteres humanos sempre estão sujeitos a cometer erros.
Como a computação ajuda a produção no campo
Como a consulta a distância impacta a medicina
Como a era do Big Data impacta a carreira dos estatísticos
Se antes eles eram chamados para estimar a quantidade de peixes que havia em um lago, agora precisam enfrentar um desafio bem maior, comparável à imensidão dos oceanos
“Na estatística, as conclusões envolvem sempre uma incerteza”, diz o professor Marcos Magalhães para uma plateia atenta de cerca de 180 estudantes que assistem a sua palestra na tarde desta quarta-feira, em São Carlos. Para exemplificar, ele conta a história de uma de suas filhas, que, aos 5 anos, enquanto passeavam no lago, perguntou onde ele trabalhava. O pai respondeu: no Departamento de Estatística. A filha logo emendou: “É como descobrir quantos peixes têm no lago, né?”.
Para Marcos, essa imagem do estatístico diante do lago, tentando contar os peixes, é capaz de sintetizar o papel de um estatístico: buscar técnicas e procedimentos para obter as respostas desejadas. Professor do Instituto de Matemática e Estatística da USP, ele ressalta que contar os peixes de um lago é mais complicado do que contar os que estão no aquário de uma casa. Imagine, então, estimar a quantidade de animais que existem em todos os oceanos da Terra? “Nesse novo cenário dos grandes bancos de dados, do Big Data, o estatístico precisa ter mais cautela. Como a massa de dados é imensa, quando ele tira suas conclusões, ninguém tem a possibilidade de checá-las. Isso requer que esse profissional aprimore cada vez mais suas possibilidades de reflexão, de analisar as hipóteses e avaliar o que, de fato, pode concluir”, pondera o professor, tomando um café depois do fim de sua palestra, ao lado do anfiteatro Bento Prado Júnior, na Universidade Federal de São Carlos (UFSCar).
Foi nesse anfiteatro que aconteceram as palestras da VII Semana de Estatística, realizada em parceria por estudantes de estatística do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP e da UFSCar, de 6 a 9 de junho. No último dia do evento, o estatístico Ranieri Ramos compartilhou sua trajetória e explicou que sua vida mudou com o sucesso alcançado por meio do blog O Estatístico, destinado a discutir assuntos dessa área do conhecimento de um jeito simples e divertido.
Quando o papo é Big Data, Ranieri concorda com o professor Marcos: “ao analisar bancos de dados pequenos, com algumas mil linhas e poucas colunas, eu me dou a oportunidade de me preocupar menos porque é mais fácil encontrar erros e alguém pode checar minhas análises. Já em bancos de dados muito grandes, em que há correlações entre as variáveis, esse trabalho é muito mais complexo e a chance de ter algo errado é bem maior.” Ele explica que, neste limiar da era do Big Data, os estatísticos investem de 70 a 80% do tempo limpando, organizando e validando as grandes bases de dados.
Para compreender a complexidade do problema, pense em tudo o que é postado nas redes sociais e imagine a quantidade de lixo que existe misturado às palavras, números, sons e imagens que realmente podem ser valiosos. Assim, as instituições que querem usar os dados disponíveis nas redes sociais, por exemplo, precisam jogar todo o lixo fora para, só depois, enfrentar o desafio de analisar esse oceano e extrair informações que realmente poderão nortear suas futuras decisões.
Perspectivas promissoras – Se é ponto pacífico que a era do Big Data lança novos desafios aos profissionais que se dedicam a investigar informações em meio aos dados, por outro lado, há controvérsias sobre quem tem mais capacidade para desempenhar esse trabalho. O cargo de cientista de dados pode ser ocupado tanto por um estatístico quanto por profissionais da computação, da engenharia, da matemática, do marketing, entre outros.
“É claro que o estatístico tem uma vocação natural para analisar esse oceano de dados”, afirma o professor Marcos. “O estatístico é o profissional mais direcionando para trabalhar com dados e tecnologia. Um estatístico aprender tecnologia é muito mais fácil do que um cara de tecnologia aprender estatística”, assegura Ranieri, que é estatístico sênior da Unimed de Santa Catarina.
Talvez seja esse um dos motivos que levam os estatísticos a aparecem sempre nas primeiras posições dos diversos rankings que tentam prever as profissões mais promissoras no futuro. Apenas para citar um exemplo: em ranking divulgado recentemente pelo CareerCast.com, portal norte-americano especializado em empregos, a profissão alcançou o topo entre as 200 carreiras avaliadas. Divulgado anualmente, o ranking leva em conta demandas físicas, ambiente de trabalho, renda, estresse e perspectivas de contratação.
No entanto, há quem discorde dessa opinião, como o estatístico Guilherme Fernandes, que trabalha na Serasa: “Uma pessoa da área de computação caminha muito bem nesse mundo. Os estatísticos não”. Segundo ele, para processar os grandes bancos de dados é imprescindível ter conhecimento sobre a computação e suas linguagens de programação. “Ninguém é dono de uma área de conhecimento. Mas dentro da computação, os estudantes já adquirem conhecimentos de aprendizado de máquina, inteligência artificial, redes neurais, algoritmos genéticos. Eles têm esses métodos para extrair conhecimento dos dados. Podem não usar todo o ferramental de teoria estatística, mas chegam a resultados similares aos dos estatísticos. Esse é o ponto: você vai por caminhos diferentes, mas quem chegar mais rápido será mais valorizado.”
De volta ao lago – Marcos conta que uma técnica frequentemente empregada para a contagem de peixes no lago é a captura e recaptura. É um método bem simples: alguns peixes são capturados, marcados e colocados de volta no lago. Aguarda-se certo tempo e captura-se novamente uma amostra de peixes no mesmo local. Por meio da análise do número de animais marcados recapturados, os estatísticos conseguem estimar a quantidade de peixes que há no lago: “Observe que, por conta da aleatoriedade, você está sempre sujeito ao erro”.
Considerando a escala de um lago, a técnica da captura e recaptura alcançará resultados com um nível aceitável de precisão. No entanto, se pensarmos em quantos peixes existem em todos os oceanos da Terra, é evidente que não será possível empregar a mesma técnica estatística. É por isso que, no universo de grandeza dos oceanos, que pode ser comparado ao mundo do Big Data, os estatísticos precisam das ferramentas computacionais para desenvolver novas técnicas e métodos a fim de obter respostas satisfatórias a perguntas como: em qual série a Netflix deve continuar investindo? Como podemos melhorar os serviços públicos de transporte, de saúde e de justiça?
Um caso de sucesso nesse sentido foi o trabalho realizado por Anne Milgram nos Estados Unidos. Quando ela se tornou procuradora geral de Nova Jersey, descobriu que sua equipe não sabia quem estavam colocando na prisão e não possuíam meios para entender se suas decisões estavam realmente deixando a população mais segura. Na palestra Por que as estatísticas inteligentes são a chave para combater o crime, realizada no TED@BCG em São Francisco (disponível neste link), Anne relata sua jornada para tornar o sistema de justiça criminal dos norte-americanos mais eficiente por meio da utilização de dados e análises estatísticas rigorosas.
De acordo com Anne, dos 12 milhões de detenções realizadas por ano nos Estados Unidos, menos de 5% correspondem a crimes violentos e 67% das pessoas que saem da cadeia voltam a ser presas. “Decidi buscar uma ferramenta de dados e análises para avaliação de risco, algo que permitiria aos juízes entenderem, com base científica e objetiva, qual é o risco apresentado pelo réu a sua frente”, diz na palestra. Para possibilitar que os crimes violentos sejam punidos e evitar que as cadeias norte-americanas fiquem abarrotadas por pessoas que não precisariam estar lá já que não oferecem risco à sociedade, Anne tem uma solução: “Devíamos pegar essas avaliações de risco por dados e combiná-las com o instinto e a experiência dos juízes para nos guiar a tomar decisões melhores”.
O trabalho de Anne é citado em um dos muitos textos que Ranieri disponibiliza no blog O Estatístico. Recentemente, Ranieri participou de uma reunião para discutir como os dados abertos da cidade de Joinville poderiam ser utilizados para melhorar a gestão na área de saúde: “será que os recursos estão sendo destinados de forma correta? Verificando a demanda na saúde, quais são os lugares mais indicados para instalar um novo posto de saúde? Não conseguiremos achar as respostas para essas perguntas se não olharmos os dados.”
