Superando as quatro principais barreiras à obtenção de insights acionáveis a partir dos dados

Pierre Fricke

illustration of business person running on a road and facing a barrier

 

Segundo a IDC, a quantidade de dados criados nos próximos três anos superará a de todos os dados criados nos últimos 30 anos. E o mundo criará, nos próximos cinco anos, três vezes mais dados do que criou nos últimos cinco.

À medida que os dados aumentarem em volume e variedade e suas fontes se proliferarem, novas oportunidades surgirão — oportunidades para entregar experiências superiores aos clientes, gerar melhores decisões empresariais e possibilitar maior agilidade e resiliência. As novas tecnologias e abordagens — tais como Internet das Coisas (IoT), desenvolvimento nativo da nuvem, IA e machine learning e a malha de dados moderna — oferecem um caminho para se atingir essa visão de negócios inteligentes.

Apesar dessas oportunidades e novas abordagens, as empresas estão com dificuldade de gerenciar dados e gerar análises significativas. Elas são afetadas por problemas como dados sujos e políticas desalinhadas de coleta e governança de dados. Tais empresas correm o risco de ficar para trás dos concorrentes, que estão usando a inteligência dos dados para se adaptar de forma rápida e proativa às necessidades dos clientes.

Para obter insights acionáveis dos seus dados, você precisará resolver algumas barreiras comuns. Vamos dar uma olhada em cada uma delas e no que você pode fazer para superá-las.

 

Barreiras e soluções para administrar uma empresa de modo mais rápido e inteligente

Em um recente estudo com mais de 1.800 líderes de TI, examinamos por que as empresas não conseguem migrar os projetos de análise de dados para a produção ou enfrentam problemas de qualidade e disponibilidade ao fazê-lo. O estudo revelou várias barreiras comuns à maioria das empresas:

 

1. Dificuldades na descoberta de dados

A descoberta de dados é difícil quando você tem fontes de dados desconhecidas, dados de má qualidade, silos de dados e restrições de compliance. Esses problemas podem ter origem em dados usados ou gerados por aplicativos específicos armazenados em plataformas isoladas, sendo normalmente encontrados na arquitetura de aplicativos web do início dos anos 2000 ou em aplicativos UNIX da década de 1990.

Além disso, as visões incompletas de clientes e outras entidades empresariais, os dados duplicados e uma falta geral de compreensão sobre quais dados estão disponíveis (para criar novos aplicativos ou atualizar os existentes) resultam em serviços, insights e experiências de clientes menos eficazes.

Solução:

Com uma visão holística e a compreensão do seu acervo de dados, além de uma arquitetura moderna que torne os dados acessíveis, você pode tornar a descoberta e a utilização dos dados uma parte mais natural dos processos e da cultura DevOps. O DevOps proporciona velocidade e respostas rápidas. E seus dados — se conhecidos, acessíveis e em formato útil — podem ser totalmente incorporados à sua cultura DevOps e aos seus processos de desenvolvimento e implantação.

 

2. Custos excessivos

Quando sua infraestrutura não está estruturada para ser útil e elástica, seus talentos são caros e você precisa fazer investimentos contínuos sem retorno garantido, os custos podem aumentar sem controle.

Os custos também se tornam excessivos à medida que você continua a contar com soluções de dados locais para seus piores cenários — pois fica preso à manutenção da infraestrutura de dados e dos aplicativos virtualizados mais antigos. E suas plataformas de dados locais que atendem a aplicativos baseados em nuvem podem incorrer em taxas de ingresso/egresso mais altas do que o necessário.

SOLUÇÃO:

Ao migrar as plataformas de dados para as nuvens públicas e privadas adequadas numa arquitetura multinuvem, você obtém benefícios como elasticidade, autoatendimento, economia otimizada e serviços nativos da nuvem — para que possa desenvolver aplicativos modernos e hospedar uma arquitetura de dados moderna.

 

3. Complexidade

Escolher a combinação certa de tecnologias; identificar as melhores práticas arquitetônicas para implantação; e integrar nuvem, instalações locais e borda — todas essas são responsabilidades complexas. No entanto, elas ficam ainda mais difíceis se o mix das suas plataformas de dados não estiver otimizado.

Por exemplo, seus dados podem ter sido forçadamente introduzidos num sistema tradicional de gestão de dados relacionais, ou pior, em arquivos não estruturados — mesmo que esse não seja o local ideal para usá-los e analisá-los. Isso faz com que o desenvolvimento de aplicativos que usem esses dados seja mais difícil e menos eficaz.

A IoT aumenta drasticamente o volume de dados que chega à sua empresa. Mas eles devem ser analisados e racionalmente separados em fluxos de dados que deem suporte ao seu negócio, de modo que seus aplicativos recebam os dados necessários quando for preciso. Muitas organizações não aproveitam a IoT ou o fazem de uma maneira que restringe excessivamente os dados usados a partir dela. Embora essas abordagens evitem a inundação de dados e os problemas de confiabilidade, segurança e disponibilidade que vêm a reboque, acabam eliminando os benefícios de usar todos os dados apropriados no respectivo ecossistema empresarial.

SOLUÇÃO:

Lidar com a explosão na variedade, velocidade e volume dos dados é algo complexo. Mas, ao colocar os dados nas plataformas certas, nas nuvens certas, configurados em uma arquitetura de dados moderna, eles podem ser usados com mais facilidade, ser mais econômicos e servir de base para análises modernas e insights empresariais de maior qualidade.

 

4. Deficit de habilidades

Muitas organizações não têm internamente as habilidades necessárias para otimizar a arquitetura dos dados para os casos de uso modernos de IA/ML e os aplicativos nativos da nuvem. Para criar uma malha de dados moderna, você precisa da formação especializada, do treinamento e da experiência que não estão organicamente disponíveis nas equipes normais de TI. Esse déficit de habilidades também contribui para que a arquitetura de integração dos dados seja dispersa e oportunista — impedindo os aplicativos de obter os dados certos no momento certo e acarretando experiências, resultados e insights aquém dos ideais.

SOLUÇÃO:

Trabalhe com um parceiro cuja equipe tenha as habilidades certas, planos de carreira adequados e experiência profissional contínua — na qual estejam sempre envolvidos em resolver problemas e desenvolver a expertise nos mais diversos setores e casos de uso. Isso ajuda a garantir que sejam capazes de atrair e reter o melhor pessoal da área de dados.

 

Obtendo insights acionáveis a partir dos dados

Com uma arquitetura de dados moderna, seus dados podem ajudar a melhorar processos, experiências e decisões empresariais. E, com um ambiente de dados totalmente integrado, apoiado por DataOps e MLOps, sua empresa e as equipes de TI podem tomar decisões empresariais e técnicas que venham a gerar maior valor para os clientes e maximizar os resultados do seu negócio.

A arquitetura de dados moderna — conjugada com IA e machine learning — permite que sua empresa obtenha os dados certos, para o aplicativo certo, no momento comercial certo e, de quebra, eleve o nível dos insights empresariais e dos aplicativos inteligentes.

Para saber como as organizações estão gerindo e modernizando dados, confira o relatório "Modernização de dados: removendo as barreiras à IA e ao machine learning". Você conhecerá melhor os desafios generalizados que as empresas enfrentam quanto à qualidade e infraestrutura dos dados, bem como insights cruciais sobre o papel das pessoas e das operações na modernização deles.

 

Dê o próximo passo para modernizar seus dados.