Fokker X Data Science Lab

Esta rubrica é feita para e por profissionais de dados. Nela, conversamos com profissionais de dados, gestores e fundadores das organizações nossas parceiras sobre os desafios que enfrentam na área dos dados. Olhamos para o passado e para o futuro. Onde estão as oportunidades para data science? E como pode a Data Science Lab ajudar? É isso que poderá ler aqui. Começamos esta rubrica com Wouter van Dis. Wouter van Dis trabalha há 29 anos na Fokker Technologies, fabricante de componentes para aviões e motivo de orgulho nos Países Baixos. Há 4,5 anos que é gestor de Advanced Analytics.

Olá, Wouter. Trabalha na Fokker há 29 anos e, nos últimos 4,5, como gestor de Advanced Analytics. Como viu a organização mudar ao longo dos anos?

É verdade, trabalho na Fokker há 29 anos. É uma excelente organização! Há uma enorme diferença entre a época em que comecei na Fokker Aircraft e a situação atual. Quando construíamos aviões, o fabrico de aeronaves era a nossa atividade principal. Nos últimos anos, o nosso trabalho tem consistido sobretudo no fabrico de componentes para aviões, por exemplo, para a Boeing e a Airbus. Com a chegada do novo proprietário, a logística e os serviços passaram, pela primeira vez, a fazer parte da nossa atividade principal.

Podemos voltar por momentos ao início? Como surgiu a Fokker?

Quer que recue até Anthony Fokker? Anthony Fokker foi um pioneiro da aviação. Deu uma volta à volta de uma igreja em Haarlem a voar no Spin. Foi algo único naquela época (1910). Um facto muito interessante é que, a certa altura, a Fokker foi o maior fabricante de aviões. Anthony Fokker morreu em 1939. Apesar de ter sido um pioneiro da aviação, não era favorável ao uso de alumínio. Ainda assim, o alumínio foi o material padrão durante muito tempo. Hoje, os aviões são feitos de materiais compósitos.

É atualmente responsável pelo departamento de dados & analytics. Quais foram as mudanças e os passos mais importantes que deu, e que temas antevê para os próximos anos? Quando assumi esta função, há 4,5 anos, não sabia bem no que me estava a meter. Sempre tive uma inclinação para os dados — é típico de quem trabalha na Fokker. O Microsoft Office estava em todo o lado e continua a estar. No nosso departamento, demos os primeiros passos. Parte dos dados vem dos próprios aviões e precisamos de data engineers e data scientists para escrever código que permita processar e analisar esses dados com Python. Estamos agora a fazer bons progressos nessa área. Na nossa organização, é claro que este é o futuro. Há quatro anos, a situação era diferente: encontrei bastante resistência por parte da nossa organização de IT. Nessa altura, o foco estava mais na gestão das aplicações de escritório; agora está a deslocar-se para a nossa forma de trabalhar.

"Quero saber que componente do avião do meu cliente vai avariar amanhã"

O anterior responsável já dizia: ‘temos de fazer mais com os dados e a digitalização para podermos trabalhar de forma mais inteligente’. Podemos avançar mais na direção da predictive analytics e da prescriptive analytics. Quero saber que componente do avião do meu cliente vai avariar amanhã. É um tema que considero particularmente interessante para os próximos anos.

Na verdade, devemos tentar apresentar ao utilizador o mínimo possível de dados brutos e fornecer-lhe, em vez disso, conclusões e apoio para tomar melhores decisões. Como vamos fazê-lo? Já temos algumas ideias.

Onde estão as oportunidades de data science para a Fokker?

Vejo uma oportunidade na gestão da fiabilidade. Queremos saber que componentes irão avariar nos aviões dos nossos clientes no futuro. A manutenção preditiva tem aqui um papel importante. É algo muito interessante para nós e, para isso, precisamos de muitos dados de IoT. Também vemos oportunidades na logística, onde temos de usar control towers para tomar decisões fundamentais. Imagine que pode escolher entre três soluções e que lhe são apresentadas as consequências de cada uma, como a margem bruta mais baixa ou o melhor serviço ao cliente. Assim, pode fazer uma escolha mais informada. É claro que há muita inteligência e automação por detrás disto. A gestão da fiabilidade é a área que mais me interessa, mas penso que ficará um pouco em segundo plano nos próximos anos. Neste momento, a prioridade é a logística. Ou seja, receber dados de forma estruturada para podermos fazer análises e tomar decisões. É nisso que nos vamos concentrar no próximo ano.

Como tem sido a colaboração com a Data Science Lab.?

No início da nossa colaboração, percebi bem que a nossa organização ainda não tinha os conhecimentos de que precisávamos. Precisava de profissionais de dados com conhecimentos e experiência, nomeadamente em machine learning. Procurei organizações com um programa de desenvolvimento para profissionais de dados. Não se aprende esta profissão de um dia para o outro; é preciso investir no desenvolvimento dos profissionais. Foi assim que cheguei até vós e, desde logo, senti que era a escolha certa.

Temos um modelo em que os profissionais de dados trabalham para nós quatro dias por semana e passam um dia por semana no Lab. a estudar e a desenvolver as suas competências. Foi assim que começámos, e estou muito satisfeito com este modelo. Aumentar a nossa capacidade de análise foi um passo lógico após a aquisição da Pantha Holdings. A equipa é agora composta por dois especialistas em data science, um data engineer e um especialista em BI. Depois de um ano na Fokker, passarão a integrar os quadros da empresa. Além de me ajudar a encontrar, reter e motivar profissionais de dados, a Data Science Lab. dá-me acesso a conhecimentos e experiência a que posso recorrer.

Qual foi a principal lição que aprendeu enquanto responsável por um departamento de data analytics?

É preciso ser um gestor que também põe mãos à obra para perceber o que a área envolve. É desejável ter alguns conhecimentos de programação. Mas, a certa altura, é preciso afastar-se da programação propriamente dita. Na minha experiência como gestor até agora, aprendi a avançar em pequenos passos e, sobretudo, a não querer ir demasiado depressa nem fazer demasiado de uma só vez. A mudança leva tempo.