Diversidade MAIS RECENTE REVISTA Ascenda TÓPICOS Podcasts VÍDEO LOJA A Grande Ideia Dados e Visuais Seleções de Casos

inscrever-se entrar
Análise E Ciência De Dados | Cientista de Dados: O Trabalho Mais Sexy do …

Análise E Ciência De Dados

Cientista de Dados: O
Trabalho Mais Sexy do Século
XXI
Conheça as pessoas que podem persuadir o tesouro de dados
confusos e não estruturados. por Thomas H. Davenport e DJ Patil
Da Revista (outubro de 2012)

Formação aca-
dêmica Curso de loja;
Câmera

Curso de negócios
Mostran-
Futuro do,
Registro Sociedade de Hon-
Dança ra
Apo
sta-
o

Andrew J Buboltz, serigrafia em uma página de um anuário do ensino médio, 8,5" x 12", 2011 Tamar Cohen

Resumo.Na década de 1990, o engenheiro de computação e o "quant" de Wall Street eram as

ocupações quentes nos negócios. Hoje, os cientistas de dados são as contratações que as
empresas estão competindo para fazer. À medida que as empresas lutam com volumes e tipos
de informações sem precedentes, a demanda por... MAIS

 Quando Jonathan Goldman chegou para trabalhar em junho de 2006 no

tweet LinkedIn, o site de rede de negócios, o lugar ainda parecia uma start-up.

 A empresa tinha pouco menos de 8 milhões de contas, e o número

POST estava crescendo rapidamente à medida que os membros existentes
convidavam seus amigos e colegas para participar. Mas os usuários não

compartilhar estavam buscando conexões com as pessoas que já estavam no site na
taxa que os executivos esperavam. Aparentemente, algo estava faltando

salvar na experiência social. Como disse um gerente do LinkedIn, “Foi como
chegar a uma recepção de conferência e perceber que você não conhece
ninguém. Então você fica no canto bebendo sua bebida—e
Compre Cópias
provavelmente sai mais cedo.”

imprimir
Goldman, PhD em física de Stanford, ficou intrigado com os links que
viu acontecendo e com a riqueza dos perfis de usuários. Tudo isso fez
dados confusos e análises pesadas, mas quando ele começou a explorar
as conexões das pessoas, ele começou a ver possibilidades. Ele começou
a formar teorias, testar apressões e encontrar padrões que lhe permitiam
prever em quais redes um determinado perfil pousaria. Ele poderia
imaginar que novos recursos capitalizando as heurísticas que ele estava
desenvolvendo poderiam fornecer valor aos usuários. Mas a equipe de
engenharia do LinkedIn, envolvida nos desafios de ampliar o site,
parecia desinteressada. Alguns colegas foram abertamente desdenhosos
com as ideias de Goldman. Por que os usuários precisariam do LinkedIn
para descobrir suas redes para eles? O site já tinha um importador de
catálogo de endereços que poderia puxar todas as conexões de um
membro.

Felizmente, Reid Hoffman, cofundador e CEO do LinkedIn na época

(agora seu presidente executivo), tinha fé no poder da análise por causa
de suas experiências no PayPal, e ele concedeu à Goldman um alto grau
de autonomia. Por um lado, ele deu à Goldman uma maneira de
contornar o ciclo tradicional de lançamento do produto, publicando
pequenos módulos na forma de anúncios nas páginas mais populares do
site.

Através de um desses módulos, o Goldman começou a testar o que

aconteceria se você apresentasse aos usuários nomes de pessoas com
quem eles ainda não haviam se conectado, mas pareciam capazes de
saber - por exemplo, pessoas que haviam compartilhado seus mandatos
em escolas e locais de trabalho. Ele fez isso criando um anúncio
personalizado que exibia as três melhores novas correspondências para
cada usuário com base no plano de fundo inserido em seu perfil do
LinkedIn. Em poucos dias, era óbvio que algo notável estava
acontecendo. A taxa de cliques nesses anúncios foi a mais alta já vista.
Goldman continuou a refinar como as sugestões foram geradas,
incorporando ideias de rede como "fechamento de triângulos" - a noção
de que, se você conhece Larry e Sue, há uma boa chance de que Larry e
Sue se conheçam. Goldman e sua equipe também obtiveram a ação
necessária para responder a uma sugestão com apenas um clique.

A escassez de cientistas de dados está

se tornando uma séria restrição em
alguns setores.

