* Este artigo faz parte de uma série de conceitos sobre dados.
Meta Dados
A visão de “data strategy” tem se popularizado devido à grande acumulação de dados nos últimos anos. Quando lemos jornais e revistas, precisamos filtrar o que há de relevante nas notícias e melhorar a compreensão por meio da análise; com o conjunto de dados, é o mesmo raciocínio.
Para criar uma estratégia de dados, existem alguns passos a serem feitos com o material coletado, começando na escolha da ferramenta que irá coletar esta informação bruta. Existem três passos fundamentais interdependentes para começar a traçar uma metodologia e a criar uma estratégia:
“Meta data” ou organização dos dados primários
O recorte da amostra dos dados e como ela será filtrada é essencial para tornar os dados em informação. Inicialmente, a segmentação de dados pode ser feita por palavras-chave, redes sociais e tipo de usuários por onde serão coletados. Já o tipo de informação que será analisada pode ser organizada por tipo, dividindo-a em categorias. Nem tudo o que é coletado pode servir para a sua estratégia, assim como nem tudo analisado pode ser útil para a aplicação. O filtro serve como forma de diminuir a amostra para um diferencial relevante, mas principalmente para destacar o essencial de cada caso. Junto desta metodologia de tagueamento e categorização, alguns outros pontos devem ser observados:
– Segurança da informação por meio da escolha de servidores confiáveis;
– Historicidade da pesquisa (dias, meses, anos, etc – determinar períodos específicos);
– Ferramentas eficazes, bem como os níveis de administradores (identificar qual a ferramenta principal, a ferramenta de suporte, quem pode alterar todo o projeto, quem apenas irá editar, quem irá apenas ver e analisar, etc);
– O que será importante durante o processo e captura dos dados (exemplo: se existem problemas de coleta de determinado período, é necessário considerar no resultado final e incluir a meta data nas considerações finais, citando a ferramenta, algum dado acrescentado no processo);
– Gerenciamento de informações eficazes para a coleta de dados: valores válidos; consideração de múltiplas propostas para analisar os dados e escolher a melhor metodologia; considerar números negativos e positivos para chegar às conclusões, e não apenas a parte positiva.
