15 tendências de análise de dados que dominarão 2017

Da Redação, com IDG News Service

Publicada em 18 de abril de 2017 no site CIO.

Junto com Social, Mobile e Cloud, Analytics e tecnologias associadas a Big Data ganharam lugar entre os principais disruptores da Era Digital. 2016 viu as tecnologias de Big Data cada vez mais alavancadas para impulsionar a inteligência de negócios. Veja o que 2017 mantém no radar da análise de dados.

John Schroeder, presidente executivo e fundador da MapR Technologies , prevê que as seguintes tendências dominarão dados e Analytics este ano:

1- A inteligência Artificial (IA) está de volta.Na década de 1960, Ray Solomonoff lançou as bases de uma teoria matemática da IA, introduzindo métodos bayesianos universais para a inferência indutiva e a análise preditiva. Em 1980, a Primeira Conferência Nacional da Associação Americana de Inteligência Artificial (AAAI) foi realizada em Stanford e marcou a aplicação de teorias em software. AI está de volta em discussões mainstream e buzzword guarda-chuva para a inteligência de máquina, aprendizagem de máquina, redes neurais e computação cognitiva.

Por que a AI é uma tendência rejuvenescida? Schroeder aponta para os três Vs usados ​​frequentemente para definir Big Data: Velocidade, Variedade e Volume.

Plataformas que podem processar os três Vs com modelos de processamento modernos e tradicionais, que escalam horizontalmente, fornecem 10-20X eficiência de custo em relação às plataformas tradicionais, diz ele.

O Google documentou como algoritmos simples, executados freqüentemente contra grandes conjuntos de dados, produzem melhores resultados do que outras abordagens usando conjuntos menores.

Schroeder diz que veremos o valor mais alto da aplicação de IA para tarefas repetitivas de alto volume, onde a consistência é mais eficaz do que o ganho da  supervisão intuitiva humana à custa do erro humano e do custo.

2 - Big Data para governança ou vantagem competitiva.Em 2017, o conflito de governança versus valor de dados será mandatório, diz Schroeder. As empresas têm riqueza de informações sobre seus clientes e parceiros. As principais organizações gerenciarão seus dados entre casos de uso regulamentados e não-regulamentados. Os dados de casos de uso regulamentados exigem governança; qualidade e linhagem para que um órgão regulador possa relatar e rastrear dados através de todas as transformações até à fonte de origem. 

Schroeder diz que isto é obrigatório e necessário.

3 - As empresas se concentram em aplicativos orientados a negócios para evitar que as lagoas de dados se tornem pântanos.
Em 2017, as organizações passarão da abordagem de "construa e virão" para uma abordagem de dados orientada a negócios, diz Schroeder. 

O mundo de hoje requer capacidades analíticas e operacionais para atender clientes, processar reivindicações e interface para dispositivos em tempo real em um nível individual.

Por exemplo, qualquer site de comércio eletrônico deve fornecer recomendações individualizadas e verificações de preços em tempo real. As organizações de saúde devem processar reivindicações válidas e bloquear reivindicações fraudulentas, combinando análises com sistemas operacionais. As empresas de mídia devem personalizar cada vez mais o conteúdo veiculado por set top boxes. Os fabricantes de automóveis e empresas de compartilhamento de trajeto estão interoperando em escala com carros e motoristas. 

Suportar esses casos de uso requer uma plataforma ágil capaz de fornecer processamento analítico e operacional para aumentar o valor de casos de uso adicionais que vão de análise de back office para operações de front office.

Em 2017, diz Schroeder, as organizações empurrarão agressivamente o uso de dados para além de uma abordagem de "perguntas". O objetivo será impulsionar o valor comercial inicial e de longo prazo.

4 - Agilidade de dados separa vencedores e perdedores.
Desenvolvimento de software tornou-se ágil onde DevOps fornece entrega contínua, diz Schroeder. Em 2017, os modelos de processamento e de análise de dados evoluirão para proporcionar um nível de agilidade semelhante à medida em que as organizações percebem que a agilidade dos dados, a capacidade de entender os dados no contexto e de tomarem medidas empresariais é a fonte de vantagem competitiva. 

O surgimento de modelos de processamento ágil permitirá que a mesma instância de dados suporte análise de lote, análise interativa, mensagens globais, banco de dados e modelos baseados em arquivos, diz ele. Modelos analíticos mais ágeis também são ativados quando uma única instância de dados pode suportar um conjunto mais amplo de ferramentas. O resultado final é uma plataforma ágil de desenvolvimento e aplicação que suporta a mais ampla gama de modelos analíticos e de processamento.