Não demorou muito para que os principais gerentes do LinkedIn

reconhecessem uma boa ideia e a tornassem um recurso padrão. Foi
quando as coisas realmente decolaram. Os anúncios "Pessoas que você
pode conhecer" alcançaram uma taxa de cliques 30% maior do que a
taxa obtida por outros prompts para visitar mais páginas no site. Eles
geraram milhões de novas visualizações de página. Graças a esse
recurso, a trajetória de crescimento do LinkedIn mudou
significativamente para cima.

Uma Nova Raça

Goldman é um bom exemplo de um novo jogador-chave nas

organizações: o “cientista de dados”. É um profissional de alto escalão
com o treinamento e a curiosidade de fazer descobertas no mundo do
big data. O título existe há apenas alguns anos. (Foi cunhado em 2008
por um de nós, DJ Patil e Jeff Hammerbacher, então os respectivos
líderes de dados e esforços de análise no LinkedIn e no Facebook.) Mas
milhares de cientistas de dados já estão trabalhando em start-ups e
empresas bem estabelecidas. Sua aparição repentina no cenário de
negócios reflete o fato de que as empresas agora estão lutando com
informações que vêm em variedades e volumes nunca encontrados
antes. Se sua organização armazena vários petabytes de dados, se as
informações mais críticas para o seu negócio residem em formas
diferentes de linhas e colunas de números, ou se responder à sua maior
pergunta envolver um "mashup" de vários esforços analíticos, você tem
uma oportunidade de big data.

Grande parte do entusiasmo atual por big data se concentra em

tecnologias que tornam possível domá-lo, incluindo o Hadoop (a
estrutura mais usada para processamento de sistemas de arquivos
distribuídos) e ferramentas de código aberto relacionadas, computação
em nuvem e visualização de dados. Embora esses sejam avanços
importantes, pelo menos tão importantes são as pessoas com o conjunto
de habilidades (e a mentalidade) para colocá-los em bom uso. Nesta
frente, a demanda correu à frente da oferta. De fato, a escassez de
cientistas de dados está se tornando uma séria restrição em alguns
setores. A Greylock Partners, uma empresa de risco em estágio inicial
que apoiou empresas como Facebook, LinkedIn, Palo Alto Networks e
Workday, está preocupada o suficiente com o forte grupo de mão de
obra que construiu sua própria equipe de recrutamento especializada
para canalizar talentos para as empresas em seu portfólio. "Uma vez que
eles tenham dados", diz Dan Portillo, que lidera essa equipe, "eles
realmente precisam de pessoas que possam gerenciá-los e encontrar
insights nele".

Quem São Essas Pessoas?

Se capitalizar big data depende da contratação de cientistas de dados

escassos, então o desafio para os gerentes é aprender como identificar
esse talento, atraí-lo para uma empresa e torná-lo produtivo. Nenhuma
dessas tarefas é tão simples quanto com outras funções organizacionais
estabelecidas. Comece com o fato de que não há programas
universitários que ofereçam diplomas em ciência de dados. Também há
pouco consenso sobre onde o papel se encaixa em uma organização,
como os cientistas de dados podem agregar mais valor e como seu
desempenho deve ser medido.

O primeiro passo para preencher a necessidade de cientistas de dados,

portanto, é entender o que eles fazem nas empresas. Então pergunte: de
quais habilidades eles precisam? E em quais campos essas habilidades
são mais facilmente encontradas?

Mais do que tudo, o que os cientistas de dados fazem é fazer descobertas

enquanto nadam nos dados. É o método preferido deles de navegar pelo
mundo ao seu redor. À vontade no reino digital, eles são capazes de
trazer estrutura a grandes quantidades de dados sem forma e tornar a
análise possível. Eles identificam fontes de dados ricas, as unem a outras
fontes de dados potencialmente incompletas e limpam o conjunto
resultante. Em um cenário competitivo onde os desafios continuam
mudando e os dados nunca param de fluir, os cientistas de dados
ajudam os tomadores de decisão a mudar da análise ad hoc para uma
conversa contínua com os dados.

Os cientistas de dados percebem que enfrentam limitações técnicas,

mas não permitem que isso atrapalhe sua busca por novas soluções. À
medida que fazem descobertas, eles comunicam o que aprenderam e
sugerem suas implicações para novas direções de negócios. Muitas
vezes, eles são criativos em exibir informações visualmente e tornar os
padrões que acham claros e atraentes. Eles aconselham executivos e
gerentes de produto sobre as implicações dos dados para produtos,
processos e decisões.

