A Gartner divulgou sua lista de tendências para dados e analytics em 2021.
A tendências, assim como as divulgadas pela Qlik, também foram fortemente impactadas pela ocorrência da pandemia do COVID-19- A Gartner aposta em tendências podem ajudar as organizações e a sociedade a lidar com mudanças disruptivas, incertezas radicais e as oportunidades que elas trazem.
Outro ponto que a lista traz é a transição de big data para “small and wide data” . Essa e as outras tendências representam a dinâmica de negócios, mercado e tecnologia que os líderes de dados e análises não podem ignorar.
As tendências para dados e analytics pela Gartner foram divididas em três temas principais:
- Acelerar a mudança: alavancar inovações em IA, integração mais ágil e eficiente de fontes de dados mais diversas.
- Operacionalizar o valor do negócio por meio de XOps mais eficazes: permite uma melhor tomada de decisão e transforma dados e análises em parte integrante do negócio.
- Tudo distribuído: relacionamento entre dados e insights mais flexível para capacitar um público ainda mais amplo de pessoas e objetos.
Acelerar as mudanças
1. IA escalável, mais responsável e inteligente
Visando algoritmos otimizados, sistemas interpretáveis e menor tempo de valorização, as organizações começarão a exigir muito mais dos sistemas de IA e precisarão descobrir como dimensionar e escalar as tecnologias.
Embora as técnicas tradicionais de IA possam depender muito de dados históricos, considerando como o COVID-19 mudou o cenário de negócios, os dados históricos podem não ser mais relevantes. Isso significa que a tecnologia de IA deve ser capaz de operar com menos dados por meio de técnicas de “pequenos dados” e aprendizado de máquina adaptável.
Esses sistemas de IA também devem proteger a privacidade, cumprir os regulamentos federais e minimizar o preconceito para apoiar uma IA ética.
2. Tendência de dados e analytics “compostos”
O objetivo dos dados e análises “compostas” (composable data and analytics) é combinar componentes de vários dados, análises e soluções de IA para uma experiência flexível, fácil de usar e utilizável, que permitirá aos líderes conectar insights de dados a ações de negócios.
A Gartner fez uma pesquisa com seus clientes e percebeu que a maioria das grandes organizações tem mais de uma ferramenta de análise e inteligência de negócios de “padrão corporativo”. A combinação de ferramentas utilizando os recursos de negócios de cada uma delas promove a produtividade e a agilidade.
Os dados e análises combináveis não apenas encorajarão a colaboração e desenvolverão os recursos analíticos da organização, mas também aumentarão o acesso a análises.
3. “Malha de dados” como base
Conforme os dados se tornam cada vez mais complexos e os negócios digitais aceleram, a malha de dados (data fabric) é a arquitetura que dará suporte a dados e análises compostos e seus vários componentes.
A malha de dados reduz o tempo de desenvolvimento de integração em 30%, a implantação em 30% e a manutenção em 70%, porque a arquitetura se baseia na capacidade de usar, reutilizar e combinar diferentes estilos de integração de dados.
4. De “big data” pra “small and wide data”
Small and wide data, ao contrário do big data, resolvem uma série de problemas para organizações que lidam com questões cada vez mais complexas em IA e desafios gerados por dados escassos.
Dados amplos permitem a análise e sinergia de uma variedade de fontes de dados pequenas e variadas (amplas), não estruturadas e estruturadas para aprimorar a consciência contextual e as decisões.
Dados pequenos, como o nome indica, são capazes de usar modelos de dados que requerem menos dados, mas ainda oferecem insights úteis.
Operacionalizar o valor do negócio por meio de XOps mais eficazes
5. XOps
O objetivo do XOps é alcançar eficiência e economias de escala usando as melhores práticas de DevOps – e garantir confiabilidade, capacidade de reutilização e repetibilidade, reduzindo a duplicação de tecnologia e processos, permitindo a automação.
6. Engenharia da inteligência de decisão
A inteligência de decisão é uma disciplina que inclui tomadas de decisão, análises convencionais, IA e outras ferramentas complexas.
A engenharia da inteligência de decisão se aplica a decisões individuais e a sequências de decisões, agrupando-as em processos de negócios ou em redes de tomada de decisão.
Quando combinada com capacidade de composição e uma malha de dados comum, a inteligência de decisão projetada abre novas oportunidades para repensar ou reformular como as organizações otimizam as decisões e as tornam mais precisas, reproduzíveis e rastreáveis.
7. Dados e análises como função principal do negócio
Os líderes de negócios estão começando a entender a importância de usar dados e análises para acelerar iniciativas de negócios digitais.
Em vez de ser um foco secundário, realizado por uma equipe separada, estão mudando para uma função central.
Se os diretores de dados estiverem envolvidos na definição de metas e estratégias, eles podem aumentar a produção consistente de valor de negócios por um fator de 2,6 vezes.
Tudo distribuído
8. Gráficos relacionam tudo
Gráficos são a base do analytics moderno, com recursos para aprimorar e melhorar a colaboração do usuário, modelos de aprendizado de máquina e IA explicável.
9. A ascensão do “consumo aumentado”
Tradicionalmente, os usuários das soluções de dados ficam restritos a painéis predefinidos e exploração manual de dados.
No entanto, a Gartner acredita que, no futuro, esses painéis serão substituídos por insights automatizados, conversacionais, móveis e gerados dinamicamente, personalizados para as necessidades do usuário.
Isso muda a disponibilidade do conhecimento gerado por um insight. Antes, para apenas um grupo seleto de especialistas especialistas em dados, agora para qualquer pessoa na organização.
10. Dados e análises para a “beirada”
À medida que mais tecnologias de análise de dados começam a existir fora do data center tradicional e dos ambientes de nuvem, elas se aproximam de espaços físicos.
Isso reduz ou elimina a latência para soluções centradas em dados e permite mais valor em tempo real.
Transferir dados e análises para a “beirada” oferecerá oportunidades para as equipes de dados escalarem recursos e estenderem o impacto a diferentes partes do negócio. Isso também pode fornecer soluções para situações em que os dados não podem ser removidos de geografias específicas por motivos legais ou regulatórios.
Referência: Gartner
