Este artigo de opinião foi escrito por Marylene Wamukoya, projeto e gestão de dados no Centro de Pesquisa em Saúde e População Africano. Ele aparece em nosso governo digital newsfeed.

O segundo Fórum Mundial de Dados da ONU foi realizado no mês passado em Dubai, nos Emirados Árabes Unidos. O fórum bienal oferece uma oportunidade para vários atores do ecossistema de dados conduzirem o uso de dados de qualidade para o cumprimento dos [Objetivos de Desenvolvimento Sustentável](http://www.undp.org/content/undp/en/home/sustainable -development-goals.html) (ODS) até 2030.

O Centro Africano de Pesquisa em Saúde e População (APHRC) teve uma delegação no Fórum para falar em uma [sessão](https://undataforum.org/WorldDataForum/sessions/ta3-09-data-revolution-in-africa-advances- and-experience-at-the-regional-national-and-subnational-levels /) intitulado “[Data Revolution in Africa](https://apolitical.co/solution_article/african-countries-level-playing-field-oil- ouro-corporações /): avanços e experiências nos níveis regional, nacional e subnacional ”.

O objetivo da sessão era destacar a cadeia de valor dos dados, da comunidade à pesquisa, aos formuladores de políticas governamentais e outros tomadores de decisão. Ele destacou três desenvolvimentos específicos: portais de compartilhamento de dados online que fornecem a curadoria de dados de base populacional, parcerias com o governo para melhorar os dados sistemas e vigilância demográfica em comunidades faveladas africanas.

Na última sessão plenária do último dia do Fórum, um dos painelistas, Nnenna Nwakanma, fez esta pergunta a todos nós: quais são as suas conclusões do Fórum de Dados da ONU?

Uma das maiores lições que aprendi ao participar de várias sessões e eventos paralelos foi que precisamos cogitar profundamente sobre como definimos o termo "cientista de dados". Isso ocorre por causa da crescente conscientização de a importância dos dados nos aspectos cotidianos da vida e o subsequente crescimento de uma disciplina conhecida como “Ciência de dados”.

Isso me fez pensar muito sobre a ciência de dados e o que isso realmente significa. O’Neil e Schutt (em seu livro Doing Data Science) definem um cientista de dados como:

“Alguém que sabe extrair significado e interpretar dados, o que requer tanto ferramentas e métodos de estatística e aprendizado de máquina, quanto ser humano. Ela passa muito tempo no processo de coleta, limpeza e eliminação de dados, porque os dados nunca são limpos. Este processo requer persistência, estatísticas e habilidades de engenharia de software - habilidades que também são necessárias para compreender vieses nos dados e para depurar a saída de registro do código. ”

Pesquisas adicionais revelaram que o cientista de dados ideal deve possuir habilidades de programação, estatísticas, aprendizado de máquina, cálculo multivariável e álgebra linear, organização de dados, visualização e comunicação de dados, engenharia de software e intuição de dados! É possível que um ser humano possua todas essas habilidades e seja bom em todas elas?

Sim, é - se alguém tiver inteligência sobre-humana e habilidades que desafiam o tempo para adquirir a educação e o aprendizado necessários durante sua vida. Ou se alguém fosse o monstro de Frankenstein, composto por várias partes de um comunicador de dados, estatístico, matemático, desenvolvedor web, gerente de produto, entre outros, conforme demonstrado por Stephan Kolassa.

Claramente, a tarefa de encontrar o cientista de dados ideal exigiria esforços hercúleos. É raro encontrar o conjunto de habilidades e experiência desejados em um indivíduo. No entanto, é possível construir uma equipe de ciência de dados composta por especialistas em cada uma das habilidades individuais listadas acima. E a equipe, o mais importante, também deve ser multicultural e diversificada por gênero.

Por que o desenvolvimento de uma equipe de ciência de dados é importante para o APHRC? O Centro tem estado na vanguarda da pesquisa para a tomada de decisão baseada em evidências na África desde 2002. A população rica e os dados de saúde urbana gerados por vários programas de pesquisa são o nosso ativo mais valioso e estão armazenados em nossos dados online -sharing platform onde estão disponíveis para uso por vários atores mediante solicitação.

Até agora, os dados foram analisados descritivamente e foram capazes de fornecer informações históricas sobre uma variedade de assuntos. No entanto, como mostrado na próxima figura, para que o valor dos dados aumente, eles devem amadurecer analiticamente por meio de análises diagnósticas, preditivas e, em seguida, prescritivas.

A análise prescritiva requer o uso de Aprendizado de Máquina (ML) e Inteligência Artificial (IA), os quais "aprendem sua inteligência" com um ser humano, não apenas com os dados que são alimentados. Por exemplo, uma equipe do Massachusetts Institute of Technology encontrou a previsão de renda de uma IA “chocantemente racista e sexista” por causa da natureza dos dados que foram alimentados.

Sem a intervenção da equipe, que ajustou os algoritmos, as habilidades preditivas da IA teriam falhado em grupos desprivilegiados, como mulheres e minorias. Vemos então que uma equipe diversificada de ciência de dados é capaz de restringir a produção de IA que é enviesada, especialmente nos casos em que os dados usados para construir a IA já eram enviesados em primeira instância.

Compreensivelmente, a montagem de tal equipe traz suas próprias implicações financeiras. É aqui que alcançar primeiro as frutas mais fáceis de alcançar, antes de expandir para as operações completas, seria o ideal. Isso envolve duas coisas: primeiro, tirar proveito das plataformas de ML disponíveis no Google ou Microsoft para realizar operações básicas e, segundo, capitalizar a experiência disponível atualmente no Centro. Isso pode ser seguido por uma reestruturação em escala de uma equipe que tem a experiência necessária e o investimento em infraestrutura que oferece suporte a ML e IA.

As funções que estão sendo realizadas pela equipe de ciência de dados incluiriam entre outro, um engenheiro de visualização de dados, um engenheiro de ML e um jornalista de dados.

A eventual equipe de ciência de dados deve considerar o tipo de ciência de dados que deseja seguir. Isso será determinado em parte pela equipe: ela pode se concentrar na limpeza e análise de dados para uso em previsão, modelagem e visualização (uma equipe analítica) ou na engenharia de software para desenvolver produtos usando dados existentes (equipe de construção).

Uma equipe diversificada conduziria a produção de produtos de pesquisa variados e de alta qualidade que fornecem prescrições informadas para tomadas de decisão inclusivas e baseadas em evidências. Isso, por sua vez, orientaria a visão do Centro para transformar vidas na África por meio da pesquisa, bem como os esforços do Quênia para [não deixar ninguém para trás](https: //www .un.org / development / desa / en / news / Sustainable / leave-ninguém-para trás.html) na implementação dos ODS. - Marylene Wamukoya

(Crédito da imagem: Pexels)