Dado o estado nascente de seu comércio, muitas vezes cabe aos

cientistas de dados criar suas próprias ferramentas e até mesmo realizar
pesquisas de estilo acadêmico. O Yahoo, uma das empresas que
empregou um grupo de cientistas de dados no início, foi fundamental
no desenvolvimento do Hadoop. A equipe de dados do Facebook criou a
linguagem Hive para programar projetos Hadoop. Muitos outros
cientistas de dados, especialmente em empresas orientadas por dados,
como Google, Amazon, Microsoft, Walmart, eBay, LinkedIn e Twitter,
adicionaram e refinaram o kit de ferramentas.

Que tipo de pessoa faz tudo isso? Quais habilidades tornam um cientista
de dados bem-sucedido? Pense nele ou nela como um híbrido de hacker
de dados, analista, comunicador e consultor de confiança. A
combinação é extremamente poderosa—e rara.

Mais Leitura

Big Data: A Revolução Gerencial

A habilidade mais básica e universal dos cientistas de dados é a

capacidade de escrever código. Isso pode ser menos verdadeiro em cinco
anos, quando muito mais pessoas terão o título de “cientista de dados”
em seus cartões de visita. Mais duradoura será a necessidade de os
cientistas de dados se comunicarem em linguagem que todas as suas
partes interessadas entendem - e demonstrarem as habilidades especiais
envolvidas na narrativa com dados, seja verbalmente, visualmente ou -
idealmente - ambos.

Mas diríamos que o traço dominante entre os cientistas de dados é uma

curiosidade intensa - um desejo de ir abaixo da superfície de um
problema, encontrar as perguntas em seu coração e destilá-las em um
conjunto muito claro de hipóteses que podem ser testadas. Isso
geralmente envolve o pensamento associativo que caracteriza os
cientistas mais criativos em qualquer campo. Por exemplo, sabemos de
um cientista de dados que estuda um problema de fraude que percebeu
que era análogo a um tipo de problema de sequenciamento de DNA. Ao
reunir esses mundos díspares, ele e sua equipe conseguiram criar uma
solução que reduziu drasticamente as perdas por fraude.

Talvez esteja ficando claro por que a palavra “cientista” se encaixa nesse
papel emergente. Os físicos experimentais, por exemplo, também
precisam projetar equipamentos, coletar dados, realizar vários
experimentos e comunicar seus resultados. Assim, as empresas que
procuram pessoas que possam trabalhar com dados complexos tiveram
boa sorte em recrutar entre aqueles com formação educacional e de
trabalho nas ciências físicas ou sociais. Alguns dos melhores e mais
brilhantes cientistas de dados são doutores em campos esotéricos, como
ecologia e biologia de sistemas. George Roumeliotis, chefe de uma
equipe de ciência de dados da Intuit, no Vale do Silício, tem doutorado
em astrofísica. Um pouco menos surpreendentemente, muitos dos
cientistas de dados que trabalham nos negócios hoje foram formalmente
treinados em ciência da computação, matemática ou economia. Eles
podem emergir de qualquer campo que tenha um forte foco de dados e
computacional.

É importante manter essa imagem do cientista em mente—porque a

palavra “dados” pode facilmente enviar uma busca por talentos pelo
caminho errado. Como Portillo nos disse, “Os fundos tradicionais das
pessoas que você viu há 10 a 15 anos simplesmente não cortam nos dias
de hoje.” Um analista quantitativo pode ser ótimo em analisar dados,
mas não em subjugar uma massa de dados não estruturados e colocá-los
em uma forma na qual possam ser analisados. Um especialista em
gerenciamento de dados pode ser ótimo em gerar e organizar dados de
forma estruturada, mas não em transformar dados não estruturados em
dados estruturados—e também não em realmente analisar os dados. E
embora as pessoas sem fortes habilidades sociais possam prosperar nas
profissões tradicionais de dados, os cientistas de dados devem ter essas
habilidades para serem eficazes.

Roumeliotis deixou claro conosco

Como encontrar os que ele não contrata com base em

cientistas de dados que capacidades estatísticas ou
você precisa analíticas. Ele começa sua busca por

Concentre-se no recrutamento cientistas de dados perguntando aos

nas universidades candidatos se eles podem
“sobrinfisadas” (Stanford, MIT, desenvolver protótipos em uma
Berkeley, Harvard, Carnegie linguagem de programação
Mellon) e também em um ... convencional, como Java.
Roumeliotis busca tanto um
 conjunto de habilidades—uma base
sólida em matemática, estatística,
probabilidade e ciência da
computação—e certos hábitos mentais. Ele quer pessoas com noção de
problemas de negócios e empatia pelos clientes. Então, diz ele, ele se
baseia em tudo isso com treinamento no trabalho e um curso ocasional
em uma tecnologia específica.

