Mudança de BI para inteligência artificial é vital, diz Gartner

O primeiro dia da Conferência Gartner Data & Analytics 2018, que teve início hoje (22/05) em São Paulo e termina amanhã, foi marcado por avaliações relacionadas ao futuro da liderança em Data & Analytics. Em coletiva de imprensa, o recado foi: “É hora de escalar valores de Data & Analytics para além das empresas”, disse Donald Feinberg (foto), vice-presidente de Pesquisas e Analista Emérito da consultoria global Gartner. “Existe uma oportunidade sem precedentes de expandir a base de dados e acelerar a descoberta analítica.”

De acordo com Feinberg, para isso é preciso mudar de Business Intelligence (BI) para inteligência artificial (IA) – mudar de “dados acessíveis” para “dados disponíveis”, contemplando a superação de quatro desafios: confiança, diversidade, complexidade e formação. “É fundamental confiar nos dados, especialmente em uma era marcada por ‘fake news’. E para proporcionar essa confiança é necessário construir força de trabalho com capacidade de entender os dados”, argumentou.

Peter Krensky, analista de Pesquisa Sênior do Gartner, reiterou com um alerta: “Para gerar confiabilidade deve haver muito cuidado no tratamento dos dados. Não se pode simplesmente jogar dados não estruturados no data lake. É preciso conhecer o ecossistema principal de cada tipo de dado”.

Segundo Krensky, a capacitação dos times que cuidam dos dados é chave para promover dados mais precisos, aptos a criar e a automatizar metadados com catálogos de dados e balancear data lakes e armazéns de dados. “O entendimento dos dados deve ser ampliado.” A confiabilidade vem da verificação constante dos dados e organização, ele alertou. E a complexidade exige uma abordagem Bimodal para Analytics, com a equipe capacitada para projetos disruptivos.

“Normalmente, quando falamos de diversidade pensamos em pessoas. Mas aqui é importante pensar na diversidade de algoritmos, para gerar pluralidade de opiniões e de vieses”, somou ao discurso Cindi Howson, vice-presidente de Pesquisas do Gartner. “A diversidade inclui algoritmos, pessoas e dados.”

Ela defendeu que é preciso reduzir o viés nos algoritmos por meio da diversidade e alavancar diversas fontes de dados. “É importante fazer da diversidade um princípio central da análise dos dados.”

A literatura dos dados para promover linguagem e cultura únicas no segmento é de extrema importância, na avaliação da analista. “É preciso oferecer treinamento e criar um sistema de certificação como, por exemplo, carteira de motorista para análise.”

Segundo Cindi, dados e análises estão enfrentando uma lacuna extrema de habilidades e a diversidade pode ajudar a melhorar. “Algoritmos são nossas opiniões embutidas no código e se não temos diversidade nasx equipes, corremos o risco de criar algoritmos tendenciosos. Precisamos de uma força de trabalho alfabetizada em dados e de uma tecnologia catalisadora e BI integrado à inteligência artificial e aprendizado de máquina”, alertou a executiva.