5 - Blockchain transformando aplicativos de serviços financeiros.
Em 2017, haverá casos de uso seletivos e transformacionais em serviços financeiros que surgem com amplas implicações na forma como os dados são armazenados e as transações processadas, afirma Schroeder. 

O Blockchain fornece um ledger global distribuído que altera a maneira como os dados são armazenados e as transações são processadas. É executado em computadores distribuídos em todo o mundo onde as cadeias podem ser visualizadas por qualquer pessoa. As transações são armazenadas em blocos onde cada bloco se refere ao bloco anterior. Esses blocos recebem um carimbo de tempo armazenando os dados são criptografados, de modo que o conteúdo dos blocos não pode ser alterado. Hackers acham que é teoricamente impossível cortar o Blockchain desde que o mundo tenha visão de todo o Blockchain.

Portanto, o Blockchain fornece óbvia eficiência para os consumidores. Por exemplo, os clientes não terão que esperar por essa transação SWIFT ou se preocupar com o impacto de um vazamento de datacenter central. Já para as empresas, Blockchain apresenta uma economia de custos e oportunidades de vantagem competitiva, diz Schroeder.

6 - A aprendizagem mecânica maximiza o impacto dos microserviços.
Este ano, veremos aumento de integração da aprendizagem de máquinas com os microservices, diz Schroeder. Anteriormente, implantações de microserviços  foram focadas em serviços leves e aqueles que incorporam a aprendizagem da máquina têm sido tipicamente limitados a integrações de "dados rápidos", de fluxo contínuo. Em 2017, veremos mudança de desenvolvimento para aplicações que alavanquem Big Data e a incorporação de abordagens de aprendizado de máquina que usem grandes quantidades de dados históricos para entender melhor o contexto de dados de fluxo contínuo.

Já o pessoal da Hortonworks, fornecedor de distribuição da Hadoop, dizem que:

7 - As redes inteligentes levarão ao surgimento de nuvens de dados.
Como as conexões continuam a evoluir graças à Internet  das Coisas e à conectividade máquina a máquina, silos de dados serão substituídos por nuvens de dados.

8 - Análise e aprendizagem de máquina, em tempo real, na borda da rede.
Os dispositivos inteligentes colaborarão e analisarão o que um outro está dizendo, afirma a Hortonworks. Algoritmos de aprendizado de máquina em tempo real dentro de aplicações de dados distribuídos entrarão em jogo - algoritmos que são capazes de auxiliar decisões 'peer-to-peer' em tempo real.

9 - Mais análises preventivas: do pós-evento à análise e ação em tempo real.
Vamos começar a ver um movimento de pós-evento e tempo real para a análise preventiva que pode conduzir as transações em vez de apenas modificá-las ou otimizá-las, diz o pessoal da Hortonworks. Isso terá um impacto transformador na capacidade de um negócio centrado em dados para identificar novos fluxos de receita, economizar custos e melhorar a intimidade de seus clientes.

10 - Ubiquidade de aplicativos de dados conectados.
Para que as empresas tenham sucesso com dados, aplicativos e dados precisam ser conectados através de uma plataforma ou framework. Esta é a base para a moderna aplicação de dados em 2017.

As modernas aplicações de dados são altamente portáteis, contentorizadas e ligadas. Eles substituirão rapidamente o software monolítico, verticalmente integrado.

11 - Os dados serão produto de todos.
Os dados se tornarão um produto com valor para comprar, vender ou perder, dizem os analistas da Hortonworks. Haverá novos caminhos, novos modelos de negócios e novas empresas olhando sobre como monetizar esse ativo.

Já o pessoal da DataStax , que desenvolve e suporta uma versão comercial do banco de dados open source Apache Cassandra NoSQL, prevê:

12- O surgimento do engenheiro de dados.
O termo "cientista de dados" se tornará menos relevante e será substituído por "engenheiros de dados", diz a DataStax. 

Os cientistas de dados se concentram em aplicar dados científicos e resultados analíticos a questões críticas de negócios. Engenheiros de dados, por outro lado, vão projetar, construir e gerenciar grandes infraestrutura de dados. Eles se concentrarão na arquitetura e em manter os sistemas funcionando.

13 - Segurança: O crescimento da IoT levará a linhas desfocadas.
O crescimento da IoT tem sido largamente desmarcado, diz DataStax. Com a falta de padrões e uma explosão de dados, não está completamente claro quem será  responsável por garantir o que. Hoje, os ISPs estão em risco, e os veremos adotar um papel principal na conversação da segurança.

14 - Vantagens híbridas, graças a certas aplicações empresariais de nuvem.
Está ficando claro que muitas grandes organizações que construíram seus bancos de dados em plataformas legadas preferem retirar os dentes do que mudar, diz DataStax. As arquiteturas de dados híbridas que abrangem bancos de dados legados, mas permitem que as organizações aproveitem os aplicativos em nuvem, serão um foco importante para essas organizações.

