Da inteligência artificial ao Small Data e Graph Technology. Confira 10 tendências que todas as empresas devem ficar de olho.
Acompanhando as principais tendências globais de Data Analytics & AI com base em pontos estratégicos de impacto e não especificamente uma tecnologia, este resumo de 10 tendências para 2022 pode ajudar as organizações a repensarem suas prioridades estratégicas. 

Quando a COVID-19 chegou, muitas empresas que trabalhavam com técnicas tradicionais de análise de dados descobriram que, infelizmente, os modelos que vinham sendo utilizados não eram, de fatos, relevantes. A verdade é que a pandemia, como bem sabemos, mudou tudo e, com isso, muitos dados se tornaram inúteis.  

Por outro lado, o que vem sendo observando é que empresas estão olhando mais para o futuro e mudando a forma de aplicar a IA, focando cada vez menos em “grandes” dados e criando uma nova classe de analytics, que requer menos dados ou uma “pequena” variedade deles. 

A transição do Big Data para o Small & Wide Data é uma das principais tendências apontadas pelo Gartner. Essas tendências trarão novas dinâmicas para negócios, tecnologia e marketing, e isso não pode ser ignorado. 

“Essas tendências de Data Analytics podem ajudar empresas e sociedades a lidarem com mudanças disruptivas, incertezas e oportunidades que surgirão nos próximos três anos”, conta Rita Sallam, Distinguished VP Analyst do Gartner. “Especialistas de dados devem ser proativos e aproveitar essas tendências para conseguir mais investimentos e acelerarem a busca por recursos a fim de se anteciparem às mudanças e responderem no tempo esperado”. 

Cada uma das tendências que serão apresentadas neste artigo se encaixa dentro de um desses temas principais:

  1. Aceleração das mudanças de Data Analytics: aproveitando as inovações de IA, aprimorando integrações e tornando-as mais ágeis e eficientes para diversas fontes de dados.
  2. Operacionalização do business value através de um XOps mais eficaz: permitindo uma melhor tomada de decisão e transformando o Data Analytics em parte indispensável do negócio.
  3. Distribuição de dados para todos: com uma flexibilização da entrega dos dados para a organização, oferecendo insights, capacitando e empoderando equipes de diversas áreas.
Analytics-Trends-triggo.ai

1 - IA mais inteligente, responsável e escalável

Mais inteligente, responsável e escalável, a Inteligência Artificial permitirá melhorar os algoritmos de aprendizado e interpretação dos sistemas num tempo mais curto. 

Organizações demandarão ainda mais de sistemas com IA e terão de descobrir a melhor forma de dimensionar e escalar essas tecnologias, o que vem sendo um desafio. 

Embora as tecnologias mais tradicionais de IA possam depender bastante dos dados históricos armazenados, uma coisa que a pandemia trouxe foi a mudança de visão de negócio, apontando quais são os verdadeiros dados históricos e o que, de fato, é relevante. Isso significa que a tecnologia de Inteligência Artificial precisa estar preparada para operar com menos dados através das técnicas de “Small Data” e de machine learning.  

2 - Data Analytics combinável

O objetivo do uso de Data Analytics combinável é trabalhar com dados de fontes variadas, analisá-los e buscar soluções de IA que sejam flexíveis, amigáveis e com excelente usabilidade, permitindo assim que as empresas obtenham insights para tomada de decisões. Pesquisas do Gartner sugerem que, cada vez mais, as grandes companhias possuem mais de uma ferramenta de Data Analytics e BI. 

A combinação de novas aplicações nos negócios deve promover mais agilidade e produtividade. Isso aumentará o acesso ao self-service analytics, incentivando a colaboração entre as equipes e desenvolvimento de novas soluções de negócio. 

3 - Data Fabric como base

Conforme os dados se tornam cada vez mais complexos e a digitalização dos negócios acelera, a arquitetura de Data Fabric reduz o tempo de desenho de soluções de integração em 30%, a implantação em 30% e a manutenção em 70%, graças a capacidade de reaproveitamento de funções e a combinação de diferentes tipos dados coletados.  

Como adicional, o conceito de Data Fabric pode alavancar as habilidade e tecnologias já utilizadas atualmente como Data Hubs, Data Lakes e Data Warehouses ao mesmo tempo que introduz novas abordagens e ferramentas. 

