Com o surgimento de dados e análises, inteligência artificial (IA) e aprendizado de máquina se tornando os novos elementos centrais dos negócios digitais, a Gartner afirma que a análise de dados está se difundindo e tornando-se a base de sustentação para diferentes modelos de negócios.
 

 

Donald Feinberg

Na abertura do Gartner Data & Analytics Summit e na coletiva de imprensa, que ocorreram no dia 22 de maio, em São Paulo, Donald Feinberg, vice-presidente e analista do Gartner, disse que existe uma oportunidade sem precedentes de expandir a base de dados das empresas, acelerar as descobertas e a geração de valor por meio das ferramentas de analytics. E, para se conseguir isso, os analistas da Gartner disseram, entretanto, que os líderes de dados e análises devem dominar quatro dimensões-chave de escala: confiança, diversidade, complexidade e formação.
 

 

Peter Krensky

Desafio 1: Confiança

Em um mundo de crescente fraude, incerteza, fatos alternativos e notícias falsas, a confiança parece ser uma mercadoria rara. Mas a confiança é uma questão de suma importância nos negócios digitais - nada funciona sem confiança. As empresas devem trabalhar para garantir que todas as partes interessadas confiem em seus dados e forneçam um nível de observação e análise dos dados que não existem na maioria das organizações hoje. Feinberg disse que “fake news geram dados também fakes”, afetando a confiança nos dados. 

 

"Há um novo manual de ação quando se trata de confiança nos dados", disse Peter Krensky, analista sênior de pesquisa do Gartner. “Este manual utiliza duas técnicas - crowdsourcing e automação. Com o crowdsourcing, os usuários comuns irão marcar o que eles fazem e fornecer um registro da linhagem de dados ao longo do caminho. Ao fazer com que o usuário marque metadados à medida que eles passam pelo fluxo de trabalho natural, isso cria um método mais dinâmico de confiar nos dados. Automação refere-se ao aumento de catálogos de dados como uma capacidade crítica de como os dados são gerenciados. A adoção dessas duas técnicas aumentará substancialmente a confiança nos dados por meio da capacidade de verificar de onde eles vieram”.
 

Cindi Howson

Desafio 2: Diversidade

Diversidade inclui algoritmos, pessoas e dados. À medida que as opiniões e preconceitos são codificados em algoritmos, “as organizações devem criar melhores métodos de verificação das suposições e dados usados nos algoritmos para garantir que sejam justos e inclusivos dos pontos fora da curva”, disse Cindi Howson, vice-presidente de pesquisa do Gartner. Isso é especialmente difícil quando o setor de tecnologia carece de diversidade e, muitas vezes, se concentra apenas nas diferenças visíveis, como o gênero.  "Entre as pessoas que conduzem a construção dos algoritmos deve existir diversidade de pensamento, de gênetro e étnico. Além disso, é necessário que os dados sejam facilmente acessíveis para a promover a integração".

 

Desafio 3: Complexidade

Complexidade é um desafio por causa da dificuldade de realmente entender a dinâmica do negócio e ter tempo para responder apropriadamente.

 

“Os líderes de dados e análises de hoje têm a oportunidade de criar plataformas de dados e analíses cada vez mais precisas. Essas plataformas fornecerão mais contexto a partir da coleta abrangente de dados, maior entendimento de um sistema robusto de medição e classificação e mais tempo para responder a partir de sistemas de baixa latência”, disse Krensky. “Maior contexto, compreensão e baixa latência tornam a complexidade esmagadora em vantagem competitiva. Entender o padrão por trás da complexidade acelera o tempo de resposta. Dominar essa complexidade é a chave para iniciativas bem-sucedidas de análise”.

 

Desafio 4: Formação

Como as empresas são capacitadas com equipes mais diversificadas e com dados mais complexos, a necessidade de "falar de dados" normalmente no cotidiano nunca foi tão grande.

 

"Se não houver uma linguagem comum com a qual interpretar as várias fontes de dados na organização, haverá desafios fundamentais de comunicação ao usar soluções baseadas em dados e análises", disse a Cindi Howson.

 

Na terceira pesquisa anual do diretor de dados da Gartner, os entrevistados disseram que o segundo obstáculo mais significativo para o progresso com dados e análises é o baixo conhecimento de dados. Os líderes de dados e análises devem aprender a tratar as informações como uma segunda língua e a domínio das ferramentas de análises de dados como um elemento central da transformação digital.

 

O Gartner espera que, até 2020, 80% das organizações iniciem o desenvolvimento deliberado de competências no campo da alfabetização em dados, reconhecendo sua extrema deficiência. "Desenvolver esse tipo de conhecimento de dados pode ser disruptivo", disse Howson. “Avaliar o nível de domínico de dados das pessoas que criam e consomem informação é um passo fundamental para garantir que a organização está capacitada com as competências certas para satisfazer os requisitos atuais e futuros da sociedade digital”. A analista citou o ensino de Estatística para estudantes nas escolas chinesas, como um exemplo de caminho para construir iniciar a formação em análise de dados já na infância.    

 

Sobre o Regulamento Geral de Proteção de Dados, mais conhecido pela sigla em inglês “GDPR”, Feinberg acredita que a regulamentação ainda é necessária, mesmo que venha a desaparecer a longo prazo. “As empresas são responsáveis pelos dados que mantêm de seus clientes. Nos últimos dias, os europeus têm recebidos vários e-mails, nos quais as empresas pedem o consentimento para manutenção das informações em seu banco de dados. Tem organizações que estão deletando informações pessoais sensíveis, como endereço, pelo risco que um possível vazamento representa, incluindo as sanções previstas no GDPR”. De qualquer forma, as vulnerabilidades dos sistemas devem ser corrigidas continuamente para evitar a exposição aos riscos e, ao mesmo tempo, aperfeiçoar o Sistema de Segurança da Informação.