As 10 tendências em dados e analytics para superar a crise de 2020

 As 10 tendências em dados e analytics para superar a crise de 2020

Gartner sugere tecnologias e técnicas que poderão auxiliar as empresas a enfrentar os desafios causados pela pandemia da Covid-19.

Dados e analytics combinados com tecnologias de inteligência artificial (IA) serão fundamentais no esforço de prever, preparar e responder de maneira proativa e acelerada a crise global causada pela pandemia do novo coronavírus. O Gartner indica tendências que podem ajudar os líderes de dados e analytics a navegar na resposta e recuperação da Covid-19 e a se prepararem para uma redefinição pós-pandemia.

“Para inovar além do mundo pós-Covid-19, os líderes de dados e analytics exigem uma velocidade e escala de análise cada vez maiores em termos de processamento e acesso para obter sucesso diante de mudanças de mercado sem precedentes”, diz Rita Sallam, Distinguished VP Analyst do Gartner.

Aqui estão as dez principais tendências tecnológicas nas quais os líderes de dados e analytics devem se concentrar enquanto procuram fazer investimentos essenciais para se prepararem para uma redefinição.

Tendência 1: IA mais inteligente, mais rápida e mais responsável

Até o final de 2024, 75% das empresas passarão do teste piloto para a operacionalização da IA, gerando um aumento de cinco vezes nas infraestruturas de dados e analytics de streaming.

Apoaidor:

No contexto atual da pandemia, técnicas de IA como machine learning (ML), otimização e processamento de linguagem natural (PLN) estão fornecendo insights e previsões vitais sobre a propagação do vírus, a eficácia e o impacto de contramedidas.

Outras técnicas de inteligência artificial mais inteligentes, como aprendizado por reforço e aprendizado distribuído, estão criando sistemas mais adaptáveis e flexíveis para lidar com situações de negócios complexas.

Investimentos significativos feitos em novas arquiteturas de chip, como o hardware neuromórfico que pode ser implantado em dispositivos de ponta, estão acelerando os cálculos e as cargas de trabalho de IA e ML e reduzindo a dependência de sistemas centralizados que exigem altas larguras de banda. Eventualmente, isso pode levar a soluções de IA mais escaláveis e com maior impacto nos negócios.

A IA responsável que permite a transparência do modelo é essencial para proteger contra más decisões. Isso resulta em melhor colaboração homem-máquina e confiança para maior adoção e alinhamento de decisões em toda a organização.

Tendência 2: declínio do painel

Histórias dinâmicas de dados com experiências mais automatizadas e consumidas substituirão a criação e a exploração visual. Como resultado, a quantidade de tempo que os usuários gastam usando painéis predefinidos diminuirá. A mudança para histórias de dados no contexto significa que as informações mais relevantes serão transmitidas para cada usuário com base em seu contexto, função ou uso. Esses insights dinâmicos utilizam tecnologias como processamento de linguagem natural aumentada, PNL, detecção e colaboração de anomalias de streaming.

Os líderes de dados e analytics precisam avaliar regularmente suas ferramentas de BI e inteligência de negócios existentes e startups inovadoras, oferecendo novas experiências de usuário aprimoradas e orientadas por PNL, além do painel predefinido.

Tendência 3: Inteligência de decisão

Até 2023, mais de 33% das grandes organizações terão analistas praticando inteligência de decisão, incluindo modelagem de decisão. A inteligência de decisão reúne várias disciplinas, incluindo gerenciamento e suporte a decisões. Ele abrange aplicações no campo de sistemas adaptativos complexos que reúnem várias disciplinas tradicionais e avançadas.

Ele fornece uma estrutura para ajudar os líderes de dados e analytics a projetar, modelar, alinhar, executar, monitorar e ajustar modelos e processos de decisão no contexto de resultados e comportamento dos negócios.

Explore usando o gerenciamento de decisões e a tecnologia de modelagem quando as decisões precisarem de várias técnicas lógicas e matemáticas, elas devem ser automatizadas ou documentadas e auditadas.

Tendência 4: analytics X

O Gartner cunhou o termo “analytics X” como um termo genérico, em que X é a variável de dados para uma variedade de diferentes conteúdos estruturados e não estruturados, como análise de texto, análise de vídeo, análise de áudio, etc.

Os líderes de dados e analytics usam a analytics X para resolver os desafios mais difíceis da sociedade, incluindo mudanças climáticas, prevenção de doenças e proteção da vida selvagem.