Várias universidades estão planejando lançar programas de ciência de

dados, e os programas existentes em análise, como o programa de
Mestrado em Ciência em Análise no Estado da Carolina do Norte, estão
ocupados adicionando exercícios de big data e cursos. Algumas
empresas também estão tentando desenvolver seus próprios cientistas
de dados. Depois de adquirir a empresa de big data Greenplum, a EMC
decidiu que a disponibilidade de cientistas de dados seria um fator
determinante em sua própria exploração e da exploração de big data
pelos clientes. Então, sua divisão de Serviços de Educação lançou um
programa de treinamento e certificação de ciência de dados e análise de
big data. A EMC disponibiliza o programa para funcionários e clientes, e
alguns de seus graduados já estão trabalhando em iniciativas internas de
big data.

Os cientistas de dados querem

construir coisas, não apenas dar
conselhos. Um descreve ser um
consultor como “a zona morta”.

À medida que as ofertas educacionais proliferam, o pipeline de talentos

deve se expandir. Os fornecedores de tecnologias de big data também
estão trabalhando para torná-los mais fáceis de usar. Enquanto isso, um
cientista de dados eveio uma abordagem criativa para fechar a lacuna. O
Insight Data Science Fellows Program, uma bolsa de pós-doutorado
projetada por Jake Klamka (um físico de alta energia por treinamento),
leva cientistas da academia e em seis semanas os prepara para ter
sucesso como cientistas de dados. O programa combina orientação por
especialistas em dados de empresas locais (como Facebook, Twitter,
Google e LinkedIn) com exposição a desafios reais de big data.
Originalmente visando 10 bolsistas, Klamka acabou aceitando 30, de um
grupo de candidatos com mais de 200. Mais organizações agora estão se
alinhando para participar. “A demanda das empresas tem sido
fenomenal”, nos disse Klamka. “Eles simplesmente não conseguem esse
tipo de talento de alta qualidade.”

Por que um cientista de dados gostaria de trabalhar aqui?

Mesmo que as fileiras dos cientistas de dados incham, a competição

pelos melhores talentos permanecerá feroz. Espere que os candidatos
dimensionem as oportunidades de emprego com base em quão
interessantes são os desafios de big data. Como um deles comentou: “Se
quiséssemos trabalhar com dados estruturados, estariamos em Wall
Street”. Dado que os clientes em potencial mais qualificados de hoje vêm
de origens não comerciais, os gerentes de contratação podem precisar
descobrir como pintar um quadro empolgante do potencial de avanços
que seus problemas oferecem.

O pagamento, é claro, será um fator. Um bom cientista de dados terá

muitas portas abertas para ele ou ela, e os salários serão licitados para
cima. Vários cientistas de dados que trabalham em start-ups
comentaram que exigiram e obtiveram grandes pacotes de opções de
ações. Mesmo para alguém que aceita uma posição por outros motivos, a
compensação sinaliza um nível de respeito e o valor que se espera que a
função acrescente ao negócio. Mas nossa pesquisa informal sobre as
prioridades dos cientistas de dados revelou algo mais
fundamentalmente importante. Eles querem estar “na ponte”. A
referência é ao programa de televisão da década de 1960 Star Trek, no
qual o capitão da nave estelar James Kirk depende muito dos dados
fornecidos por Spock. Os cientistas de dados querem estar no meio de
uma situação em desenvolvimento, com consciência em tempo real do
conjunto de escolhas em evolução que ele apresenta.

Leia mais sobre

Pergunte ao HBR: Ciência de Dados e a Arte da Persuasão

Considerando a dificuldade de encontrar e manter cientistas de dados,

alguém pensaria que uma boa estratégia envolveria contratá-los como
consultores. A maioria das empresas de consultoria ainda não montou
muitas delas. Mesmo as maiores empresas, como Accenture, Deloitte e
IBM Global Services, estão nos estágios iniciais de liderar projetos de big
data para seus clientes. As habilidades dos cientistas de dados que eles
têm na equipe estão sendo aplicadas principalmente a problemas de
análise quantitativa mais convencionais. Empresas de serviços de
análise offshore, como a Mu Sigma, podem ser as que farão as primeiras
grandes incursões com cientistas de dados.

