Os negócios geram grandes volumes de dados todos os dias a partir de várias fontes: sistemas de gestão administrativa e da produção, tributária e contábil, compras e vendas, relacionamento com clientes, campanhas de marketing. A medida que se expandem rapidamente, muitas empresas estão coletando os dados a partir do uso de sensores, big data e inteligência artificial (IA). Temos que considerar também as informações coletadas das redes sociais envolvendo engajamento e comportamento de consumo, análise de competidores, entre outras.

A competitividade e inovação hoje são baseadas em dados e seu estudo tem se tornado uma prioridade nas organizações para que os gestores possam tomar melhores decisões com foco em seus negócios. A relevância motivou muitas instituições de ensino a oferecerem cursos de formação em Ciência de Dados, cujo profissional é capacitado para trabalhar com grandes volumes de informações em massa e analisar os algoritmos a partir do uso de bases de conhecimento oriundas de sistemas diversos, tais como ERP, CRM e legados.

Como os dados têm origem em diversas fontes e sistemas de software – em geral desconectados entre si – e que necessitam realizar a troca de dados, a integração entre eles é o ponto chave para se obter um ambiente tecnológico harmonizado, com todas as aplicações empresariais se comunicando em tempo real. Para dar conta deste volume exponencial de dados, muitas empresas estão recorrendo a sensores, big data e inteligência artificial (IA).

A Análise Preditiva, que usa dados históricos, originados de inteligência artificial e aprendizado de máquina e outras fontes para estimar resultados futuros de negócios, pode ser potencializada quando se possui uma base qualificada de informações. Ela possibilita o estudo da real situação de cada atividade da empresa, seu mercado e clientes, por isso, é vital garantir um ambiente documental estruturado e atualizado, com acesso imediato em tempo real, independente do ambiente tecnológico, seja em nuvem ou localmente.

O Big Data, que permite tratar, analisar e obter informações de grandes volumes de dados, somente pode ser eficiente se envolver a aplicação de ferramentas modernas, especialmente desenhadas para esta finalidade. A consultoria Gartner, estima que 2,2 milhões de terabytes de novos dados são criados todos os dias e a previsão é que ao final de este ano de 2020 o total de 40 trilhões de gigabytes de dados no mundo. Como, então, ter acesso a estes dados de maneira organizada? O desafio é, realmente, enorme.

A Ciência de Dados impõe um novo desafio, que é utilizar tecnologias – legadas ou não – e acompanhar a agilidade necessária aos negócios, fazendo uso de recursos combinados entre as aplicações empresariais, principalmente quando se trata da automação de processos e gestão de informações.

Infelizmente, muitas empresas estão sobrecarregadas por infraestruturas legadas pesadas e não conseguem dar a respostas necessária às demandas e impulsionar as mudanças. Mesmo que a empresa possua um sistema moderno, em nuvem ou não, ela pode obter resultados satisfatórios sem a comunicação de dados. Um exemplo disso é o CRM, um dos sistemas mais usados para a coleta de dados de clientes, em boa parte em nuvem e sem integração nativa com sistemas de gestão ERP.

Soluções de Big Data e Análise Preditiva ajudam os gestores nos negócios, mas, necessitam receber os dados qualificados. Criar uma interface de comunicação entre os sistemas possibilita a coleta de dados reais, atualizados e sem erros. O desafio é acompanhado pela necessidade de se resolver problemas complexos envolvendo grandes volumes resultantes da acelerada informatização dos processos de negócios.

Quando mais negócios são realizados, mais dados são gerados. O uso de ferramentas especialmente desenhadas para o Big Data e Análise Preditiva deve ser acompanhado de outras ferramentas que possibilitem a integração entre todas as fontes de dados.

*Rodney Repullo é CEO da Magic Software Brasil.

Fonte: CIO

Depois de um ano como nenhum outro, estou ansioso para 2021 com esperança e positividade renovadas. E não estou falando apenas sobre as vacinas contra a Covid-19 que prometem controlar a pandemia e trazer a vida de volta (um pouco) ao normal. Também tenho esperança de uma economia renovada e estabilidade global à medida que a pandemia diminui e o governo, bem como as empresas, voltam aos seus “negócios normais”.

Embora virtualmente todos os setores e segmentos do mercado tenham sido afetados pela pandemia de coronavírus, a tecnologia sofreu uma interrupção descomunal. Da fabricação à cadeia de suprimentos e da logística ao varejo e à demanda do consumidor, as empresas precisam se virar rapidamente, não apenas uma, mas frequentemente duas ou três vezes. No entanto, a tecnologia já está mostrando alguns indicadores positivos para o próximo ano e vejo algumas tendências claras no espaço da ciência de dados.

Aqui estão sete que já estão começando a surgir.

Maiores investimentos em Ciência de Dados

Em vez de diminuir o investimento em ciência de dados, a pandemia do coronavírus continuará estimulando as empresas a aumentar seus investimentos.

