Encontrar empresa por:

Ícone TítuloNotícias

Compartilhe:

Empresas devem investir na governança de dados para ter sucesso com analytics, aponta Minsait

29/08/2019

Empresa de transformação digital da Indra mostra que a análise de dados é o primeiro passo para a inteligência de dados das companhias, mas somente a governança dos processos traz resultados duradouros e eficientes em termos de negócios


A análise avançada de dados está sendo aplicada em vários setores como uma tendência, mas, apesar disso, nem todas as empresas conseguem obter resultados tão satisfatórios quanto esperavam devido à falta de controle sobre esses processos. Um estudo realizado pela Harvard Business Review com 75 empresas no ano passado mostrou que apenas 3% delas tinham padrões básicos de qualidade de dados – o que traz um impacto significativo para tomar decisões estratégicas de negócio.



De acordo com a Minsait, uma empresa Indra, isso acontece porque muitas empresas ainda acreditam que a análise avançada de dados é a chave para fornecer insights de qualidade, em vez de dar um passo atrás e investir em uma governança de dados eficaz. “É necessário ir além do analytics e construir sistemas baseados em algoritmos, capazes de estabelecer as regras com as quais se deve trabalhar com os dados, para que, então, seja possível adaptar essas informações para o que as áreas de negócios necessitam”, afirma Wander Cunha, head da Minsait no Brasil.

Os benefícios com essa estratégia são variados. Ao adotar processos baseados em algoritmos, empresas podem processar informações com mais agilidade e tomar decisões mediante a capacidade acelerada de classificação, previsão, simulação e otimização de atividades.

Para chegar a esse resultado, a Minsait aponta quatro passos essenciais aos quais as empresas devem prestar atenção:

1. Automatização
Ter conhecimento sobre a automatização usada no ambiente organizacional. É frequente ver processos automatizados – a compra e venda de ativos no mercado de ações, em que se realizam operações simultaneamente são exemplos disso –, mas o conhecimento acerca da tecnologia usada para tomar essas decisões geralmente está menos controlado por parte da organização. Como consequência, esse tipo de inteligência pode ser aplicado de forma a gerar um resultado pobre para o negócio ou, pior ainda, afetá-lo negativamente.

2. Sistemas de aprendizagem contínua
Os modelos de inteligência artificial na organização devem estar bem documentados e sistematizados, sendo essa tarefa tanto da parte estratégica como da área de Negócios da companhia. A Minsait pontua a necessidade de sistemas “Always on”, sempre identificando novas ameaças ou oportunidades, gerando dinamismo às empresas.

3. Segurança no uso dos dados
É fundamental ter um controle sobre os dados com os quais se está lidando: de onde vêm e para que são usados. Esse controle deve ser decidido em duas fases: a primeira, ao estabelecer filtros adequados que vão determinar os dados a serem coletados, respeitando a regulação corporativa e, a segunda, na descrição da informação obtida.

4. Tirar valor financeiro dos dados
Depois de reunir os dados, é fundamental ter em mente o impacto financeiro que podem gerar para a empresa. Uma governança adequada de dados pode trazer sistemas integrados, capazes de diminuir prazos de desenvolvimento de novos produtos, aumentar a produtividade, ente outros, realizando uma economia de custos representativa.

Além disso, empresas que conseguem gerar valor a partir da análise de dados são consideradas mais rentáveis. “Nos últimos cinco anos, houve cada vez mais distância nos valores de empresas que usam uma governança de dados eficaz para as que não usam. Isso porque a aplicação da tecnologia se transforma numa filosofia de gestão da empresa, agregando mais valor ao seu nome”, finaliza Wander.