Segundo ele, só agora as instituições e empresas brasileiras estão começando a acordar para a era do Big Data. “Os dados brutos são o novo dinheiro das empresas. Se elas não souberem o que esses dados significam, não saberão para onde ir e vão quebrar”, profetiza Ranieri. Ele cita exemplos de empresas que estão coletando dados em tempo real como o metrô de Santiago, em que a tarifa não é fixa, mas se altera de acordo com a demanda. O Uber também segue essa política do preço dinâmico, nos momentos do dia em que a população mais solicita o serviço, o custo da locomoção aumenta: “Tem que existir uma boa tecnologia para analisar dados não estruturados em tempo real e não são todas as empresas que têm condições de fazer isso hoje. Mas é algo cada vez mais comum, até aeroportos já estão usando esses dados para controlar o fluxo aéreo”.
Ranieri diz que as principais questões que as empresas estão tentando responder ao olhar para a imensidão de dados existentes em seus sistemas e nas redes sociais é: quem são meus clientes? Como eles se comportam? Será que o produto oferecido é adequado? Essas perguntas aparentemente simples têm feito muitos pesquisadores perderem noites de sono para respondê-las estatisticamente. “Fundamental nessa área é a construção de modelos estatísticos que possam refletir com maior precisão a história e o perfil dos clientes. Esses modelos não são triviais devido ao tamanho dos bancos de dados”, explica Josemar Rodrigues, professor aposentado do ICMC.
Na apresentação que ele fez durante o 5º Workshop de Métodos Estatísticos e Probabilísticos, realizado em fevereiro no Instituto, Josemar abordou os desafios metodológicos que há para as empresas conhecerem quem são seus clientes e o que eles vão fazer no futuro. “A maioria dos modelos que existem nessa área supõe que o número de vendas de um produto para cada cliente segue uma lógica pré-determinada, que não leva em conta o padrão real de dispersão de compras ao longo do tempo. Nesses modelos tradicionais, só se considera o instante em que o cliente faz a compra”. Josemar explica que a informação sobre o instante da compra não é suficiente para avaliar quanto tempo o cliente ficou interessado por um produto ou serviço e muito menos para identificar a probabilidade desse cliente realizar futuras compras. Durante sua apresentação, o professor evidenciou que os pesquisadores têm buscado construir modelos mais flexíveis e citou como exemplo o trabalho Bridging the Gap: A Generalized Stochastic Process for Count Data.
Partindo para florestas e oceanos – Será que esses novos modelos estatísticos permitirão à humanidade escutar o som da extinção surgindo no interior de uma floresta? Soa como uma questão típica dos filmes de ficção científica, mas esse é o objeto de estudo de Diego Carvalho do Nascimento, doutorando do Programa Interinstitucional de Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs). Orientado pelo professor Francisco Louzada, do ICMC, Diego está trabalhando em conjunto com pesquisadores da área de computação nas gravações realizadas na estação de pesquisa biológica La Selva, na Costa Rica. Durante o 5º Workshop de Métodos Estatísticos e Probabilísticos, Diego apresentou o projeto Wilcoxon test for transformation on soundscape: a feature extraction task no formato de pôster.
O trabalho analisou gravações que foram realizadas de 6 de março a 20 de abril de 2015 na selva. A cada 15 minutos, os pesquisadores da Costa Rica gravaram um minuto dos sons de La Selva, o que gerou 3.061 gravações, totalizando mais de 8 mil minutos. “Em 30 segundos de gravação podemos escutar pássaros, grilos e até um cachorro. Porém, quando começa a chover, não conseguimos ouvir mais nada. Então, antes de analisar, precisamos fazer uma limpeza nos sons, pré-processar os dados, tirar o som da chuva e separar o que é o som de cada animal.”
Se os pesquisadores obtiverem sucesso nessa verdadeira limpeza sonora, a técnica estatística desenvolvida poderá ser aplicada tanto para sondar o possível desaparecimento de uma espécie quanto, por exemplo, para aprimorar a segurança pública. Imagine se o disparo de uma arma de fogo em uma cidade pudesse ser ouvido em tempo real pelas forças de segurança? Isso seria viável se o som pudesse ser identificado automaticamente a partir da exclusão de outros barulhos do ambiente urbano (carros, motos, vozes, etc.). “A ideia é usar essa técnica também para estudar sons subaquáticos que estão sendo captados na Bacia de Santos. Por meio desses áudios, queremos avaliar a quantidade de baleias que habitam a região e reconhecer quantas são machos, fêmeas, jovens e adultos”.