Mas os cientistas de dados com quem conversamos dizem que querem

construir coisas, não apenas dar conselhos a um tomador de decisão.
Um descreveu ser um consultor como “a zona morta—tudo o que você
pode fazer é dizer a outra pessoa o que as análises dizem que ela deve
fazer”. Ao criar soluções que funcionam, eles podem ter mais impacto e
deixar suas marcas como pioneiros de sua profissão.

Cuidados e Alimentação

Os cientistas de dados não se dão bem em uma coleira curta. Eles devem
ter a liberdade de experimentar e explorar possibilidades. Dito isso, eles
precisam de relacionamentos próximos com o resto do negócio. Os laços
mais importantes para eles forjar são com executivos responsáveis por
produtos e serviços, em vez de com pessoas que supervisionam funções
de negócios. Como a história de Jonathan Goldman ilustra, sua maior
oportunidade de agregar valor não é criar relatórios ou apresentações
para executivos seniores, mas inovar com produtos e processos voltados
para o cliente.

O LinkedIn não é a única empresa a usar cientistas de dados para gerar

ideias para produtos, recursos e serviços de valor agregado. Na Intuit, os
cientistas de dados são convidados a desenvolver insights para clientes e
consumidores de pequenas empresas e se reportar a um novo vice-
presidente sênior de big data, design social e marketing. A GE já está
usando a ciência de dados para otimizar os contratos de serviço e
intervalos de manutenção para produtos industriais. O Google, é claro,
usa cientistas de dados para refinar seus principais algoritmos de
pesquisa e veiculação de anúncios. A Zynga usa cientistas de dados para
otimizar a experiência do jogo para engajamento e receita de longo
prazo. A Netflix criou o conhecido Prêmio Netflix, dado à equipe de
ciência de dados que desenvolveu a melhor maneira de melhorar o
sistema de recomendação de filmes da empresa. A empresa de
preparação de testes Kaplan usa seus cientistas de dados para descobrir
estratégias de aprendizado eficazes.

Os cientistas de dados hoje são

semelhantes aos “quants” de Wall
Street das décadas de 1980 e 1990.

Há, no entanto, uma potencial desvantagem em ter pessoas com

habilidades sofisticadas em um campo em rápida evolução passando
seu tempo entre os colegas de gerenciamento geral. Eles terão menos
interação com especialistas semelhantes, que precisam para manter
suas habilidades afiadas e seu kit de ferramentas de última geração. Os
cientistas de dados precisam se conectar com comunidades de prática,
seja dentro de grandes empresas ou externamente. Novas conferências e
associações informais estão surgindo para apoiar a colaboração e o
compartilhamento de tecnologia, e as empresas devem incentivar os
cientistas a se envolverem nelas com o entendimento de que “mais água
no porto flutua em todos os barcos”.

Os cientistas de dados também tendem a estar mais motivados, quando

se espera mais deles. Os desafios de acessar e estruturar big data às vezes
deixam pouco tempo ou energia para análises sofisticadas envolvendo
previsão ou otimização. No entanto, se os executivos deixarem claro que
relatórios simples não são suficientes, os cientistas de dados dedicarão
mais esforço à análise avançada. Big data não deve ser igual a
“matemática pequena”.

O Trabalho Quente da Década

Hal Varian, economista-chefe do Google, é conhecido por ter dito: “O

trabalho sexy nos próximos 10 anos serão os estatísticos. As pessoas
acham que estou brincando, mas quem teria adivinhado que os
engenheiros de computação teriam sido o trabalho sexy da década de
1990?”

Se “sexy” significa ter qualidades raras que são muito procuradas, os

cientistas de dados já estão lá. Eles são difíceis e caros de contratar e,
dado o mercado muito competitivo para seus serviços, difíceis de reter.
Simplesmente não há muitas pessoas com sua combinação de formação
científica e habilidades computacionais e analíticas.

Assine nossa Newsletter Mensal

Tecnologia e Inovação
A transformação digital não está desacelerando.
Criar Conta
Certifique-se de que sua organização também não.

