Tableau prepara lista, encabeçada por inteligência artificial
A chamada “era dos dados” chegou. Toda empresa – desde startups emergentes até as organizações globais – precisa lidar com um número incalculável de dados, e a necessidade de desenvolver um método eficaz para gerenciar esta demanda tem sido um grande ponto de discussão. Por isso, soluções de Business Intelligence (BI) têm ganhado espaço no mercado, com o objetivo de elevar e acelerar decisões direcionadas por dados.
Eduardo Schvinger, diretor da Tableau Brasil, empresa de software para análise visual de dados, separou as 10 tendências mais relevantes para ter em mente para o próximo ano. Confira:
Automatizar tarefas simples, que dependem de mão de obra intensiva, como matemática básica, garante aos analistas ganho de tempo para pensar estrategicamente sobre implicações comerciais de suas análises e planejar os próximos passos. Além disso, a IA ajuda o analista a permanecer no fluxo de seus dados. Sem precisar parar números decisivos, os analistas podem fazer as próximas perguntas para se aprofundarem na análise. É inegável o potencial da máquina, mas é fundamental reconhecer que ela deve ser adotada quando há resultados claramente definidos. Embora possa haver a preocupação do profissional ser substituído, a automatização pode ser a grande aliada do analista, tornando-o mais preciso e impactante para os negócios.
O Gartner prevê que até 2020 50% das consultas analíticas serão geradas por meio de pesquisa e processamento de linguagem natural (NLP, sigla em inglês) ou voz. A NLP capacitará pessoas a fazerem perguntas mais detalhadas sobre os dados e receberem respostas relevantes que as levem até as melhores decisões. Simultaneamente, os desenvolvedores e engenheiros darão maiores passos ao explorar como a PNL é utilizada, examinando como as perguntas são feitas. O maior desafio e melhor ganho será o de enfrentar ambiguidades e entender os diversos fluxos de trabalho. A oportunidade surgirá, não da colocação da NLP em todas as situações, mas tornando-a disponível nos fluxos de trabalhos corretos para que se torne uma segunda natureza aos que a utilizam.
À medida em que a análise de autoatendimento se expande, um funil de perspectivas e informações valiosas inspira formas inovadoras de implementar a governança. Governança é muito mais sobre o uso da sabedoria de um grupo de pessoas para obter os dados certos para as pessoas certas, do que sobre bloquear dados para um grupo de indivíduos. As estratégias de BI e de análise devem abraçar o modelo moderno de governança em 2018: os departamentos de TI e engenheiros de dados farão a curadoria e a preparação das fontes de dados confiáveis e, com o serviço autônomo, os usuários finais serão livres para explorar dados confiáveis e seguros.
Segundo o Gartner, uma estratégia de multi-nuvem se tornará comum para 70% das empresas até 2019. Ao passo que as empresas se preocupam cada vez mais com a vinculação de uma única solução herdada, avaliar e implementar um ambiente multi-nuvem pode determinar quem oferece o melhor desempenho e suporte para cada situação. No entanto, enquanto a flexibilidade pode ser uma vantagem, essa abordagem aumenta o custo indireto ao dividir as cargas de trabalho entre provedores e forçar desenvolvedores internos a aprenderem sobre várias plataformas. Com a adoção multi-nuvem em ascensão, as companhias devem avaliar sua estratégia e medir a adoção, uso interno, demandas de carga de trabalho e custos de implementação para cada plataforma.
Análises de dados estão se tornando cada vez mais relevantes para as organizações, mas em alguns casos, há um atrito entre o CIO e a empresa devido a uma incompatibilidade entre o ritmo em que as informações são criadas e as exigências de segurança e governança dos dados. Com isso, o C-Suite está se tornando responsável pela criação de uma cultura de análise. Para muitos, a nomeação de um Chief Data Officer (CDO) ou Chief Analytics Offices (CAO) para liderar a mudança de processos de negócios, superar barreiras culturais e comunicar o valor da análise em todos os níveis, é a resposta para esta questão. O papel do CDO/CAO é focado em resultados e eles garantem que há conversas proativas de nível C acontecendo sobre como desenvolver uma estratégia de análise desde o início.
Como uma subcategoria da IoT, a “localização das coisas” abrange os dispositivos que detectam e comunicam posição geográfica. A captura desses dados permite ao usuário considerar o contexto adicional da localização de um dispositivo ao avaliar a atividade e os padrões de uso. Esta tecnologia pode ser usada para rastrear recursos, pessoas e, até mesmo, interagir com dispositivos móveis como smartwatches ou crachás para fornecer experiências personalizadas. Ao que se refere à análise de dados, os números baseados em localização podem ser vistos como uma entrada x saída de resultados. Se os dados estiverem disponíveis, o analista pode incorporar essa informação para entender o que está acontecendo e o que ele deveria esperar acontecer.
Para a maioria das empresas, os dados são um ativo comercial essencial. Como temos acompanhado, por meio de brechas de dados recentes e proeminentes, uma ameaça pode ser devastadora e causar danos irreparáveis à marca. A transformação de dados em commodity significa que o valor da companhia só aumentará e, em última análise, levará novas questões e discussões sobre como essa matéria-prima impulsionará as empresas a maiores vantagens. E como qualquer bem de uma companhia, não é bom que seja roubado. Por isso, procure por empresas que investem com sabedoria em cibersegurança para garantir que este bem esteja protegido.
Os engenheiros de dados estarão cada vez mais conectados ao movimento de usar os dados para tomar melhores decisões de negócios. Entre 2013 e 2015, o número de engenheiros de dados mais do que duplicou. Em novembro de 2017, já existiam mais de 3500 posições abertas para “engenheiro de dados” no LinkedIn, indicando a crescente demanda por esta especialidade. Responsáveis por toda a extração de dados fundamentais do negócio, à medida que a taxa de dados e capacidade de armazenamento aumenta, alguém com grande conhecimento técnico dos sistemas torna-se crucial.
Com as plataformas tecnológicas mais fáceis de serem usadas, o foco em especialidades tecnológicas diminui. Afinal, todos podem usá-las sem precisar de habilidades técnicas profundas, uma vez que se fazem necessárias. Mas é aí que pessoas com conhecimentos mais amplos, incluindo os artistas liberais, entram. Eles podem gerar impacto em indústrias e organizações que sentem falta de profissionais de dados. A priorização da análise de dados colocará esses profissionais em posições de ajuda às companhias que querem ganhar vantagem competitiva. E, à medida que a análise evolui para capturar arte e ciência, o foco passará de, simplesmente entregar dados, para elaborar histórias orientadas por dados que influenciem as decisões.
Em 2017, pelo segundo ano consecutivo, “cientista de dados” ganhou o primeiro lugar no ranking anual da Glassdoor dos melhores empregos na América. E, um relatório recente da PwC e do Business-Higher Education Forum, revelou que até 2021, 69% dos empregadores preferirão candidatos a emprego com ciência de dados e habilidades de análise. Por sua vez, a urgência de preencher um funil de entusiastas de dados altamente qualificados é fundamental. No Brasil, algumas universidades como Fundação Getúlio Vagas (FGV) e Fundação Instituto de Administração (FIA) lançaram cursos para promover habilidades de dados, incluindo MBA, Mestrado e cursos de especialização em Ciência da Informação.
