Os projetos de ciência de dados são uma ferramenta para a resolução de problemas. Tal como as grandes empresas se alimentam de dados no seu dia a dia, extraindo benefícios gigantes, não há razão nenhuma para o terceiro sector não poder ter esses mesmos benefícios.
Na DSSG PT (Associação Portuguesa de Ciência de Dados para o Bem Social), dividimos os projetos de ciência de dados em três categorias: Analisar e reportar, testar e modelar, e automação. Estes distinguem-se pela quantidade de dados exigido/pela sua complexidade técnica, mas também pelo retorno que trazem às associações. Neste artigo, descrevemos cada um destes, com exemplos reais de projetos da nossa associação.
Analisar e reportar
Nesta primeira categoria, os projetos consistem numa descrição numérica e visual das operações. Muitas vezes, são o ponto de entrada das associações em projetos que utilizam dados, devido ao impacto gerado com projetos de baixa complexidade.
Enquadra-se aqui a criação de páginas interativas (dashboards) e sempre atualizadas de acordo com a versão atual dos dados de uma empresa (recorrendo a Tableau / PowerBI, por exemplo). Em grande parte dos casos, a existência de bases de dados previamente criadas é um pré-requisito.
No âmbito dos projetos de analisar e reportar, levantamos como exemplo a nossa colaboração com a Associação CAIS, no sentido de avaliar e comunicar o impacto social da Revista CAIS em Portugal. Para além deste, o projeto piloto da associação, com a Rotaract Santo Tirso, consistiu numa análise exploratória dos dados do Peditório Nacional para a Liga Portuguesa Contra o Cancro em Santo Tirso, com sugestões de melhorias para o processo de recolha de fundos.
Testar e modelar
A segunda categoria consiste em modelar/simular certos fenómenos, através de previsões matemáticas. Neste contexto, uma previsão é o processo de preencher informação em falta, através de informação que temos disponível noutro contexto (os dados).
Por exemplo, este tipo de projetos permite-nos responder a questões como:
- “o que leva alguém a doar?”, sabendo os dados demográficos das doações históricas
- “quanto stock preciso de ter do meu produto em armazém, esta semana?”, sabendo o volume normal de encomendas nesta época do ano
- “qual a probabilidade de incêndio nesta zona, na próxima semana?”, sabendo os dados meteorológicos da zona, a quantidade de vegetação, … e como isso se correlaciona com os incêndios históricos
Com isto, o objetivo é adaptar as operações consoante os resultados previstos:
- “utilizadores dos 25-35 anos têm alta propensão a doar sem qualquer campanha”
- “preciso de encomendar 100kg de arroz”
- “preciso de ter recursos extra perto da zona de Évora”
Aqui, realçamos o nosso trabalho com a Associação Zoófila Portuguesa, no sentido de identificar causas e otimizar os tempos de espera para consultas veterinárias no hospital veterinário desta associação. Neste, construímos um modelo preditivo para o volume expectável de consultas por dia, tendo em conta as sazonalidades vistas no histórico de dados.
Automação
Por fim, temos a categoria de automação - o apoio à decisão e/ou automatização de tarefas lógicas mas muito trabalhosas, libertando as pessoas para tarefas de alto valor acrescentado.
Neste âmbito, damos o exemplo da nossa colaboração com a Fruta Feia, uma associação na área do combate ao desperdício alimentar, com o objetivo de desenvolver uma ferramenta automática de sugestão do conteúdo de cestas de frutas e vegetais. A visão da associação era otimizar o processo de preparação das suas cestas e promover uma maior rotatividade de produtos e produtores.
Recentemente, o lançamento dos Large Language Models (como o ChatGPT) veio facilitar a automação de muitas tarefas rotineiras, com o seu suporte para leitura de documentos e geração de conteúdo. No futuro, iremos dar exemplos de como esta tecnologia pode ser utilizada por associações para simplificar o seu dia a dia.
Os próximos passos
Na DSSG, queremos garantir que os obstáculos não se sobrepõem à capacidade das associações de executar as suas ideias e as suas missões para criar um mundo melhor. É por isso que nos dedicamos tanto a garantir que os dados de cada associação são usados para o propósito certo, tirando o melhor partido possível com passos simples.
A nossa associação tenta juntar Makers (voluntários da área da dados) com Beneficiários (IPSS, organizações sem fins lucrativos, administração Pública) através da execução de projetos de curta duração. Colaboramos ainda com as associações fornecendo apoio através de consultoria (erros comuns, boas práticas, suportar a adoção de novas ferramentas).
Convidamos as associações a fazerem uma avaliação das suas necessidades, tentando enquadrar ideias de projetos em cada uma destas categorias.
Paulo Maia