Os cientistas de dados hoje são semelhantes aos “quants” de Wall Street

das décadas de 1980 e 1990. Naqueles dias, pessoas com formação em
física e matemática fluem para bancos de investimento e fundos de
hedge, onde podiam criar algoritmos e estratégias de dados totalmente
novos. Em seguida, uma variedade de universidades desenvolveu
programas de mestrado em engenharia financeira, o que produziu uma
segunda geração de talentos que era mais acessível às principais
empresas. O padrão foi repetido no final da década de 1990 com
engenheiros de busca, cujas habilidades rarefeitas logo passaram a ser
ensinadas em programas de ciência da computação.

Uma questão levantada por isso é se algumas empresas seriam sábias em

esperar até que a segunda geração de cientistas de dados surja, e os
candidatos sejam mais numerosos, menos caros e mais fáceis de
examinar e assimilar em um ambiente de negócios. Por que não deixar o
trabalho de caçar e domesticar talentos exóticos para as start-ups de big
data e para empresas como GE e Walmart, cujas estratégias agressivas
exigem que elas esteja na vanguarda?

O problema com esse raciocínio é que o avanço do big data não mostra
sinais de desaceleração. Se as empresas ficarem de fora dos primeiros
dias dessa tendência por falta de talento, elas correm o risco de ficar
para trás à medida que os concorrentes e parceiros de canal obtêm
vantagens quase inatacáveis. Pense no big data como uma onda épica Leia mais sobre Análise e ciência
agora, começando a cristar. Se você quiser pegá-lo, precisa de pessoas de dados ou tópicos relacionados
Gerenciamento de dados,
que possam surfar.
Contratação e recrutamento e
serviços profissionais
Uma versão deste artigo apareceu na edição de outubro de 2012 da Harvard Business
Review.

Thomas H. Davenport é o Distinto Professor

de Tecnologia e Gestão da Informação do
Presidente no Babson College, um estudioso
visitante da Iniciativa do MIT sobre a Economia
Digital e um conselheiro sênior da prática de IA
da Deloitte. Ele é coautor de All-in on AI: How
Smart Companies Win Big with Artificial
Intelligence (Harvard Business Review Press,
2023).

DJ Patil foi o primeiro dos EUA Cientista-chefe

DP de dados e ocupou uma variedade de funções

na academia, indústria e governo. Atualmente,
ele é membro do conselho da Devoted Health,
membro sênior do Belfer Center da Harvard
Kennedy School e conselheiro da Venrock
Partners.

 @dpatil

    
tweet POST compartilhar salvar Compre Cópias imprimir

Recomendadas para você

Barco 6

Vendas19
 O cientista de dados ainda O que os cientistas de Fazendo a Análise ÁUDIO
é o trabalho mais sexy do dados realmente Fazem, de Avançada funcionar para Quando Não Confiar no
século 21? acordo com 35 cientistas você Algoritmo
de dados

Inicie minha assinatura!

Explore o HBR Loja HBR Sobre o HBR Gerenciar Minha Siga HBR
Conta
Mais Recente Reimpressões de artigos Contato  FACEBOOK
Minha Biblioteca
MAIS POPULAR livros Anuncie Conosco  TWITTER
Feeds de Tópicos
Todos os Temas Casos Informações para  LinkedIn
Livreiros/Varejos Pedidos
Arquivo de Revistas COLEÇÕES  INSTAGRAM
Calcês Configurações da Conta
A Grande Ideia Edições de Revistas  Seu leitor de notícias
Edições Globais Preferências de E-mail
Listas de Leitura Série de Guias HBR
Questionamentos da Mídia Perguntas frequentes sobre
Seleções de Casos Gerentes de 20 Minutos
a conta
HBR Diretrizes para Autores
VÍDEO
Central de ajuda
Série de Inteligência Serviços Analíticos HBR
Podcasts
Emocional HBR Entre em contato com o
Permissões de Direitos
Webinars Atendimento ao Cliente
HBR Deve Ler Autorais
Dados e Visuais
ferramentas
Minha Biblioteca
NEWSLETTERS
Imprensa HBR
HBR Ascende

Publicação Sobre NÓS | carreiras | política de privacidade | Política de cookies | Informações sobre Direitos Autorais | Política de Marcas Registradas
de Negócios
Publicação de Negócios de Harvard: Ensino Superior | Aprendizagem Corporativa | Revisão de Negócios de Harvard | Escola de Negócios de Harvard

de Harvard

Você está lendo seu último

Copyright ©2023 Publicação da Escola de Negócios de Harvard. todos os direitos reservados. A Harvard Business Publishing é uma afiliada da Harvard Business School.
Inscreva-se para acesso ilimitado.
artigo gratuito deste mês.