15 - Corte de laços graças às arquiteturas sem servidor.
O pessoal da DataStax acredita que a migração para arquiteturas sem servidor - aplicativos que dependem de aplicativos ou serviços de terceiros na nuvem para gerenciar a lógica e o estado do servidor, ou que são executados em contêineres de computação e são acionadores de eventos. A adoção de arquiteturas sem servidor terá um impacto generalizado sobre como os aplicativos são implantados e gerenciados.

- See more at: http://cio.com.br/tecnologia/2017/04/18/15-tendencias-de-analise-de-dados-que-dominarao-2017/#sthash.axBBLM5i.dpuf

Bem-vindo à era do Poder de Decisão como Serviço

Eduardo Pugliesi * 

Publicada em 21 de março de 2017 às 07h10 no site CIO

A quantidade de dados em circulação aumenta diariamente e, junto a isso, a necessidade de extrair seu real valor para apoiar nas estratégias de negócios das organizações. De que vale coletar grandes volumes de dados se não é possível transformá-los em insights com resultados tangíveis?

Essa questão levanta outras perguntas quando o assunto é tomar decisões baseadas em dados. Como garantir que sua empresa está amadurecendo seu modelo de gestão de forma corporativa? Como ter uma gestão consistente que garanta que as estratégias sejam seguidas nos níveis táticos e operacionais? Como assegurar que suas filiais, Centro de Distribuição ou, até mesmo, as franquias padronizem seus modelos de gestão?

A resposta é que existe a possibilidade de atender a todas essas perguntas pagando apenas sobre a geração e utilização da informação conforme a demanda das áreas de negócios. Trata-se de um modelo diferente do que é proposto hoje e que inclui a criação, a manutenção e a atualização de todo um ambiente com profissionais capacitados.

A dor das empresas na gestão e nas análises de dados provém de vários fatores, tais como as infraestruturas que não foram projetadas para atuar de forma holística e o ambiente que foi construído de forma desconectada entre os departamentos. Criar e manter um time coeso e atualizado dentre as diversas plataformas existentes exige um alto custo. E isso significa que poucas empresas têm esses pilares alinhados, o que inviabiliza o aproveitamento do poder dos dados que coletam.

É neste cenário que o Analytics-as-a-Service (AaaS) chega como uma proposta para agregar vantagem competitiva ao negócio. Em outras palavras, o AaaS, que nada mais é do que a terceirização de todo ambiente, pessoas e ferramentas, resulta na entrega do resultado e de insights e, se necessário, atua diretamente junto a área de negócio para a execução de determinadas ações sobre a informação.

A interface elimina a necessidade de suporte interno de TI e investimento em infraestrutura, uma vez que é disponibilizada em nuvem por meio da modalidade SaaS (Software as a Service). As empresas, então, acessam as análises de que precisam e quando precisam, permitindo uma maior agilidade à resposta de cenários. Mais do que um serviço em nuvem, o modelo ajuda as empresas na concepção de uma estratégia para que os dados estejam em alinhados aos objetivos de negócios.

A proposta deve atender, essencialmente, os pontos de dores dos clientes, ajudando-os a enxergar questões emergentes e a compreender as necessidades não satisfeitas, como por exemplo, a gestão da carteira de crédito para prever retornos e perdas, ajustando o risco à identificação de ações corretivas e preventivas de perdas; a análise da marca e reputação para medir sentimentos, permitindo a segmentação comportamental; a análise para descobrir relacionamentos e padrões ocultos de comportamento do consumidor e do fraudador, fornecendo a detecção da fraude mais rapidamente com a integração em tempo real, assim como a melhora da capacidade individual de monitoramento de comportamento, entre outros.

O Analytics-as-a-Service fornece o poder de decisão com base em dados quantitativos. Basicamente, sai da mera acumulação de dados e de suas interpretações para a geração de um entendimento profundo, que oriente a tomada de decisão, ou seja, permite criar planos de ação concretos. O motor deste crescimento é a necessidade de melhorar a satisfação do cliente e o desempenho operacional. E, como consequência, fomentará o desenvolvimento de novos mercados, segmentos, clientes e oportunidades.

(*) Eduardo Pugliesi é diretor de Inovação e de Business Intelligence da SONDA

- See more at: http://cio.com.br/opiniao/2017/03/21/bem-vindo-a-era-do-poder-de-decisao-como-servico/#sthash.URq85vrx.dpuf

CIO - Como se tornar uma empresa orientada a dados

Carlos Eduardo Salvador *

Publicada em 25 de janeiro de 2017 às 16h51

-See more at: http://cio.com.br/opiniao/2017/01/25/como-se-tornar-uma-empresa-orientada-a-dados/#sthash.ydKIqUFv.dpuf

Todo mundo está falando sobre como se tornar uma empresa orientada a dados para melhorar a tomada de decisões e a gestão como um todo. Mas o que, afinal, significa ser uma empresa orientada a dados? 