Nesse momento, até parece que os oceanos da realidade se aproximam dos filmes de ficção. Não é difícil imaginar esse novo modelo estatístico identificando a existência de vida em outros planetas a partir da captação de sons. Porém, antes que isso aconteça, caro leitor, há muitos dados na Terra que precisarão ser estudados. “O mundo está se tornando um mundo de dados. Acredito que todos nós, no futuro, seremos pessoas capazes de analisar dados. Se o mundo está se tornando digital, por que você não vai se tornar analítico?”, finaliza Ranieri.
Como a era do Big Data impacta a carreira dos estatísticos
Se antes eles eram chamados para estimar a quantidade de peixes que havia em um lago, agora precisam enfrentar um desafio bem maior, comparável à imensidão dos oceanos
“Na estatística, as conclusões envolvem sempre uma incerteza”, diz o professor Marcos Magalhães para uma plateia atenta de cerca de 180 estudantes que assistem a sua palestra na tarde desta quarta-feira, em São Carlos. Para exemplificar, ele conta a história de uma de suas filhas, que, aos 5 anos, enquanto passeavam no lago, perguntou onde ele trabalhava. O pai respondeu: no Departamento de Estatística. A filha logo emendou: “É como descobrir quantos peixes têm no lago, né?”.
Para Marcos, essa imagem do estatístico diante do lago, tentando contar os peixes, é capaz de sintetizar o papel de um estatístico: buscar técnicas e procedimentos para obter as respostas desejadas. Professor do Instituto de Matemática e Estatística da USP, ele ressalta que contar os peixes de um lago é mais complicado do que contar os que estão no aquário de uma casa. Imagine, então, estimar a quantidade de animais que existem em todos os oceanos da Terra? “Nesse novo cenário dos grandes bancos de dados, do Big Data, o estatístico precisa ter mais cautela. Como a massa de dados é imensa, quando ele tira suas conclusões, ninguém tem a possibilidade de checá-las. Isso requer que esse profissional aprimore cada vez mais suas possibilidades de reflexão, de analisar as hipóteses e avaliar o que, de fato, pode concluir”, pondera o professor, tomando um café depois do fim de sua palestra, ao lado do anfiteatro Bento Prado Júnior, na Universidade Federal de São Carlos (UFSCar).
Foi nesse anfiteatro que aconteceram as palestras da VII Semana de Estatística, realizada em parceria por estudantes de estatística do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP e da UFSCar, de 6 a 9 de junho. No último dia do evento, o estatístico Ranieri Ramos compartilhou sua trajetória e explicou que sua vida mudou com o sucesso alcançado por meio do blog O Estatístico, destinado a discutir assuntos dessa área do conhecimento de um jeito simples e divertido.
Quando o papo é Big Data, Ranieri concorda com o professor Marcos: “ao analisar bancos de dados pequenos, com algumas mil linhas e poucas colunas, eu me dou a oportunidade de me preocupar menos porque é mais fácil encontrar erros e alguém pode checar minhas análises. Já em bancos de dados muito grandes, em que há correlações entre as variáveis, esse trabalho é muito mais complexo e a chance de ter algo errado é bem maior.” Ele explica que, neste limiar da era do Big Data, os estatísticos investem de 70 a 80% do tempo limpando, organizando e validando as grandes bases de dados.
Para compreender a complexidade do problema, pense em tudo o que é postado nas redes sociais e imagine a quantidade de lixo que existe misturado às palavras, números, sons e imagens que realmente podem ser valiosos. Assim, as instituições que querem usar os dados disponíveis nas redes sociais, por exemplo, precisam jogar todo o lixo fora para, só depois, enfrentar o desafio de analisar esse oceano e extrair informações que realmente poderão nortear suas futuras decisões.
Perspectivas promissoras – Se é ponto pacífico que a era do Big Data lança novos desafios aos profissionais que se dedicam a investigar informações em meio aos dados, por outro lado, há controvérsias sobre quem tem mais capacidade para desempenhar esse trabalho. O cargo de cientista de dados pode ser ocupado tanto por um estatístico quanto por profissionais da computação, da engenharia, da matemática, do marketing, entre outros.