As organizações estão fazendo cortes drásticos no orçamento em muitas áreas em um esforço para superar os efeitos da Covid-19 e manter seus negócios viáveis. Ainda assim, em 2021, prevejo que muitas empresas manterão ou até mesmo aumentarão seus investimentos em ciência de dados. A Covid-19 acelerou a mudança da Fortune 500 para a nuvem pública e ferramentas modernas de ciência de dados na pressa para oferecer suporte a funcionários remotos. Essa foi uma das últimas barreiras restantes impedindo o investimento total em ciência de dados. Agora que o selo foi quebrado, é mais fácil para as organizações continuarem investindo, e muitas das empresas Fortune 500 estão investindo na construção de uma competência central em machine learning e ciência de dados como uma “grande aposta” para ser mais rápido/inteligente/melhor do que seus concorrentes.

Pandemia acelerará o desenvolvimento de soluções de monitoramento

A Covid-19 teve um impacto enorme em quase todas as facetas das operações de negócios, e as organizações que dependem de inteligência artificial (IA) e machine learning (ML) para automatizar decisões de negócios têm estado particularmente vulneráveis. Um dos maiores problemas que as empresas estão enfrentando é um grande desvio de dados – uma mudança na entrada do modelo que leva à degradação do desempenho e saída imprecisa, devido às mudanças em grande escala no comportamento humano desde a pandemia. O desenvolvimento de soluções de monitoramento de modelo novas e mais robustas que permitam às organizações detectar o desvio de dados será uma grande área de inovação e investimento em 2021.

Um novo “xerife” está chegando à cidade

Em 2021, Chief Analytics Officers (CAOs) e Chief Data Analytics Officers (CDAOs) serão a nova cara na mesa da diretoria, substituindo a função tradicional de Chief Data Officer conforme as empresas passam do foco nos “dados” por trás dos modelos para os próprios modelos IA/ML.

O modelo de risco entrará no mainstream

As empresas de serviços financeiros há muito tempo usam modelos preditivos para conduzir decisões sujeitas ao escrutínio regulatório e compreenderam os riscos associados a essa abordagem. Em 2021, veremos uma consciência mais ampla das implicações legais e dos riscos de decisões automatizadas em uma ampla variedade de setores. Além disso, é provável que veremos ações judiciais públicas relacionadas à discriminação ou responsabilidade decorrente de decisões tomadas por modelos. As empresas não serão capazes de se esconder atrás das desculpas do tipo “a IA me obrigou a fazer isso”, pois são responsabilizadas sob crescente escrutínio em seus preços e práticas comerciais.

As organizações de TI terão autonomia para gerenciar a “shadow IT” da ciência de dados

Até agora, a ciência de dados carecia de governança adequada e uma plataforma centralizada dentro das empresas, levando a práticas de “TI invisível” generalizadas que incluem cientistas de dados baixando ferramentas não aprovadas e pacotes de ciência de dados e usando infraestrutura não oficial para armazenamento e poder de computação especializado. O risco desses sistemas invasores – tanto da perspectiva de segurança quanto de TI – não é mais sustentável, pois vemos a ciência de dados se tornando cada vez mais difundida e crítica para todas as funções de negócios. Vimos casos em que empresas que passaram por mudanças organizacionais dramáticas devido a demissões de Covid, etc., não conseguiram descobrir como atualizar seus preços após Covid porque alguma equipe de ciência de dados construiu o modelo de preços em seus próprios sistemas. No próximo ano, veremos mais organizações tratando os modelos como ativos materiais, motivando a TI a tomar as rédeas e fornecer a infraestrutura para apoiar a ciência de dados em escala.

As organizações sofrerão maior pressão para garantir a transparência no uso de algoritmos e modelos preditivos

Embora os recursos de engenharia de IA aumentados forneçam maior estrutura e sofisticação na forma como colocamos os modelos em produção, os padrões de privacidade em rápida evolução (por exemplo, LGPG, GDPR e CCPA da Califórnia) exigirão que igual atenção seja dada para tornar os modelos de IA mais transparentes e seguros. No entanto, isso não será fácil. Exigirá um levantamento muito pesado envolvendo ModelOps, DevOps, gerenciamento de risco de modelo, IA explicável e IA ética, exigindo uma evolução de tecnologia e processos.

Os programas de educação em ciência de dados continuarão crescendo

Assim como o boom das “ponto com” estimulou o interesse em cursos e especializações em ciência da computação, 2021 verá uma demanda cada vez maior por cursos e diplomas em ciência de dados, à medida que os modelos impulsionam cada vez mais cada parte dos negócios e de nossa economia. A ciência de dados se tornará a classe de calouros mais popular nas escolas onde é oferecida.

A rede dessas previsões é que a ciência de dados não apenas não vai desaparecer, mas está se tornando mais popular e mais arraigada nas práticas de negócios. Considerando que, no passado, a ciência de dados foi compartimentada e isolada em organizações, 2021 é o ano em que se tornará uma capacidade de toda a empresa que impacta todas as linhas de negócios e departamentos funcionais.

Estou interessado em olhar para trás no final do ano e revisitar essas previsões para avaliar quantas se concretizaram e quantas estavam completamente erradas. Pessoalmente, estou apostando em mais de 90% de precisão, mas isso depende do meu modelo e da qualidade da entrada de dados, é claro.

*Nick Elprin é Cofundador e CEO do Domino Data Lab

Fonte: CIO