As 10 tendências em Data e Analytics para aplicar nos negócios ainda em 2021

À medida que se transformavam as formas de fazer negócios, os modelos de trabalho e o comportamento dos consumidores, crescia também a movimentação de dados. Data e Analytics (D&A) passou, então, a estar no centro das estratégias dos negócios das empresas. Diante disso, a empresa de consultoria Gartner listou 10 tendências de D&A para que os líderes possam seguir, em 2021, com investimentos de missão crítica que aceleram as capacidades de antecipar, mudar e responder das organizações.

“A velocidade com que a pandemia de Covid-19 interrompeu as organizações forçou os líderes da D&A a ter ferramentas e processos para identificar as principais tendências de tecnologia e priorizar aquelas com maior potencial de impacto em sua vantagem competitiva”, disse Rita Sallam, Vice-Presidente de Pesquisa do Gartner.

O Gartner identificou as 10 principais tendências de tecnologia de D&A para 2021 que podem ajudar as organizações a responder às mudanças, incertezas e oportunidades que elas trazem no próximo ano.

IA mais inteligente, responsável e escalonável

O maior impacto da inteligência artificial (IA) e do machine learning (ML) exige que as empresas apliquem novas técnicas para soluções de IA mais inteligentes, com menos demanda por dados, eticamente responsáveis e mais resilientes. Ao implantar IA mais inteligente, responsável e escalonável, as organizações irão alavancar algoritmos de aprendizagem e sistemas interpretáveis em menor tempo de valor e maior impacto nos negócios.

Dados combináveis e analytics

Arquiteturas analíticas abertas e em contêineres tornam os recursos de analytics mais combináveis. Dados combináveis e analytics aproveitam componentes de vários dados, analytics e soluções de IA para construir rapidamente aplicativos inteligentes flexíveis e fáceis de usar que ajudam os líderes de D&A a conectar percepções a ações.

Com o centro de gravidade dos dados mudando para a nuvem, data e analytics combináveis se tornarão uma maneira mais ágil de construir aplicativos de analytics habilitados por mercados em nuvem e soluções de low-code e no-code.

Data Fabric é a base

Com o aumento da digitalização e consumidores mais emancipados, os líderes de D&A estão usando cada vez mais o data fabric para ajudar a lidar com níveis mais altos de diversidade, distribuição, escala e complexidade nos ativos de dados de suas organizações.

A malha de dados usa analytics para monitorar constantemente os pipelines de dados. Um fabric de dados utiliza analytics contínuas de ativos de dados para apoiar o design, implantação e utilização de diversos dados para reduzir o tempo de integração em 30%, implantação em 30% e manutenção em 70%.

De dados grandes a pequenos e abrangentes

As mudanças extremas nos negócios da pandemia de Covid-19 fizeram com que os modelos de ML e IA baseados em grandes quantidades de dados históricos se tornassem menos relevantes. Ao mesmo tempo, a tomada de decisões por humanos e IA são mais complexas e exigentes, exigindo que os líderes de D&A tenham uma maior variedade de dados para uma melhor consciência situacional.

Como resultado, os líderes de D&A devem escolher técnicas analíticas que possam usar os dados disponíveis de forma mais eficaz. Os líderes de D&A contam com amplos dados que permitem a análise e a sinergia de uma variedade de fontes de dados pequenas e grandes, não estruturadas e estruturadas, bem como pequenos dados que são a aplicação de técnicas analíticas que requerem menos dados, mas ainda oferecem insights úteis.

“Abordagens de dados pequenos e amplos fornecem analytics e IA robustas, enquanto reduzem a dependência de grandes conjuntos de dados das organizações”, disse Sallam. “Usando dados amplos, as organizações obtêm uma consciência situacional mais rica e completa ou uma visão de 360 ​​graus, permitindo-lhes aplicar analytics para uma melhor tomada de decisão”.

XOps

O objetivo do XOps, incluindo DataOps, MLOps, ModelOps e PlatformOps, é alcançar eficiências e economias de escala usando as práticas recomendadas de DevOps e garantir confiabilidade, capacidade de reutilização e repetibilidade. Ao mesmo tempo, reduz a duplicação de tecnologia e processos e permite a automação.

A maioria dos projetos de analytics e de IA falham porque a operacionalização é tratada apenas como uma reflexão tardia. Se os líderes de D&A operacionalizarem em escala usando XOps, eles permitirão a reprodutibilidade, rastreabilidade, integridade e integrabilidade de ativos de analytics e de IA.

Inteligência de Decisão de Engenharia

A inteligência de decisão de engenharia se aplica não apenas a decisões individuais, mas a sequências de decisões, agrupando-as em processos de negócios e até mesmo em redes de decisões e consequências emergentes. À medida que as decisões se tornam cada vez mais automatizadas e aumentadas, as decisões de engenharia dão aos líderes de D&A a oportunidade de tomar decisões mais precisas, repetíveis, transparentes e rastreáveis.

Data e analytics como uma função empresarial central

Em vez de ser uma atividade secundária, a D&A está mudando para uma função comercial central. Nessa situação, o D&A se torna um ativo de negócios compartilhado alinhado aos resultados do negócio, e os silos de D&A se rompem devido à melhor colaboração entre as equipes de D&A centrais e federadas.

O gráfico relaciona tudo

Os gráficos formam a base de muitos dados modernos e recursos de analytics para encontrar relacionamentos entre pessoas, lugares, coisas, eventos e locais em diversos ativos de dados. Os líderes de D&A contam com gráficos para responder rapidamente a questões de negócios complexas que exigem consciência contextual e uma compreensão da natureza das conexões e pontos fortes em várias entidades.

O Gartner prevê que até 2025, as tecnologias de gráfico serão usadas em 80% das inovações de dados e analytics, contra 10% em 2021, facilitando a tomada de decisões rápidas em toda a organização.

A ascensão do consumidor aumentado

A maioria dos usuários de negócios está usando painéis predefinidos e exploração manual de dados, o que pode levar a conclusões incorretas e decisões e ações erradas. O tempo gasto em painéis predefinidos será progressivamente substituído por insights automatizados, conversacionais, móveis e gerados dinamicamente personalizados para as necessidades de um usuário e entregues em seu ponto de consumo.

“Isso mudará o poder analítico para o consumidor de informações – o consumidor ampliado – dando-lhes recursos antes disponíveis apenas para analistas e cientistas de dados de cidadãos”, disse Sallam.

Data analytics no limite

Dados, analytics e outras tecnologias que os suportam residem cada vez mais em ambientes de computação de borda, mais perto de ativos no mundo físico e fora do alcance de TI. O Gartner prevê que até 2023, mais de 50% da responsabilidade primária dos líderes de data e analytics incluirá dados criados, gerenciados e analisados ​​em ambientes de borda.

Os líderes de D&A podem usar essa tendência para permitir maior flexibilidade, velocidade, governança e resiliência no gerenciamento de dados. Uma diversidade de casos de uso está gerando interesse em recursos de ponta para D&A, que vão desde o suporte à analytics de eventos em tempo real até a ativação do comportamento autônomo de “coisas”.