“É claro que o estatístico tem uma vocação natural para analisar esse oceano de dados”, afirma o professor Marcos. “O estatístico é o profissional mais direcionando para trabalhar com dados e tecnologia. Um estatístico aprender tecnologia é muito mais fácil do que um cara de tecnologia aprender estatística”, assegura Ranieri, que é estatístico sênior da Unimed de Santa Catarina.
Talvez seja esse um dos motivos que levam os estatísticos a aparecem sempre nas primeiras posições dos diversos rankings que tentam prever as profissões mais promissoras no futuro. Apenas para citar um exemplo: em ranking divulgado recentemente pelo CareerCast.com, portal norte-americano especializado em empregos, a profissão alcançou o topo entre as 200 carreiras avaliadas. Divulgado anualmente, o ranking leva em conta demandas físicas, ambiente de trabalho, renda, estresse e perspectivas de contratação.
No entanto, há quem discorde dessa opinião, como o estatístico Guilherme Fernandes, que trabalha na Serasa: “Uma pessoa da área de computação caminha muito bem nesse mundo. Os estatísticos não”. Segundo ele, para processar os grandes bancos de dados é imprescindível ter conhecimento sobre a computação e suas linguagens de programação. “Ninguém é dono de uma área de conhecimento. Mas dentro da computação, os estudantes já adquirem conhecimentos de aprendizado de máquina, inteligência artificial, redes neurais, algoritmos genéticos. Eles têm esses métodos para extrair conhecimento dos dados. Podem não usar todo o ferramental de teoria estatística, mas chegam a resultados similares aos dos estatísticos. Esse é o ponto: você vai por caminhos diferentes, mas quem chegar mais rápido será mais valorizado.”
De volta ao lago – Marcos conta que uma técnica frequentemente empregada para a contagem de peixes no lago é a captura e recaptura. É um método bem simples: alguns peixes são capturados, marcados e colocados de volta no lago. Aguarda-se certo tempo e captura-se novamente uma amostra de peixes no mesmo local. Por meio da análise do número de animais marcados recapturados, os estatísticos conseguem estimar a quantidade de peixes que há no lago: “Observe que, por conta da aleatoriedade, você está sempre sujeito ao erro”.
Considerando a escala de um lago, a técnica da captura e recaptura alcançará resultados com um nível aceitável de precisão. No entanto, se pensarmos em quantos peixes existem em todos os oceanos da Terra, é evidente que não será possível empregar a mesma técnica estatística. É por isso que, no universo de grandeza dos oceanos, que pode ser comparado ao mundo do Big Data, os estatísticos precisam das ferramentas computacionais para desenvolver novas técnicas e métodos a fim de obter respostas satisfatórias a perguntas como: em qual série a Netflix deve continuar investindo? Como podemos melhorar os serviços públicos de transporte, de saúde e de justiça?
Um caso de sucesso nesse sentido foi o trabalho realizado por Anne Milgram nos Estados Unidos. Quando ela se tornou procuradora geral de Nova Jersey, descobriu que sua equipe não sabia quem estavam colocando na prisão e não possuíam meios para entender se suas decisões estavam realmente deixando a população mais segura. Na palestra Por que as estatísticas inteligentes são a chave para combater o crime, realizada no TED@BCG em São Francisco (disponível neste link), Anne relata sua jornada para tornar o sistema de justiça criminal dos norte-americanos mais eficiente por meio da utilização de dados e análises estatísticas rigorosas.
De acordo com Anne, dos 12 milhões de detenções realizadas por ano nos Estados Unidos, menos de 5% correspondem a crimes violentos e 67% das pessoas que saem da cadeia voltam a ser presas. “Decidi buscar uma ferramenta de dados e análises para avaliação de risco, algo que permitiria aos juízes entenderem, com base científica e objetiva, qual é o risco apresentado pelo réu a sua frente”, diz na palestra. Para possibilitar que os crimes violentos sejam punidos e evitar que as cadeias norte-americanas fiquem abarrotadas por pessoas que não precisariam estar lá já que não oferecem risco à sociedade, Anne tem uma solução: “Devíamos pegar essas avaliações de risco por dados e combiná-las com o instinto e a experiência dos juízes para nos guiar a tomar decisões melhores”.