1 - Aborda os problemas de maneira objetiva

“Ser orientado a dados é, antes de mais nada, ter como meta nas decisões corporativas a objetividade e estar sempre baseado em evidências,” afirma Kirk Borne, principal cientista de dados da Booz Allen Hamilton. No seu prefácio para o livro "Data-Driven Leaders Always Win"(Líderes orientados a dados sempre vencem, em tradução literal), ele afirma que esse tipo de mentalidade engloba todo tipo de decisão em qualquer área do negócio — incluindo produtos (fabricação, logística, colocação, precificação, e conteúdo social/móvel/de internet), processos (monitoramento, detecção, descoberta, previsão e otimização), e pessoas (funcionários, clientes, acionistas e possíveis novos clientes).

2 - Designa um defensor dos dados no comando

Diversas empresas orientadas a dados já reconhecem que precisam ter alguém responsável pela iniciativa de análise de dados na corporação. “O executivo responsável pode ter diversos cargos (e papéis) nas diferentes corporações, mas a sua importância é real. Pode ser o CDO (chief data officer), o CDS (chief data scientist), ou o CAO (chief analytics officer)”, afirma Borne.

3 - São mais criativas na obtenção dos dados

Os departamentos podem estar com os dados jogados em um canto que eles não veem nenhum valor, mas que podem ser muito importantes para outras áreas. É tudo uma questão de pensar sobre todas as possibilidades disponíveis. De acordo com um relatório da McKinsey & Company, “normalmente as empresas já possuem os dados que precisam para resolver problemas de negócios, mas os gestores muitas vezes não sabem como podem usar essas informações para tomar decisões de crucial importância. Executivos da área de operações, por exemplo, talvez não visualizem o valor em potencial de dados sobre a atuação por dia ou por hora da fábrica e do atendimento ao cliente. Empresas orientadas a dados “incentivam uma análise mais ampla dos dados ao serem mais específicas em relação aos problemas e as oportunidades que precisam resolver”.

4 - Todo mundo tem acesso a algum dado

Empresas orientadas a dados oferecem algum nível de acesso para vários níveis da sua força de trabalho. “No entanto, quase ninguém tem acesso a tudo”, escreve Satyen Sangani para a VentureBeat. “Há pouquíssimas empresas que permitem que todos sejam capazes de ver tudo.” Por mais que a segurança dos dados seja algo fundamental, “a maioria das empresas orientadas a dados é capaz de atingir um nível de maturidade em que conseguem criar processos de negócios para equacionar esse tipo de problema”.

5 - Desenvolvem profissionais “renascentistas”

Em empresas orientadas a dados, executivos de análise são motivados a serem profissionais “renascentistas de várias maneiras, tendo profundo conhecimento das mais diversas disciplinas”, de acordo com análise publicada pela EY. “Os executivos na função de líderes em análises também precisam ter profundo conhecimento dos negócios, assim como uma disposição para inovar para serem capazes de levar ao mundo real as descobertas possibilitadas pelas análises.”

6 - Colocam as pessoas em primeiro lugar

Análise de dados pode parecer algo frio e com foco em cálculos, mas, no seu núcleo, está o respeito pelas pessoas. Os líderes em análise “possuem competências avançadas em gestão de pessoas, na esfera relacionada aos dados e as análises”, de acordo com a EY. Empresas orientadas a dados também fornecem “programas robustos de treinamento que atendem a escassez potencial de certas competências”.

7 - Incentivam uma mentalidade orientada para as análises

 “O sucesso de uma empresa orientada a dados depende de criar uma mentalidade com foco nas análises e em permitir que os executivos de negócios se tornem melhores consumidores de análises”, conforme o relatório da EY sugere. “A disseminação da mentalidade de análise é mais eficiente quando as pessoas se sentem confortáveis com a ideia de análise. Os 10% do topo da empresa têm maior probabilidade do que seus pares de realizar seminários e workshops no escritório, matricular funcionários em treinamentos externos ou em coaching, e para oferecer mentoria por profissionais ou líderes especializados em dados e de análises.”

(*) Carlos Eduardo Salvador é gerente sênior de pré-vendas da Informatica

- See more at: http://cio.com.br/opiniao/2017/01/25/como-se-tornar-uma-empresa-orientada-a-dados/#sthash.ydKIqUFv.dpuf