Dicas para Escrita de Cases em Data Science
Todos nós da área de Ciência de Dados sabemos da importância de termos bons projetos em nosso portfólio para maximizarmos nossa chance de uma colocação ou recolocação profissional.
Mas como escrever bons textos para esse propósito? Vamos tentar aqui entregar as dicas mais importantes e conversar sobre o que não pode faltar no seu projeto.
Praticamente todo texto pode ser dividido em três partes: introdução, desenvolvimento e conclusão. Veja como você pode elaborar cada uma dessas partes, a partir de perguntas que podem ser respondidas como forma de ajudar no desenvolvimento do seu conteúdo.
Introdução
Na introdução você deve guiar o seu leitor, que acabou de ler o seu título e se interessou pelo assunto, e agora deseja saber mais sobre seu trabalho.
Sua função nessa etapa é apresentar as informações acerca do problema que você está abordando, de forma que ele saiba precisamente qual é o seu objetivo e como você vai fazer para concluí-lo.
Se possível, você ainda deve instigar a curiosidade do leitor nessa etapa. Procure responder as perguntas abaixo que forem pertinentes ao projeto em desenvolvimento.
- Qual o problema que você está trabalhando?
- Qual o contexto desse problema? Quais áreas envolvem o seu problema?
- Qual a relevância desse problema? Porque é importante resolvê-lo/explorá-lo?
- Quem é o público alvo do seu texto?
- Quais são as oportunidades para quem trabalha na área do problema?
- Tem alguma novidade na sua abordagem? Qual?
- Quais os conceitos que você irá abordar no projeto?
- Quais as ferramentas você usará no seu projeto?
- O que a pessoa verá no seu texto?
- Como será a organização do seu texto?
Desenvolvimento
É aqui que é a hora do vamos ver. Você deve apresentar todo o trabalho desenvolvido no seu projeto. Se for uma análise de dados, deve conter todas as informações pertinentes sobre os dados, sua origem, suas variáveis, e todos os processos utilizados para se chegar nas informações de interesse.
Procure ser um contador de histórias. Evite relatórios muito técnicos. Foque no valor da sua análise, na importância dos resultados que você obtive. Conte a história do seu projeto. Como sugestão, você pode basear essa etapa ao responder as perguntas abaixo.
- Quais são os detalhes pertinentes nos métodos que você está utilizando?
- Qual é a estratégia para resolver o problema?
- Qual é a história de cada insight que você tirou ao explorar o problema?
- O que você poderia ter feito diferente e porque preferiu não fazer?
- Quais as dificuldades encontradas no decorrer do projeto?
- Quais as limitações encontradas no decorrer do projeto?
- Qual o valor dos insights obtidos?
Conclusão
E, finalmente, aqui é o lugar para você basicamente resumir a sua análise e seus resultados obtidos.
Procure deixar claro qual foi a relevância de ter trabalhado nesse projeto. Resuma os principais resultados obtidos e dê ênfase proporcional a sua importância.
Lembre que muitas pessoas leem os artigos de trás pra frente, isto é, começam a ler o artigo pelas conclusões e, caso agrade, leem o restante do texto. Eis algumas perguntas que podem ser respondidas na conclusão do seu trabalho.
- Qual é o resumo do seu trabalho todo?
- Qual o impacto dos resultados obtidos?
- No geral, como sua análise gera valor?
- Quais as limitações dos resultados obtidos?
- Planeja expandir o trabalho futuramente?
- Quais são seus projetos futuros?
Obviamente, não é possível transcrever em forma de guia todas as nuances necessárias para se desenvolver um bom projeto em Data Science.
No entanto, acredito que as dicas apresentadas acima oferecem um bom ponto de partida para o estudante que deseja preparar seus primeiros projetos e/ou que está precisando de um pouco de inspiração.
Também, escritores mais experientes podem se beneficiar dessas perguntas pois certamente vez ou outra encontrará boas novas ideias para engrandecer seus textos.
0 Comentários