Esse momento abre espaço para alguns dos principais conceitos que norteiam o trabalho de dados hoje em dia: a análise preditiva de dados
Ao longo de 20 anos de carreira em tecnologia com passagem por diversas empresas, observei uma evolução significativa na forma com que os negócios se relacionam com dados – com o aumento exponencial do uso de tecnologia por empresas de todos os setores, a disseminação ampla da internet e das mídias sociais e o desenvolvimento de algoritmos e inteligência artificial, sofisticamos nossa capacidade de coletá-los, analisá-los e interpretá-los.
Eles têm enorme potencial de contribuir para a melhora dos resultados de negócio, ao ponto em que hoje tornou-se comum ouvir a expressão “data driven” no ambiente corporativo que, na prática, nada mais é do que a tomada de decisões – e a gestão, de forma ampla – baseadas em análise de dados para garantir maior assertividade.
Para uma empresa, tornar-se “data driven” significa não só coletar dados, mas fazer o uso deles para prever cenários, analisar cautelosamente o resultado de iniciativas passadas e fazer ajustes de rota por meio da personalização de produtos e soluções, aprimoramento dos fluxos de informação e comunicação, e do relacionamento com clientes, parceiros, fornecedores e prospects.
Leia também: Unicamp moderniza infraestrutura de nuvem com tecnologia da Dell
A criação desses recursos e termos é um processo evolutivo e global. Entretanto, quando falamos do mercado brasileiro, é possível traçar um breve panorama de como essa questão progrediu ao longo das últimas décadas, até chegarmos no modelo que conhecemos hoje.
Nos anos 2000, as empresas se apoiavam em sistemas integrados de gestão empresarial que serviam para armazenar dados e unificar a visualização dos resultados das operações. A partir deles, produziam relatórios periódicos com dados gerenciais e operacionais que eram utilizados para apoiar a tomada de decisão.
Dos anos 2000 para os 2010, foram introduzidos os chamados data warehouses – ou armazéns de dados –, sistemas de gerenciamento que consolidam grandes quantidades de dados históricos de diversas fontes, que são consultados e analisados para melhor informar as decisões de negócios – o foco, então, estava em dados estruturados, integrados e históricos, que demandavam novas tecnologias para serem consultados e analisados com eficiência.
A partir dos anos 2010, com a aceleração do uso de tecnologias digitais nas empresas, em especial à popularização da internet, dos aplicativos e mídias sociais ao redor do mundo, entrou em cena o conceito de Big Data, uma área que buscava estudar maneiras de tratar, analisar e gerar conhecimento por meio de um volume verdadeiramente massivo e extremamente variado.
Essa mudança de patamar trouxe, naturalmente, evoluções tecnológicas, como os data lakes – ou lagos de dados, ferramentas que armazenam dados brutos e em diversos formatos: estruturados, semiestruturados ou não estruturados. Na prática, o pré-processamento passou a ser opcional e as empresas buscavam cada vez mais concentrar-se em formas de coletar cada vez mais dados.
Até então, podemos dizer que a análise de dados e a tomada de decisões era feita olhando-se para o passado. Por volta de 2015, um novo paradigma entra em cena, apoiado por dois pilares: a maturidade sobre o uso de tecnologias e ferramentas para coletas de dados, e a popularização e o barateamento dos custos de armazenagem de dados, sobretudo com uso de cloud computing. Esse momento abre espaço para alguns dos principais conceitos que norteiam o trabalho de dados hoje em dia: a análise preditiva de dados.
Por meio de algoritmos de Inteligência Artificial, o que incluindo machine learning e deep learning, passa a ser possível olhar para os dados do passado para conseguir “prever” o futuro. Vale ressaltar também que as tão faladas GenerativeAIs, como o ChatGPT, só foram possíveis de sair do papel devido às quantidades massivas de dados que foram utilizadas para “treinar” esses algoritmos, que estão cada vez mais populares.
A indústria de benefícios, em que atuo atualmente, já vem há algum tempo numa jornada de transformação digital, o que tem disseminado e sofisticado a cultura sobre uso de dados. Mas é claro que, como em qualquer segmento, sempre há espaço para evolução à medida que cada vez mais processos de negócio são digitalizados e mais dados são capturados. Nessa jornada, naturalmente também passamos a lidar cada vez mais com dois desafios: o primeiro é garantir que estejamos usando dados consistentes e completos em meio ao mar de informações disponíveis e que os estejamos traduzindo em insights úteis, que possam influenciar decisões estratégicas, já que sua interpretação incorreta pode levar a resultados equivocados e ineficazes.
E o segundo – e principal – é garantir que os proprietários desses dados tenham sua privacidade e segurança garantidas, em conformidade com regulamentações de privacidade, como a Lei Geral de Proteção de Dados (LGPD), uma vez que ocorrências como vazamento e violações de segurança podem causar danos significativos à reputação e às finanças das empresas. Este ponto é particularmente importante para a indústria de benefícios, já que trabalhamos com dados financeiros.
Mas para além da indústria de benefícios acredito que, hoje em dia, a análise de dados deva ser central nas estratégias de negócios, pois ela permite uma compreensão mais profunda do mercado, dos clientes e das operações das nossas próprias empresas.
Pude acompanhar de perto o processo de transformação de várias companhias que passaram a adotar abordagens “data driven”, ganhando vantagem competitiva ao antecipar tendências, otimizar processos e responder rapidamente às mudanças do mercado, e posso falar com convicção que a transformação do mercado rumo a uma cultura orientada por dados é uma das principais mudanças que presenciei em minha trajetória profissional.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
