Home > Tendências

4 tendências de análise de dados que dominarão 2020

Modernização do gerenciamento de dados, democratização do analytics e a necessidade de estabelecer confiança serão crucial este ano

Thor Olavsrud, CIO (EUA)

04/03/2020 às 8h00

Foto: Shutterstock

A análise de dados é um conhecimento em constante movimento. Com as organizações investindo pesado em análises para suportar as transformações digitais, conhecer as últimas tendências é essencial para garantir que sua organização esteja adotando as estratégias e táticas de análise necessárias para o sucesso nos próximos anos.

De acordo com o relatório State of the CIO 2020 da IDG, 37% dos líderes de TI dizem que a análise de dados para negócios impulsionará o maior investimento de TI nas organizações este ano. Isso é mais do que qualquer outra iniciativa, incluindo a segurança e gerenciamento de riscos, que ficou em segundo lugar, citada como o principal investimento em TI por 34% dos entrevistados. Além disso, a TI é o departamento mais provável de ser responsável por atender às necessidades de dados e análises, independentemente do tamanho do setor ou da empresa, de acordo com o relatório.

Como líderes de TI focados na análise de dados em 2020, tenha em mente as quatro tendências do segmento.

Estratégia de dados é estratégia de negócios

A mentalidade de "big data" dos anos anteriores está sendo substituída por estratégias de dados que levam em consideração todos os tamanhos e tipos de dados que afetam seus negócios. "O foco no big data diminuiu no ano passado. Acho que a principal razão pela qual ela desapareceu é que acabou de se tornar uma estratégia de dados abrangente", diz Seth Robinson, Diretor Sênior de Análise de Tecnologia da CompTIA. "Ninguém mais se importa com essa palavra", acrescenta Brian Hopkins, Vice-Presidente e principal analista da Forrester Research.

Como Robinson, Hopkins acredita que as organizações agora veem o big data como apenas mais um elemento da pilha de dados, ao unir suas estratégias de dados às transformações digitais. À medida que as organizações buscam alavancar aplicativos de IA alimentados por dados, particularmente nas experiências dos clientes, "acertar os dados" é fundamental, segundo Hopkins. Para chegar lá, os CIOs devem abordar os dados de origem, para que os cientistas gastem menos tempo na preparação, limpeza e racionalização de dados e mais tempo na construção de modelos com dados limpos. Infelizmente, a maioria dos CIOs não tem autoridade para alterar processos de negócios sem criar relacionamentos fora da TI.

CIO2503

E-book por:

"O problema que vemos é que a estratégia de dados do CIO envolve muitas mudanças nos negócios, mudanças nos processos de negócios e novas estruturas organizacionais fora da TI para tomar decisões e definir prioridades, aplicar políticas de privacidade de dados e outras coisas que tem custo e que o CIO não pode controlar", diz Hopkins.

Modificações no processo, aplicativos, gerenciamento de alterações na organização e mudanças de incentivo são necessárias para reorientar as estratégias de dados. Para Hopkins, é preciso incentivar gerentes a olharem para os dados e seu potencial em outras linhas do negócio.

Os CIOs terão que escolher a melhor forma de navegar nessas águas. Isso pode envolver a busca por maior autoridade para realizar mudanças ou a criar parcerias com outras linhas de negócios e operações.

As organizações devem modernizar o gerenciamento de dados

Juntamente com as estratégias gerais de dados, as organizações que buscam aproveitar os dados para impulsionar as tomadas de decisões estão sentindo a pressão para modernizar suas arquiteturas de dados. Como as organizações tentaram aproveitar os dados na produção, muitas descobriram que não tinham a base certa.

"Quando estávamos estudando big data, há quatro ou cinco anos, o que estávamos descobrindo era que muitas empresas não tinham boas práticas de gerenciamento de dados e você precisa delas para a fundação de um big data. Acho que, agora, as empresas estão construindo essas práticas", diz Robinson.

Esse esforço para modernizar as operações de análise deve ser entendido como parte de um ciclo antigo de gerenciamento de dados, diz Scott Buchholz, Diretor Emergente de Pesquisa em Tecnologia, Diretor Administrativo e CTO de Serviços Públicos e Governamentais da Deloitte Consulting.

"A cada década, alguém na organização fica realmente empolgado com o gerenciamento de dados. Passamos muito tempo limpando e juntando tudo. Isso dá muito trabalho. Essa pessoa vai embora, certo? A crise é coisa do passado. Então, cinco anos depois, descobrimos que estamos de volta onde começamos, porque não estávamos focados nisso, uma nova crise chega e fazemos tudo de novo", diz Buchholz.

