Análise aumentada é o futuro de dados e analytics
Por Leonel Nogueira
Diariamente, o
volume e a disponibilidade de dados aumentam exponencialmente, o que torna as
tomadas de decisões cada vez mais complexas. Para resolver esse problema,
desponta a Análise Aumentada, com objetivo de transformar o modo como um
conteúdo é desenvolvido, consumido e compartilhado.
Basicamente, a
Análise Aumentada, é a automatização de todo o processo prévio à análise de
dados realizada pelo cientista de dados. Com alto poder tecnológico, pela a
associação do Machine Learning com a Inteligência Aumentada, sua capacidade
permite a coleta, limpeza e preparação de um grande volume de dados, sendo
capaz de identificar padrões ocultos e disponibilizar insights baseados em
análises descritivas e preditivas.
Segundo dados do
Gartner, a estimativa hoje, é de que um cientista de dados gaste cerca de 80%
do seu tempo de trabalho reunindo, preparando e limpando os dados. Ao utilizar-se
da Análise Aumentada o cientista de dados será capaz de fornecer análises
avançadas, explorando os dados mais relevantes ao valor do negócio, uma pequena
fração do tempo gasto atualmente.
Ferramentas de Análise
Aumentada podem ainda incluir o processamento de linguagem natural e interfaces
de conversação, permitindo que os usuários interajam com dados e insights,
guiando as organizações a melhorarem sua produtividade e outros aspectos
essenciais de suas operações.
Ainda, segundo o
Gartner, até 2020, a análise aumentada será um fator dominante para novas
compras de BI, plataformas de ciência de dados e machine learning. Até 2021, a
análise de conversação e o processamento de linguagem natural (PLN)
impulsionarão essa metodologia, levando a adoção da tecnologia a quase 50% das
empresas.
Os gestores de
dados, que planejam adotar análises aumentadas para modernizar as soluções,
devem se preocupar com os seguintes itens:
Piloto e validação: identifique onde a automação de algoritmos pode detectar padrões
nos dados para reduzir a exploração na fase de análise e melhorar a
produtividade dos cientistas de dados altamente qualificados, reconhecendo que ainda
precisam validar modelos, descobertas e aplicações;
Escale em toda a
empresa: eduque os líderes empresariais e tomadores de
decisão sobre o potencial impacto transformacional que a análise aumentada pode
ter e se usada por um público mais amplo. Também desenvolva diretrizes para o
uso apropriado de ferramentas e recursos de análise aumentada, com ênfase em
pessoas e processos;
Mitigue a
interpretação incorreta do usuário: use ferramentas
de análise aumentada para confirmar ou contestar as descobertas, a partir, das interpretações
realizadas por humanos. Além disso, recrute pessoas com habilidades analíticas
em todas as funções da empresa para agilizar o processo de adoção;
Avalie os fornecedores: familiarize-se e monitore os recursos analíticos dos fornecedores
de plataformas de análise e BI, ciência de dados, ML e de preparação de dados
de autoatendimento, assim como startups emergentes à medida que amadurecem;
Explore
oportunidades: para complementar as iniciativas
existentes de análise e dados, teste as análises aumentadas para problemas de
negócios de alto valor que atualmente exigem análise manual demorada;
Construa confiança em modelos assistidos por máquina: promova a colaboração
entre cientistas especialistas em dados e usuários para testar e provar o
valor. Entenda as limitações dos modelos assistidos por máquina, que funcionam
melhor com algoritmos comprovados versus técnicas avançadas;
Melhoria contínua: Avalie continuamente a configuração inicial, a preparação dos
dados, a abertura, modelos, número de variáveis suportadas, a gama de
algoritmos e a precisão do modelo adotado.
Leonel Nogueira é
CEO da Global TI