Artigos e Notícias

---

4 tendências de análise de dados…

26 de maio de 2019

Pensando em alavancar análise de dados e ciência de dados como parte de sua transformação digital? Uma abordagem automatizada pode ser a chave.

Thor Olavsrud, da CIO (EUA)

A análise de dados é um domínio em constante movimento. Com as organizações continuando a investir pesadamente em análises para suportar transformações digitais, manter-se atualizado sobre as últimas tendências é essencial para garantir que sua organização esteja adotando as estratégias e táticas de análise necessárias para o sucesso nos próximos meses e anos.

Em fevereiro deste ano, a empresa de pesquisa Market Research Future prevê que o mercado global de análise de dados alcançará uma taxa anual composta (CAGR, na sigla em inglês) de 30,8% até 2023, alcançando um valor de mercado de US$ 77,64 bilhões até o final do período. No coração deste investimento, cada vez maior em análise de dados, está a motivação para se tornar uma empresa digital, diz David Schatsky, diretor-gerente do principal programa de detecção de tendências da equipe de inovação central da Deloitte.

“Uma empresa digital está em constante evolução e sempre buscando aplicar e maximizar o valor das tecnologias digitais para se reinventar, reinventar o que oferece ao mercado, como ela entrega essas coisas ao mercado e como ela funciona como um negócio. Uma empresa digital é algo que vemos como em constante evolução, possibilitada pelo uso efetivo de tecnologias e dados digitais”, diz Schatsky.

Para as organizações que buscam transformar seus negócios por meio de dados, vale a pena observar as quatro tendências de analytics a seguir nos próximos meses.

1. Aumento do cidadão de dados

À medida que as organizações se transformam para se tornar mais orientadas a dados, a maioria dos especialistas e observadores do setor concorda que a tecnologia, embora não seja fácil, é o elemento mais simples. Mudar a cultura e a mentalidade organizacional em torno dos dados e seu uso efetivo costuma ser o mais desafiador.

“A parte mais importante dos dados são as pessoas”, diz Caroline Carruthers, diretora da consultoria Carruthers and Jackson, ex-diretora de dados da Network Rail, e coautora do The Chief Data Officer’s Playbook e Data-Driven Business Transformation: How to Disrupt, Innovate and Stay Ahead of the Competition. “Se você tem toda a sua organização entendendo o que você quer fazer em torno de dados, informações e marchando no mesmo ritmo, isso é muito mais poderoso do que esconder 10 cientistas de dados em algum lugar em uma torre de marfim.” Rita Sallam, vice-presidente de pesquisa da equipe de análise de negócios do Gartner, concorda.

“A cultura é sempre um enorme desafio com qualquer tecnologia: mudança de gestão, alfabetização. Nós temos uma força de trabalho suficiente e alfabetizada que pode realmente levar os insights, que agora estamos disponibilizando para eles por meio dessas novas tecnologias, e sermos capazes de agir sobre eles”, diz Rita.

Schatsky, da Deloitte, acrescenta que, para obter domínio de dados, as organizações precisam incutir uma mentalidade entre as linhas de negócios de que sempre que a empresa está enfrentando uma decisão ou tomando uma ação, as pessoas responsáveis devem considerar se há dados que podem ajudar a empresa a fazer isso de maneira mais inteligente ou melhor.

“Isso requer uma mudança de mentalidade”, diz Schatsky. “Para que seja difundido, requer uma mudança na liderança. A liderança deve ser focada e conduzi-la por meio da organização.”

Como resultado, eles acreditam que a empresa se concentrará cada vez mais em impulsionar uma mentalidade e fluência orientadas por dados em conceitos básicos de dados em toda a organização.

No entanto, Meta S. Brown, presidente da empresa de consultoria de análise de negócios A4A Brown e autora de Data Mining for Dummies, alerta para não ir longe demais.

“Eu acho que existem limites muito reais em até onde você pode esperar que os gerentes executivos se tornem especialistas em análise”, diz Brown. “Um pouco de familiaridade com a terminologia pode ser razoável, mas eu realmente quero dizer um pouco.”

A título de exemplo, Brown aponta para advogados. Espera-se que as equipes de gestão executiva conheçam as leis mais importantes que devem cumprir e devem ser capazes de ler um contrato, mas não devem aconselhar sobre problemas jurídicos complexos. A mesma ideia se aplica quando se trata de analytics, diz ela.

“Não acho razoável incluir muitas aulas de análise de dados para um executivo, por exemplo, ou fazer análise de dados por eles mesmos”, diz ela. “É minha opinião profissional que o que devemos esperar deles em termos de aprendizagem sobre análise de dados é muito pequeno. É nosso trabalho, como especialistas em análise, trabalhar mais com eles durante todo o processo para obter as informações comerciais deles, e nossa responsabilidade de traduzir o que eles estão nos dizendo sobre negócios em termos de análise.”