O trabalho de Anne é citado em um dos muitos textos que Ranieri disponibiliza no blog O Estatístico. Recentemente, Ranieri participou de uma reunião para discutir como os dados abertos da cidade de Joinville poderiam ser utilizados para melhorar a gestão na área de saúde: “será que os recursos estão sendo destinados de forma correta? Verificando a demanda na saúde, quais são os lugares mais indicados para instalar um novo posto de saúde? Não conseguiremos achar as respostas para essas perguntas se não olharmos os dados.”
Segundo ele, só agora as instituições e empresas brasileiras estão começando a acordar para a era do Big Data. “Os dados brutos são o novo dinheiro das empresas. Se elas não souberem o que esses dados significam, não saberão para onde ir e vão quebrar”, profetiza Ranieri. Ele cita exemplos de empresas que estão coletando dados em tempo real como o metrô de Santiago, em que a tarifa não é fixa, mas se altera de acordo com a demanda. O Uber também segue essa política do preço dinâmico, nos momentos do dia em que a população mais solicita o serviço, o custo da locomoção aumenta: “Tem que existir uma boa tecnologia para analisar dados não estruturados em tempo real e não são todas as empresas que têm condições de fazer isso hoje. Mas é algo cada vez mais comum, até aeroportos já estão usando esses dados para controlar o fluxo aéreo”.
Ranieri diz que as principais questões que as empresas estão tentando responder ao olhar para a imensidão de dados existentes em seus sistemas e nas redes sociais é: quem são meus clientes? Como eles se comportam? Será que o produto oferecido é adequado? Essas perguntas aparentemente simples têm feito muitos pesquisadores perderem noites de sono para respondê-las estatisticamente. “Fundamental nessa área é a construção de modelos estatísticos que possam refletir com maior precisão a história e o perfil dos clientes. Esses modelos não são triviais devido ao tamanho dos bancos de dados”, explica Josemar Rodrigues, professor aposentado do ICMC.
Na apresentação que ele fez durante o 5º Workshop de Métodos Estatísticos e Probabilísticos, realizado em fevereiro no Instituto, Josemar abordou os desafios metodológicos que há para as empresas conhecerem quem são seus clientes e o que eles vão fazer no futuro. “A maioria dos modelos que existem nessa área supõe que o número de vendas de um produto para cada cliente segue uma lógica pré-determinada, que não leva em conta o padrão real de dispersão de compras ao longo do tempo. Nesses modelos tradicionais, só se considera o instante em que o cliente faz a compra”. Josemar explica que a informação sobre o instante da compra não é suficiente para avaliar quanto tempo o cliente ficou interessado por um produto ou serviço e muito menos para identificar a probabilidade desse cliente realizar futuras compras. Durante sua apresentação, o professor evidenciou que os pesquisadores têm buscado construir modelos mais flexíveis e citou como exemplo o trabalho Bridging the Gap: A Generalized Stochastic Process for Count Data.
Partindo para florestas e oceanos – Será que esses novos modelos estatísticos permitirão à humanidade escutar o som da extinção surgindo no interior de uma floresta? Soa como uma questão típica dos filmes de ficção científica, mas esse é o objeto de estudo de Diego Carvalho do Nascimento, doutorando do Programa Interinstitucional de Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs). Orientado pelo professor Francisco Louzada, do ICMC, Diego está trabalhando em conjunto com pesquisadores da área de computação nas gravações realizadas na estação de pesquisa biológica La Selva, na Costa Rica. Durante o 5º Workshop de Métodos Estatísticos e Probabilísticos, Diego apresentou o projeto Wilcoxon test for transformation on soundscape: a feature extraction task no formato de pôster.
O trabalho analisou gravações que foram realizadas de 6 de março a 20 de abril de 2015 na selva. A cada 15 minutos, os pesquisadores da Costa Rica gravaram um minuto dos sons de La Selva, o que gerou 3.061 gravações, totalizando mais de 8 mil minutos. “Em 30 segundos de gravação podemos escutar pássaros, grilos e até um cachorro. Porém, quando começa a chover, não conseguimos ouvir mais nada. Então, antes de analisar, precisamos fazer uma limpeza nos sons, pré-processar os dados, tirar o som da chuva e separar o que é o som de cada animal.”