Robinson acredita que as organizações voltarão ao básico este ano, concentrando seus esforços em como os dados são coletados e armazenados. Para o diretor, as empresas tentarão ter uma visão mais consolidada dos dados, dividindo-os em unidade de negócios individuais.

"Acho que eles vão querer saber como todos os dados estão chegando à organização por meios tradicionais, mídias sociais ou dispositivos de IoT", comenta. A mudança para as redes sem fio 5G aumentará a pressão, diz Robinson, já que o 5G significará canais de dados maiores e muito mais dados.

Machine Learning para reinventar o painel

No ano passado, ocorreram grandes aquisições de analytics e BI Space, com a Salesforce adquirindo a plataforma de análise Tableau por US$ 15,7 bilhões e o Google tomando para si a plataforma de BI Looker por US$ 2,6 bilhões. Essas aquisições das principais plataformas de autoatendimento de BI destacam o valor da capacitação dos usuários a obter insights dos dados organizacionais.

"Geralmente, quando a consolidação ocorre, ela representa uma maturidade no mercado para uma inovação tecnológica específica. Nesse caso, é o mercado de análise de dados e BI, especialmente o evidente paradigma de exploração popularizado por fornecedores como Tableau, Qlik e Tibco Spotfire ", diz Rita Sallam, Vice-Presidente de Pesquisa da Equipe de Análise de Negócios do Gartner.

Sallam espera que esse amadurecimento acelere à medida que as empresas busquem alavancar o Machine Learning para automatizar muitas das tarefas associadas à análise de dados, incluindo a preparação de dados e a descoberta de insights. O objetivo é disponibilizar informações de dados para uma ampla gama de usuários, para além da equipe de análise. O Gartner prevê que entre dois e cinco anos esse tipo de automação será adotada em todo o mundo.

"Essa experiência do usuário será muito mais dinâmica, onde serão geradas ideias para um usuário com base em seu contexto. Será muito mais interativo, onde os usuários poderão interagir com esses insights usando linguagem natural - tanto para fazer perguntas quanto para que os resultados desses insights gerados automaticamente sejam explicados ao usuário e incorporados às ferramentas colaborativas", afirma Sallam. Como resultado, os usuários confiarão menos em painéis com KPIs predefinidos para confiarem em algo mais dinâmico e interativo.

CIOs enfatizam 'tecnologia ética' e confiança

À medida que as organizações utilizam cada vez mais os dados do cliente para impulsionar a tomada de decisões, não podem mais considerar a confiança do cliente apenas como um problema de conformidade ou Relações Públicas. Em 2020, a confiança do cliente em relação às práticas de dados está se tornando uma meta crítica para os negócios, diz Buchholz, da Deloitte.

Quando se trata de fazer uso dos dados do cliente, a confiança deve ser de uma empresa de 360 ​​graus que considera a tecnologia, os processos e as pessoas da organização. Para os CIOs, isso significa enfatizar a 'tecnologia ética' e criar um conjunto de ferramentas que ajudem os colaboradores a reconhecer dilemas éticos ao tomar decisões - especialmente considerando o poder das novas tecnologias disruptivas.

"Trinta anos atrás, todas as nossas informações estavam armazenadas em pastas de papel pardo e ninguém pensou duas vezes sobre isso. Hoje, temos a capacidade de coletar, analisar, operar e utilizar dados em escala ao ponto que existem organizações que sabem mais sobre nós e nossos comportamentos do que nós mesmos", fala Buchholz.

A tecnologia ética é uma tentativa de abordar essas questões de confiança. Isso pode acontecer com a explicação de algoritmos de Machine Learning que faça com que as pessoas entendam melhor com o que esses algoritmos estão relacionados. Ou através do fornecimento e melhoria do anonimato dos dados, bem como mascarando esses dados para impedir que informações pessoais identificáveis sejam expostas.

"Há trabalho em andamento para tentar garantir que os controles sobre o acesso a dados sejam melhores, para que haja mais governança quando as pessoas disserem que querem usar informações específicas para finalidades específicas e garantir que não as usem com intuitos diferentes do que foi solicitado", diz Buchholz.

Em outros casos, as organizações estão criando ferramentas que entendem o contexto dos dados e como sua veracidade pode mudar com o tempo. Buchholz aponta para o banco canadense CIBC, que implementou uma série de pontuações de veracidade dos dados para avaliar os elementos de dados usados ​​para orientar a tomada de decisão.

Junte-se a nós e receba nossas melhores histórias de tecnologia. Newsletter Newsletter por e-mail