Não há transformação digital eficiente se uma empresa não buscar orientar seus projetos através da análise de dados. O tema tem ganhado sua devida importância entre os líderes de negócios e de tecnologia. Ao mesmo tempo, o surgimento de tecnologias emergentes como Machine Learning e Deep Learning elevam o uso de Data Analytics a um […]
Não há transformação digital eficiente se uma empresa não buscar orientar seus projetos através da análise de dados. O tema tem ganhado sua devida importância entre os líderes de negócios e de tecnologia. Ao mesmo tempo, o surgimento de tecnologias emergentes como Machine Learning e Deep Learning elevam o uso de Data Analytics a um novo patamar. Mas em meio a tantas tendências, quais deverão fazer a diferença em 2020?
O estudo “10 Enterprise Analytics Trends To Watch In 2020” (10 tendências de analytics para observar em 2020, na tradução literal), realizado pela MicroStrategy Incorporated, tenta apontar um caminho para a tomada de decisões no que diz respeito à implementação do Analytics.
Leia também no IT Trends
Em colaboração com analistas e influenciadores da Forrester, IDC, Constellation Research, Ventana Research e outros, a MicroStrategy destaca tendências e suas percepções que cobrem desde a inteligência artificial e móvel, à explosão de dados, fontes de dados, além de alguns fatores humanos, que incluem uma escassez prevista de talentos em Data Analytics.
“Vemos uma oportunidade crescente para os tomadores de decisões aproveitarem as últimas tendências e avanços em análises corporativas, IA, ML, Deep Learning e mais”, explica Vijay Anand, vice-presidente de marketing de produtos da MicroStrategy. “Ao colaborar com alguns dos principais especialistas do mundo na área, o relatório visa fomentar uma discussão bastante proveitosa junto aos os líderes que buscam tecnologias disruptivas para alavancar o Data Analytics, gerar maior eficiência, alcançar o ROI e superar a concorrência”.
“Em 2020, os holofotes no que tange Deep Learning estarão voltados para a relação entre saber e fazer. Não é mais apenas uma palavra da moda, o advento pragmático do Deep Learning para prever e entender o comportamento humano configura-se como uma tempestade disruptiva em como as empresas empregarão a inteligência contra seus concorrentes”, alerta Frank J. Bernhard, diretor de dados e autor de “SHAPE—Digital Strategy by Data and Analytics.
“O Machine Learning é uma das tecnologias de mais rápida evolução nos últimos anos, e a demanda por desenvolvimento de Machine Learning aumentou exponencialmente. Esse rápido crescimento, criou uma demanda por modelos prontos para uso que possam ser aplicados com facilidade e sem conhecimento de especialistas”, reforça Marcus Borba, fundador e consultor principal da Borba Consulting.
“O gráfico semântico tornar-se-á a espinha dorsal que suporta Data e Analytics em um cenário de dados que muda constantemente. As organizações que não usam um gráfico semântico correm o risco de ver o ROI relacionado às análises cair devido à complexidade crescente e aos custos organizacionais resultantes”, destaca Roxane Edjlali, diretora sênior de gerenciamento de produtos da MicroStrategy e ex-analista do Gartner.
“À medida que mais e mais pessoas sentem-se à vontade trabalhando com dados, elas também devem familiarizar-se com a etnografia dos mesmos ou com o estudo dos pontos aos quais se relacionam, o contexto em que foram coletados e o entendimento de que o dado sozinho não traz um cenário completo da situação”, aconselha Chandana Gopal, Diretora de Pesquisa, IDC.
“A análise concisa fornecida no contexto de aplicativos e interfaces específicos acelera a tomada de decisões. Esse estilo de incorporação e a curadoria de análises concisas e contextuais podem levar mais tempo, e com os avanços, incluindo métodos de desenvolvimento no-code e low-code, estamos vendo uma adoção crescente da próxima geração de Embeeded Analytics”, destaca Doug Henschen, VP e Analista Principal, Constellation Research
“Esperamos ver um foco contínuo na diversidade de dados. As organizações raramente têm uma plataforma única e padronizada de Data e Analytics, e várias ferramentas são usadas para acessar os dados. A necessidade de combinar essas fontes de dados só continuará crescendo”, prevê David Menninger, vice-presidente sênior e diretor de pesquisa da Ventana Research.
“As empresas precisarão focar sua atenção não apenas nos esforços de recrutamento para de pessoas com fortes habilidades analíticas, mas também na educação, na qualificação e no aprimoramento dos funcionários atuais, à medida que a necessidade de tomada de decisão baseada em dados só aumenta – e a escassez de talentos, também”, indica Hugh Owen, vice-presidente executivo de educação mundial, MicroStrategy
Segundo o estudo “Previsões 2020: Inteligência Artificial – É hora de transformar o artificial em realidade”, da Forrester, neste ano mais Chief Data Analytics Officers e CIOs devem garantir que as equipes de ciência de dados tenham o que precisam para serem eficientes. E para que possam gastar 70%, 80% ou 90% de seu tempo realmente criando modelos de IA para serem implementados.
“Metade das organizações vai reavaliar o uso de dispositivos móveis e concluirá que sua tecnologia não atende adequadamente às necessidades de seus funcionários, levando-os a examinar uma nova geração de aplicativos móveis que permitem uma melhor experiência de trabalho e uma conectividade muito mais eficaz para o restante da organização e para os clientes”, reforça Mark Smith, CEO e Diretor de Pesquisa, Ventana Research.
“À medida que os aplicativos são decompostos pelo processo de negócios para headless microservices, a automação e a inteligência irão desempenhar um importante papel na criação de personalização e eficiência em massa, e em escala. A empresa inteligente levará o contexto e o Data Analytics para impulsionar suas próximas ações”, indica Ray Wang, Fundador e Analista Principal da Constellation Research.