Durante a pandemia, a IA tem sido fundamental para vasculhar milhares de artigos de pesquisa, fontes de notícias, publicações nas mídias sociais e dados de ensaios clínicos para ajudar especialistas em saúde pública e médica a prever a disseminação de doenças, planejar planos de capacidade, encontrar novos tratamentos e identificar populações vulneráveis. A analytics X combinada com a IA e outras técnicas, como a análise de gráficos (outra tendência importante), desempenhará um papel fundamental na identificação, previsão e planejamento de desastres naturais e outras crises no futuro.

Os líderes devem explorar os recursos de analytics X disponíveis de seus fornecedores existentes, como fornecedores de nuvem para análises de imagem, vídeo e voz. A inovação provavelmente virá de pequenas startups e provedores de nuvem disruptivos.

Tendência 5: metadados são o “the new black”

O gerenciamento de dados aumentado usa técnicas de ML e AI para otimizar e melhorar as operações. Ele também converte os metadados do uso em auditoria, linhagem e relatórios para alimentar sistemas dinâmicos.

Usando os dados de uso e carga de trabalho existentes, um mecanismo aumentado pode ajustar as operações e otimizar a configuração, segurança e desempenho.

Os líderes de dados e analytics devem procurar gerenciamento de dados aprimorado, permitindo que os metadados ativos simplifiquem e consolidem suas arquiteturas e também aumentem a automação em suas tarefas de gerenciamento de dados redundantes.

Tendência 6: a nuvem é um dado

Até 2022, os serviços de nuvem pública serão essenciais para 90% da inovação de dados e analytics.

À medida que os dados e analytics passam para a nuvem, os líderes ainda lutam para alinhar os serviços certos aos casos de uso certos, o que leva a um aumento desnecessário da governança e da sobrecarga de integração.

Os líderes de dados e analytics precisam priorizar cargas de trabalho que possam explorar os recursos da nuvem e focar na otimização de custos ao migrar para a nuvem.

Tendência 7: mundos de dados e analytics colidem

Os recursos de dados e analytics tradicionalmente são considerados entidades distintas. Os fornecedores que oferecem fluxos de trabalho de ponta a ponta, habilitados por augmented analytics, obscurecem a distinção entre os dois mercados.

A colisão de dados e analytics aumentará a interação e a colaboração entre funções de dados e analytics historicamente separadas. Isso afeta não apenas as tecnologias e os recursos fornecidos, mas também as pessoas e processos que os suportam e os utilizam. O espectro de funções se estenderá das funções tradicionais de analytics e dados em TI ao explorador de informações, consumidor e desenvolvedor cidadão, por exemplo.

Para transformar a colisão em uma convergência construtiva, incorpore ferramentas e recursos de dados e analytics na pilha de análises. Além das ferramentas, concentre-se em pessoas e processos para promover a comunicação e a colaboração. Aproveite os ecossistemas de dados e analytics habilitados por uma abordagem aumentada com potencial para fornecer pilhas coerentes.

Tendência 8: mercados e trocas de dados

Até 2022, 35% das grandes organizações serão vendedores ou compradores de dados por meio de mercados formais de dados on-line, ante 25% em 2020.

Para monetizar ativos de dados por meio de mercados de dados, os líderes de dados e analytics devem estabelecer uma metodologia justa e transparente, definindo um princípio de governança de dados em que os parceiros dos ecossistemas possam confiar.

Tendência 9: Blockchain em dados e analytics

As tecnologias Blockchain abordam dois desafios em dados e analytics. Primeiro, a blockchain fornece toda a linhagem de ativos e transações. Segundo, o blockchain fornece transparência para redes complexas de participantes.

Os dados e analytics devem posicionar as tecnologias blockchain como suplementares à sua infraestrutura de gerenciamento de dados existente, destacando a incompatibilidade de recursos entre a infraestrutura de gerenciamento de dados e as tecnologias blockchain.

Tendência 10: Relacionamentos a partir da base de dados e valor analítico

Até 2023, as tecnologias gráficas facilitarão a rápida contextualização para a tomada de decisões em 30% das organizações em todo o mundo. A análise de gráfico é um conjunto de técnicas de analytics que permite a exploração de relacionamentos entre entidades de interesse, como organizações, pessoas e transações.

Ajuda os líderes de dados e analytics a encontrar relacionamentos desconhecidos nos dados e a revisar dados que não são facilmente analisados com a analytics tradicional.

Os líderes de dados e analytics precisam avaliar oportunidades para incorporar análises de gráficos em seus portfólios e aplicativos de analytics para descobrir padrões e relacionamentos ocultos. Além disso, considere investigar como algoritmos e tecnologias de gráficos podem melhorar suas iniciativas de IA e ML.

Por Redação

Via CIO

Editor MDR

Você pode gostar também...

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *