Que tendências tecnológicas conduzirão a uma análise de dados generalizada em 2015?

Data StorageNegócios

Chegou novamente a altura do ano em que surgem as previsões sobre quais serão as principais tendências para o próximo ano. O lançamento pela Gartner das suas “Top 10 Strategic Technology Trends for 2015” (10 Principais Tendências Tecnológicas Estratégias para 2015) constituídas por ideias interessantes fez-nos, na Information Builders, refletir sobre a forma como encaramos

Chegou novamente a altura do ano em que surgem as previsões sobre quais serão as principais tendências para o próximo ano. O lançamento pela Gartner das suas “Top 10 Strategic Technology Trends for 2015” (10 Principais Tendências Tecnológicas Estratégias para 2015) constituídas por ideias interessantes fez-nos, na Information Builders, refletir sobre a forma como encaramos que o setor da análise de dados pode vir a ter êxito no próximo ano.

big data

As 10 principais tendências tecnológicas da Gartner refletem um mundo de tecnologia em rápida evolução no qual volumes cada vez maiores de dados e a procura pela analítica se estão a tornar progressivamente generalizados, não apenas na mão-de-obra, mas também nas máquinas. A analítica empresarial não é só para todos, mas uma dura realidade é que: ela existe e para tudo; basta considerar os biliões de dispositivos na Internet das Coisas (IoT). Acredito que isto se tornará cada vez mais preponderante em 2015 visto que a quantidade de dados ao alcance das pessoas continua a crescer exponencialmente. Isto, por si só, é uma mensagem importante para que os executivos de hoje tenham em consideração uma vez que a quantidade de dados com que têm de lidar exige uma cultura analítica dentro das empresas que seja capaz de ultrapassar a concorrência.

Tendo isto em mente, as áreas que consideramos ser fundamentais para o próximo ano são:

  1. InfoApps e self-service: análises avançadas e generalizadas fornecidas através de aplicações, para que todos acedam aos dados da empresa.
  2. O défice de competências digitais.
  3. Aprendizagem automática.
  4. Gestão de Dados-Mestre (MDM).

InfoApps e self-service

Com o contínuo crescimento dos dados e da consumerização de TI, todos terão necessidade da analítica empresarial para tomar decisões mais inteligentes. Cada um é um tomador de decisões, de uma forma ou de outra, no âmbito das suas responsabilidades dentro de uma empresa. Por isso, devem ter acesso a dados essenciais para os seus trabalhos e ter a capacidade de analisar e tomar decisões a partir dos mesmos a fim de serem mais produtivos no dia-a-dia.

Atualmente, o business intelligence (BI) tem uma taxa de adoção inferior a 30 por cento nas empresas (fonte: Gartner). Infelizmente, continua a ser o domínio de analistas profissionais que utilizam ferramentas complexas e passam a maior parte do seu tempo a analisar dados, e de gestores que veem relatórios e dashboards. Muitas vezes, o restante dos colaboradores operacionais – para além de clientes e parceiros – ainda não têm acesso direto à informação que os possa ajudar a tomar melhores decisões. Um passo fundamental para garantir um alto índice de adoção é perceber que o ‘tamanho único’ não serve para todos quando se trata de BI e analítica. É fundamental que vários utilizadores sejam ajudados por uma abordagem adequada; analistas com ferramentas, trabalhadores da linha de frente com aplicações úteis.

A Gartner também pensa o mesmo, ao afirmar que uma das chaves para se alcançar a generalização é a nova forma de providenciar esta inteligência: por meio de aplicações. Tornar a analítica invisível incorporando-a numa aplicação fácil de utilizar é a abordagem certa para incentivar a generalização da analítica e do BI. Uma aplicação fornece aos utilizadores toda a informação que precisam para tomar decisões conscientes, sem fazer análises profundas, mas que ainda lhes dê a flexibilidade e o poder de escolher a forma como utilizar os dados, assim como a capacidade de detalhar a informação de que precisam. Para qualquer organização, o benefício da analítica e do BI generalizado é uma transformação cultural, onde a estratégia e as operações estão completamente alinhadas através de um sistema comum de tomada de decisão baseada em factos.

O défice de competências digitais

Apesar dos benefícios de promover o uso de analítica e de BI em toda a organização, o papel do analista e do cientista de dados ainda é de grande importância. Existe uma grande procura destes tipos de posições mas, infelizmente, a procura é maior que a oferta, levando a um défice de competências digitais a nível europeu. Na verdade, de acordo com um estudo realizado no ano passado pela Comissão Europeia, até 2020 Portugal irá precisar de mais 15 mil trabalhadores tecnologicamente qualificados para maximizar a oportunidade económica.

No próximo ano, acredito que vamos ver o cargo de Chief Data Officer (CDO) tornar-se essencial, visto que os dados são atualmente reconhecidos como o ativo mais importante da empresa. À medida que mais empresas dependam de dados, assim, também, mais precisarão de um CDO, em especial para se conseguir formas de monetizar esses dados. Veremos também o alargamento do papel do Chief Analytics Officer (CAO) em resposta à necessidade de analisar tendências. Aqui o desafio consiste em encontrar pessoas com a visão empresarial, e não apenas com as competências técnicas.

Aprendizagem automática

Como qualquer problema de escassez de trabalho, a solução reside na tecnologia e, neste caso, estamos a falar da aprendizagem automática como uma solução. Apenas para recordar, a Deloitte estabeleceu alguns pontos interessantes aqui na sua apresentação ‘Tendências da Analítica para 2014’ em que os gestores evitavam anteriormente a aprendizagem automática para a tomada de decisão por não haver “qualquer hipótese ou explicação humana por detrás dela”. Contudo, agora, “os projetos de dados estão frequentemente a mover-se demasiado rápido para uma analítica tradicional baseada em hipóteses”. Isso explica porque é que as empresas estão a adotar a aprendizagem automática para os ajudar a lidar com os grandes volumes de dados multidimensionais aos quais têm acesso.

Estes dados podem ter muitas variantes: idade, escolaridade, rendimento, frequência de compra, etc. É difícil fazer esse tipo de visualização sem a ajuda de uma máquina uma vez que normalmente só é possível incluir três variantes. Ao utilizar técnicas matemáticas, as máquinas podem esquadrinhar montes de dados para encontrar modelos para que os analistas possam analisar e descobrir tendências. Isto pode ser traduzido em estratégias comerciais como a determinação daqueles consumidores que devem ser alvo de campanhas de marketing para um alto ROI em gastos com marketing.

Gestão de Dados-Mestre (MDM)

Como resultado dos analistas trabalharem com esta quantidade crescente de dados, acredito que outra questão que será predominante em 2015 será a do “Master Data Management (MDM)“. Os analistas precisam de ter liberdade para trabalhar com os dados da forma que pretenderem, mas também precisam de ser capazes de os gerir de modo a assegurar que estão a chegar às mesmas conclusões a partir dos dados que estão a examinar. Isto torna-se complexo quando são combinadas várias fontes e talvez não possam ser devidamente descritas em metadados. Mencionamos que os dados estão a aumentar, mas não é apenas em relação à quantidade, mas também ao número de fontes de dados. Existem avenidas, como as redes sociais, que estão a oferecer atualmente uma riqueza de informações para as empresas e os analistas pretendem analisá-las em tempo real. A governança de dados é aqui a chave, para proporcionar o controlo centralizado da TI enquanto oferece aos analistas a flexibilidade necessária. Trata-se também de expandir essa capacidade a toda a organização para um modelo de ‘self-service’, onde qualquer funcionário possa aceder aos dados da empresa que sejam relevantes para o seu cargo.

Outro aspeto interessante desta tendência é a importância da integração e da análise e processamento de dados em tempo real. Quanto mais ênfase for dada aos sistemas baseados no contexto, maior profundidade e amplitude do contexto será criticamente dependente da recolha de dados, da qualidade de dados e da integração dos dados de vários sistemas. Quaisquer lacunas nesses processos podem tornar o quadro incompleto ou distorcido, reduzindo assim o valor do contexto para a tomada de decisões. Estas lacunas também podem impedir a automação de apoio à decisão, que é crucial para máquinas inteligentes. Esta, por sua vez, também está ligada aos big data. Os dados automáticos e os dados não estruturados, como os dados das redes sociais dos clientes, devem ser uma consideração fundamental para as empresas;  isto pode ajudá-las a crescer e a impulsionar as suas receitas.

Qualquer que seja a forma como encaramos o facto, será interessante ver como as empresas irão lidar com o desafio dos dados em 2015. Os benefícios que estas tendências que descrevi podem trazer são múltiplos, mas apenas quando a informação estiver disponível para todos os utilizadores empresariais, e não apenas restrita a analistas ou c-suite.


Clique para ler a bio do autor  Clique para fechar a bio do autor