Ferramentas para gerenciar projetos de data science

Postado por Anônimo em
Fonte: JK Lakshmipat University, 2018


Olá pessoa, bem-vindx de volta 😊!

Da última vez que conversamos eu apresentei à vocês o que era data science, data analysis e alguns conceitos desse mundo dos dados, lembra?

Pois bem, dessa vez vamos mudar um pouquinho a temática. Ao invés de dar enfoque à teoria do data analysis aplicado ao gerenciamento de projetos, faremos uma análise das ferramentas mais comuns que podem ser utilizadas para facilitar o gerenciamento de um projeto de data science, aquele mesmo que você está procrastinando para começar.

E aí, bora lá?

Fonte: GIMPHY


Comumente, os projetos de data science se baseiam em metodologias comuns de gerenciamento de projetos contudo, nem todas elas podem ser integralmente aplicadas a esses tipos de projetos.


Os projetos de análise de dados ainda estão em processo de amadurecimento e sendo assim, é possível que para gerenciar esses projetos seja necessário desenvolver outras metodologias ou adaptar as tradicionais.

Num panorama, as metodologias a seguir apresentam algumas características notáveis:


CRISP-DM
Quando se trabalha com a ciência dos dados, a mineração desses dados configura-se como a etapa mais importante durante o ciclo do trabalho. O CRISP-DM (Cross-industry standard process for data mining) define seis fases iterativas no gerenciamento de projeto:

    • Entender o problema;
    • Entender os dados e adquiri-los de diferentes fontes;
    • Preparação dos dados;
    • Modelagem dos dados;
    • Avaliação e comunicação;
    • Implantação e manutenção.
Algumas ferramentas para por em prática essa metodologia: Rapidminer, Orange


 Scrum
Essa é a abordagem ágil mais difundida no mundo. Com essa metodologia, grandes projetos são divididos em fases menores denominadas sprints que possuem espaço temporal fixo. No cenário de data science, essa metodologia permite otimizar a previsibilidade.

Algumas ferramentas para por em prática essa metodologia: Jira, ProjectManager

Cascata
Com essa metodologia, podemos obter uma visão sobre o projeto sob uma perspectiva consequencial. Dessa forma, pode-se dividir um projeto ou até mesmo as suas fases em partes menores conectadas por alguma dependência.

Vale ressaltar que essa metodologia não é a ideal para o processo de levantamento de dados.

Algumas ferramentas para por em prática essa metodologia: Redbooth, GanttPro

    Kanban
    No Kanban, utiliza-se um quadro para representar o projeto e cartões para representar as tarefas. Tradicionalmente, num quadro dessa metodologia, existem três colunas: a fazer, em progresso e feito. Para projetos de data science podem ser colocadas mais outras colunas: em andamento, teste (particularmente, acredito que essas colunas, ou algo similar, devem existir em todo quadro Kanban que represente o desenvolvimento de software 🙂).


    Essa metodologia pode funcionar muito bem associada ao Scrum, visto que ambas abordagens ágeis apresentam muitas similaridades.

    Algumas ferramentas para por em prática essa metodologia: Zoho Projects, Trello


    E aí, já sabe qual a melhor metodologia para o seu projeto? Não? Então fique tranquilx que nos posts futuros nós vamos abordar esse assunto sob outras perspectivas pra clarear suas ideias 😉. Até mais!

    ...

    Comentários

    Postar um comentário