Schema-Garter-Data-Fabric -triggo.ai

4 - Do Big Data para o Small & Wide Data

Ao contrário do Big Data, Small & Wide Data trazem uma série de soluções para as organizações que precisam lidar com questões cada vez mais complexas e com os desafios da Inteligência Artificial. 

O Wide Data, aproveitando as técnicas de “X Analytics”, permite a integração e análise de uma variedade de tipos de dados, estruturados e não estruturados, de várias fontes diferentes para aprimorar a tomadas de decisão.  

O Small Data, como o próprio nome diz, permite o uso de modelos de dados que não exigem um grande volume de informações em suas bases para oferecerem insights úteis.  

5 - XOps

O objetivo do XOps (dados, machine learning, modelos, plataformas) é alcançar mais eficiência e economia de escala usando as melhores práticas de DevOps, garantido a confiabilidade, reutilização e repetibilidade, aumentando a automação e reduzindo a duplicação de processos e tecnologias. 

Xops-gartner - triggo.ai

Esta tecnologia permitirá a escalabilidade protótipos e entregará maior flexibilidade na orquestração de uma governança de decisões baseadas em dados. Além disso, o conceito de XOps permitirá que as empresas consigam aumentar o valor do Data Analytics para o negócio. 

6 - Engenharia de Inteligência de Decisão

Inteligência de Decisão é uma área que engloba um amplo campo de tomadas de decisões, incluindo o Analytics convencional, Inteligência Artificial e sistemas complexos. A Engenharia de Inteligência de Decisão se aplica não somente às tomadas de decisões individuas, mas também nas sequências de decisões, agrupando-as nos processos do negócio e, até mesmo, em redes de tomadas de decisões emergentes. 

Isso permite que as empresas recebam insights de forma mais rápida para agir. Quando combinado com a capacidade da composição do Data Fabric, a Engenharia de Inteligência de Decisão abre novas oportunidades para repensar e redefinir a forma como as organizações otimizam suas decisões, tornando-as mais acuradas e rastreáveis. 

7 - Data Analytics como função central do negócio

Empresas estão começando a entender a importância do Data Analytics para as iniciativas de aceleração digital. Invés de ser algo secundário dentro da empresa, com times isolados, o Data Analytics vem ganhando força como tema central do negócio. Entretanto, muitas organizações ainda subestimam a complexidade dos dados e, por isso, acabam perdendo oportunidades. Quando os CDOs são envolvidos nas definições de objetivos e estratégias do negócio, observa-se um aumento consistente, na ordem de 2,6x, na produção de valor. 

8 - Graph se relaciona com tudo

Graphs são a base do Data Analytics moderno, com capacidade de aprimorar e otimizar a colaboração do usuário, dos modelos de machine learning e a Inteligência Artificial. Embora as Graphs não sejam novidades no mundo de Data Analytics, observa-se uma certa mudança de pensamento em relação a essa tecnologia, já que existem um crescente aumento no uso. De fato, algo em torno de 50% dos clientes do Gartner acessaram conteúdos de IA que envolviam discussões sobre o uso de Graph. 

9 - Crescimento do conceito de “Augmented Consumer”

Tradicionalmente, usuários ficam presos a dashboards pré-definidos e à exploração manual de dados. Muitas vezes, isso significa que apenas Analistas de Dados, ou Citizen Data Scientists, têm acesso a esses dashboards e são capazes de explorá-los um pouco mais.  

Todavia, o Gartner acredita que, daqui para a frente, esses tipos de dashboards serão substituídos por insights automatizados, gerados dinamicamente, com muito mais mobilidade e customizados de acordo com a necessidade do usuário. Essa mudança vai permitir que o conhecimento dos dados
saia exclusivamente das mãos de especialistas e estejam ao alcance de qualquer pessoa da organização. 

10 - Data Analytics para todos

À medida que mais tecnologias de Data Analytics começam a criar vida fora dos tradicionais ambientes de data center e cloud, mais perto dos ativos físicos o Data Analytics chega. Isso reduz, e pode até chegar a eliminar, a latência de entrada de dados, agregando mais valor às soluções de real-time.

Levando o Data Analytics para todos, novas oportunidades serão abertas para que os times consigam dimensionar recursos e estender impactos positivos para diferentes áreas do negócio, com uma visão 360º. Isso também poderá trazer soluções para situações em que, por exemplo, os dados não podem ser extraídos por questões geográficas ou razões legais.

A triggo.ai está conectada com todo o ecossistema de Data & Analytics, acompanhando de perto todas as tendências do mercado. Fale com nossos especialistas!