Se os pesquisadores obtiverem sucesso nessa verdadeira limpeza sonora, a técnica estatística desenvolvida poderá ser aplicada tanto para sondar o possível desaparecimento de uma espécie quanto, por exemplo, para aprimorar a segurança pública. Imagine se o disparo de uma arma de fogo em uma cidade pudesse ser ouvido em tempo real pelas forças de segurança? Isso seria viável se o som pudesse ser identificado automaticamente a partir da exclusão de outros barulhos do ambiente urbano (carros, motos, vozes, etc.). “A ideia é usar essa técnica também para estudar sons subaquáticos que estão sendo captados na Bacia de Santos. Por meio desses áudios, queremos avaliar a quantidade de baleias que habitam a região e reconhecer quantas são machos, fêmeas, jovens e adultos”.
Nesse momento, até parece que os oceanos da realidade se aproximam dos filmes de ficção. Não é difícil imaginar esse novo modelo estatístico identificando a existência de vida em outros planetas a partir da captação de sons. Porém, antes que isso aconteça, caro leitor, há muitos dados na Terra que precisarão ser estudados. “O mundo está se tornando um mundo de dados. Acredito que todos nós, no futuro, seremos pessoas capazes de analisar dados. Se o mundo está se tornando digital, por que você não vai se tornar analítico?”, finaliza Ranieri.
Como a inteligência artificial vai mudar a moda
O futuro da moda pertence às roupas inteligentes e a sustentabilidade
Como a internet das coisas vai impulsionar a moda
O crescimento da economia circular não só beneficiará os consumidores, o ambiente e a sociedade mas também vai gerar muitos empregos e lucratividade. Em 2014, o Fórum Econômico Mundial concluiu que até 2025, a economia circular poderá gerar US $ 1 trilhão por ano para a economia global e 100.000 novos postos de trabalho podem ser criados anualmente nos próximos cinco anos, desde que as empresas se concentrem em incentivar as cadeias de fornecimento circulares para aumentar a reutilização, remanufatura e reciclagem.
A Internet das coisas é a chave para que a transparência, ética e sustentabilidade se torne uma norma em todas as indústrias, entre elas a moda. A plataforma de produtos inteligentes e Internet das coisas EVRYTHNG, anunciou uma parceria com a Sustainable Apparel Coalition (SAC) e Avery Dennison para explorar como os fornecedores, fabricantes, marcas de varejo e os consumidores podem acessar e interagir com informações digitais sobre a sustentabilidade dos produtos.
O primeiro passo do trio será o lançamento de um programa piloto para produtos inteligentes utilizando a plataforma da EVRYTHNG e etiquetas sustentáveis com identidade única da Avery Dennison, bem como informações do Índice Higg, uma ferramenta de medição padronizada que permite que as marcas, varejistas e fabricantes possam entender seu impacto industrial, ambiental, social e de trabalho, e descobrir maneiras de melhorar nessas áreas.
O programa piloto, que decorrerá entre Maio e Julho de 2017, permite que as marcas participantes possam descobrir a melhor maneira de compartilhar informações do Índice Higg com os consumidores e outras partes interessadas através das identidades digitais e etiquetas inteligentes nos produtos. Da Internet das coisas surge a Internet das roupas. Como funciona
Como os objetos na Internet das coisas são encaixados com chips e sensores, eles podem ser rastreados em todo seu ciclo de vida. Este processo de rastreamento de ativos pode ser feito de várias maneiras.
Rastreamento ativo permite que as coisas conectadas possam trocar dados entre si remotamente, enquanto em uso. Isso melhora muito a capacidade dos fabricantes para monitorar tudo o que acontece.
Rastreamento passivo permite que os fabricantes rastreiem por exemplo, uma jaqueta usando RFID ou alguma outra tecnologia de digitalização, com o objectivo de reduzir os custos ao longo da cadeia de fornecimento e tornar mais fácil reciclar a peça quando se aproxima o fim da sua vida útil.
Exemplos de aplicações de produtos digitais incluem:
Histórico do produto: Dados sobre os materiais do produto, fabricação e distribuição podem oferecer total transparência aos consumidores sobre de onde o produto veio e como ele foi feito.
Recompensas de fidelidade: Os consumidores podem interagir com os seus produtos para desbloquear conteúdos personalizados digitais, serviços, ofertas e extras, ou conectar com aplicativos de terceiros para outras recompensas e benefícios.
Reordenamento do produto: Os consumidores podem interagir com os produtos usando suas identidades digitais e seus smartphones para reordenar produtos que eles gostam ou acessar produtos similares que podem querer comprar.
