Por Lígia de Matos
A pandemia acelerou a adoção de tecnologias baseadas em dados, mas muitas empresas já começaram a rever o seu uso, pois as técnicas tradicionais já não faziam mais sentido. As organizações, que dependiam muito de grandes quantidades de dados históricos, perceberam que muitos desses modelos não eram mais relevantes após o início da pandemia e alguns até se tornaram inúteis.
A transição de big data para small data e wide data é uma das principais tendências de Data e Analytics para 2021. As equipes deste setor estão mudando de técnicas tradicionais de inteligência artificial, que dependem de “grandes” dados, para uma classe de analytics que requer uma menor e mais variada quantidade de dados.
Os motivos desta transição são acelerar a mudança em dados e analytics: alavancando inovações em Inteligência Artificial (IA), melhorar a composição e integrar de forma mais ágil e eficiente fontes de dados mais diversas e também operacionalizar o valor do negócio por meio de XOps mais eficazes, o que permite uma melhor tomada de decisão. Outro motivo é poder transformar dados e analytics em parte integrante do negócio e distribuir essas informações, o que requer o relacionamento flexível de dados e percepções para capacitar um público ainda mais amplo de pessoas. Em função disso, selecionamos algumas novas tendências para 2021:
Dados e analytics como função central
Os líderes de negócios estão começando a entender a importância de usar dados e analytics como função central para acelerar iniciativas de negócios. Se os diretores de dados (CDOs) estiverem envolvidos na definição de metas e estratégias, eles podem aumentar a produção consistente de valor de negócios por um fator de 2,6 vezes.
Utilizar dados e analytics combináveis
Os dados e analytics combináveis não apenas encorajarão a colaboração e desenvolverão os recursos analíticos da organização, como também aumentam o acesso a analytics. A maioria das grandes organizações possui mais de uma ferramenta de analytics e inteligência de negócios que permite conectar percepções de dados a ações. O foco é usar componentes de vários dados, análises e soluções de IA para uma experiência flexível, amigável e utilizável, pois promove produtividade e agilidade.
Dados e analytics na ponta
À medida que mais tecnologias de data analytics começam a viver fora do data center tradicional e dos ambientes de nuvem, elas se aproximam dos ativos físicos. Isso reduz ou elimina a latência para soluções centradas em dados e permite mais valor em tempo real. Transferir dados e analytics para o limite abrirá oportunidades para as equipes de dados escalarem recursos e estenderem o impacto a diferentes partes do negócio. Também pode fornecer soluções para situações em que os dados não podem ser removidos de geografias específicas por razões legais ou regulatórias.
IA mais responsável, inteligente e escalável
A Covid-19 mudou o cenário em que vivemos e, a partir de agora, a Inteligência Artificial precisa ser capaz de operar via small data e machine learning adaptável, além de proteger a privacidade cumprindo regulamentos federais e de forma ética. Uma inteligência artificial escalável, mais responsável e inteligente permitirá melhores algoritmos de aprendizagem, sistemas interpretáveis e menor tempo de valorização.
Small data no lugar do Big data
Dados pequenos e amplos resolvem uma série de problemas para organizações que lidam com questões cada vez mais complexas em IA e desafios com casos de uso de dados escassos. Dados pequenos, como o nome indica, são capazes de usar modelos de dados que requerem menos dados, mas ainda oferecem percepções úteis.
XOps
O objetivo do XOps (dados, machine learning, modelo, plataforma) é atingir eficiências e economias de escala e garantir confiabilidade, capacidade de reutilização e repetibilidade, reduzindo a duplicação de tecnologia e processos e permitindo a automação. O XOps permitirá que as organizações operacionalizem dados e analytics para gerar valor de negócios, além de permitir o dimensionamento de protótipos e fornecer um design flexível e uma organização ágil de sistemas de tomada de decisão.