2. De volta ao básico em analytics

Nos últimos anos, a conversa em torno da análise tem se concentrado cada vez mais em tecnologias de ponta, como aprendizado de máquina, deep learning, redes neurais e outros elementos da inteligência artificial. Embora essas áreas continuem a atrair muita atenção nos próximos anos, muitas organizações voltarão ao básico e extrairão mais utilidade de análises menos avançadas, dizem os especialistas.

“É muito chocante para mim que eu tenha estado em tantas apresentações e lido tantos artigos onde as pessoas estão falando sobre algumas das matemáticas mais complexas que alguém poderia imaginar, e eles estão falando sobre isso para empresas que realmente não fizeram muito uso de matemática muito mais simples”, diz Brown. “Se todas as empresas nos Estados Unidos usassem apenas o que está no Statistics 101, nossa economia explodiria.”

Carruthers concorda. “Quase tiramos nosso olho da bola de análise porque muitas pessoas ficaram empolgadas com o aprendizado de máquina e com a inteligência artificial, e de repente disseram: ‘Ooh, temos que fazer todas essas coisas maravilhosamente brilhantes’”, diz ela. “Esquecemos que, na verdade, existe uma tremenda quantidade de organizações de valor obtidas a partir de análises.”

Carruthers acredita que, à medida que as organizações colocam a análise em produção e buscam realmente obter valor de seus esforços de análise, elas voltarão a dar mais ênfase ao que pode ser obtido por meio de recursos mais básicos de análise e geração de relatórios.

3. Automação é o nome do jogo

Ainda assim, a crescente complexidade dos dados e o que é necessário para processá-los e analisá-los significa que a automação se tornará mais importante nos próximos anos.

“A crescente complexidade dos dados em termos de tipo e a análise necessária para o sucesso está realmente extrapolando os limites das atuais abordagens manuais”, observa Sallam. “Como resultado, praticamente todos os aspectos do gerenciamento de dados e desenvolvimento de conteúdo analítico, de cima e abaixo da pilha, ela inteira está se alavancando para automatizar processos analíticos, automatizar a maneira como obtemos informações desses sistemas para agir de maneira otimizada.”

Schatsky concorda, observando que muito do impulso em direção à automação é resultado da escassez de cientistas de dados, engenheiros de dados e outros membros de equipes de ciência de dados.

“Muitos cientistas de dados dirão que gastam cerca de 80% do seu tempo em tarefas tediosas e repetitivas, como preparação de dados, engenharia de recursos, seleção de algoritmos: muitas coisas que descobrimos podem ser automatizadas em algum grau”, aponta Schatsky. “Isso não significa que os cientistas de dados ficarão sem trabalho porque foram substituídos por máquinas. O que isso significa é que eles podem ser cinco vezes mais produtivos, o que significa que uma empresa que tem dois cientistas de dados pode começar a agir como eles tivessem dez cientistas de dados se eles fizerem uso de automação.”

4. Organizações aproveitarão cada vez mais dados de terceiros

Schatsky diz que as empresas com um programa analítico mais avançado vão usar mais os dados de terceiros nos próximos anos. “Ser capaz de fazer uso efetivo de dados de terceiros vai além dos obstáculos técnicos normais de integração de dados, limpeza de dados e todas essas coisas”, indica Schatsky.

“Inclui mais competências voltadas para o mercado que as empresas precisam desenvolver: examinar continuamente o cenário para entender quais fontes de dados podem estar disponíveis, promovendo processos simplificados para avaliar essas fontes de dados para a produção de dados, incluindo contratação e questões legais e análise de riscos. Esta é uma competência que as empresas realmente deveriam cultivar e investir.”

A título de exemplo, Schatsky aponta para o gerenciamento da cadeia de suprimentos. No passado, diz ele, as empresas que operavam uma cadeia de suprimentos poderiam ter gerenciado riscos acompanhando o comportamento de seus fornecedores: com que frequência eles estavam atrasados na entrega, com que frequência os produtos entregues atendiam ou deixavam de atender aos padrões de qualidade etc.

“É uma espécie de gerenciamento de risco da cadeia de suprimentos no nível de jardim de infância”, revela Schatsky. Organizações mais sofisticadas podem ter implementado dados de terceiros da geração anterior, como informações de classificação de crédito, para ajudar a determinar o risco de trabalhar com um fornecedor ou cliente.

Hoje, diz ele, as organizações com recursos analíticos mais sofisticados estão procurando incluir dados de terceiros, como previsões do tempo, para completar suas avaliações de risco: a organização tem fornecedores em regiões vulneráveis a interrupções devido ao clima? Ou podem incluir dados das mídias sociais para ajudar a fornecer pistas sobre os padrões de mudança de demanda. Se indicadores de mídia social mostram que a demanda por um determinado produto está aumentando, a organização deve aumentar as compras de matérias-primas para esses produtos? “Esse é o próximo nível de excelência que as empresas estão aspirando”, conta ele.

Fonte: cio.com.br

Voltar