Proteção para as marcas: As marcas podem colocar nas peças os programas de proteção mais fortes com autenticação digital e análises em tempo real, para enfrentar o desafio dos produtos vendidos serem adulterados.
Prevenção contra perda: Um produto que transporta dados sobre onde e quando foi comprado não pode de forma fraudulenta ser devolvido, ajudando os varejistas a combater a fraude que custa bilhões de dólares globalmente para a indústria a cada ano.
Recomendações personalizadas: Os consumidores podem acessar o conteúdo personalizado original em seus smartphones como sugestões de estilo pessoal, novas dicas da temporada, conteúdo de saúde e fitness e convites para eventos, que são acionados pelo produto e com base em compras anteriores.
Sustentabilidade: A reciclagem torna-se muito mais fácil para os consumidores e marcas quando o produto pode mostrar informações específicas sobre o que fazer quando se chega ao fim da sua vida útil, incluindo como reutilizá-lo para um segundo uso ou como encontrar o centro de reciclagem mais próximo.
“A sustentabilidade tem o poder de influenciar o comportamento de compra do consumidor”, disse Andy Hobsbawm, Co-fundador e CMO da EVRYTHNG. “Através da nossa parceria com a Sustainable Apparel Coalition e Avery Dennison, nós estamos dando a algumas das principais marcas de moda, a capacidade de utilizar as identidades digitais de seus produtos conectadas à nuvem, para dar total transparência aos consumidores sobre suas credenciais de sustentabilidade, a fim de construir e fortalecer seus relacionamentos com os clientes“.
A EVRYTHNG permite que as marcas possam digitalizar seus produtos com as identidades de software na nuvem, proporcionando aos consumidores uma maior transparência do produto para que eles possam tomar decisões de compra mais informadas. A parceria entre EVRYTHNG, Avery Dennison, Rochambeau e The New Stand levou à BRIGHT BMBR, jaqueta inteligente que vem com experiências digitais exclusivas e conteúdo personalizado.
“O Índice Higg permite que membros do Sustainable Apparel Coalition possam assumir a responsabilidade total sobre seu impacto ambiental e social. A introdução de identidades digitais únicas de produtos fornece uma maneira nova e eficiente para as marcas capturarem e compartilharem esta informação “, disse Jason Kibbey, CEO do SAC. “Nossa parceria com a EVRYTHNG e a Avery Dennison acelera o nosso progresso em direção à realização de uma visão onde os consumidores utilizam o Índice Higg para avaliar e influenciar as escolhas de produtos que eles querem comprar.”
Cerca de 10 bilhões de produtos de vestuário, acessórios e calçados estão sendo individualmente conectados digitalmente, e a capacidade de localizar cada um desses itens é apenas um dos benefícios que surgirão a partir da parceria entre as tecnologias da EVRYTHNG e Avery Dennison. Ao longo dos próximos três anos, diversas marcas que vão de grifes famosas a redes de fast fashion, terão seus produtos introduzindo com identidades digitais únicas e perfis de dados na nuvem com todos os dados de fabricação.
A internet das coisas não só impulsionará a adoção da economia circular como também ajudará as empresas a combater com muito mais eficiência a falsificação de seus produtos. Fonte : Sustainable Apparel Coalition
Como a tecnologia 5G vai transformar diversos setores de prestação de serviços
O que dizem especialistas sobre os impactos da tecnologia 5G na criação de oportunidades de novos negócios que passam a ser viabilizados após leilão no início de novembro
Como a tecnologia e a IA transformam o processo de recrutamento e seleção
Como a tecnologia fortalece a segurança em 2020
Como a tecnologia revoluciona a área de recursos humanos?
Como a transformação digital altera rotinas da odontologia
Como anda o mercado da odontologia no Brasil
Como aperfeiçoar os impactos da Indústria 4.0 sobre resultados das empresas?
Como as fast fashion impactam o e-commerce de vestuário
Como as tecnologias impactam o futuro do comércio
Como as universidades devem se portar nesta nova era da Educação?
Como empresas brasileiras se preparam para disrupturas do futuro
Relatório da Deloitte no Forum Econômico Mundial revela como as organizações podem se preparar melhor para as disrupturas do futuro
Como implementar e gerir o delivery nos negócios
Orquestrar diferentes marketplaces, operar com multicanalidade e compreender qual canal é mais relevante são os principais desafios do delivery