ITInsight_24

INSIGHTS | DATA CONVERGE
Como tal, o isolamento dos dados pode ser considerado
coerente com este modelo: cada departamento
ou equipa precisa apenas de acesso aos
dados que lhes competem e, caso haja necessidade
de dados de outras fontes – para apresentar
relatórios ou para contextualizar decisões em
departamentos sinergéticos como o marketing
e as vendas –, não há necessidade de elevados
níveis de agilidade e automação. Partindo do
princípio que tudo o que a empresa precisa para
manter a competitividade é a análise periódica
de KPI para suportar decisões com base em instinto
e experiência, este fluxo é adequado.
Contudo, no momento em que saímos destas
aplicações tradicionais e passamos a incluir analítica
avançada, IoT, big data e inteligência artificial,
os paradigmas da gestão e processamento
de dados tornam-se completamente diferentes.
Em primeiro lugar, as fontes de dados são muito
mais variadas; para além dos sistemas da
empresa, incluem também novas fontes como
sensores de IoT, dados internos anteriormente
não utilizados como documentação e emails,
dados externos provenientes da Internet e de
parceiros, etc..
Assim, onde antes tínhamos pequenos ou médios
volumes de dados altamente estruturados
passamos a ter grandes volumes de dados pouco
estruturados, provenientes de fontes dispersas
que, em termos de IT, estão totalmente isoladas
entre si.
Por fim, existe também uma enorme diversificação
da aplicação destes dados. Onde antes
havia apenas aplicações de analítica descritiva,
as empresas estão a adotar cada vez mais
funcionalidades preditivas e prescritivas. Onde
antes se atuava ao nível do mês, trimestre ou
ano, cada vez mais aplicações requerem analítica
em tempo real ou quase real. Aplicações
cada vez mais diversas e sofisticadas, de motores
de recomendação à geração de alertas, têm
requisitos específicos de gestão de dados e ciclo
de vida analítico. Mesmo as simples decisões
de negócio requerem mais agilidade e adaptabilidade
de forma a que a empresa possa ser
competitiva no mercado em que se insere.
Como tal, o armazenamento dos dados em silos
deixa de ser sustentável: as aplicações de
analítica e inteligência artificial necessitam de
todos os dados relativos à empresa para contextualizar
as suas conclusões e decisões e a
rapidez de resposta exigida requer que o fluxo
e gestão dos dados sejam feitos de forma automática
e eficiente.
Isto constitui um enorme obstáculo à adoção
da analítica avançada e inteligência artificial,
uma vez que requerem um forte investimento
não só na solução propriamente dita, como
também na reestruturação dos processos e infraestrutura
de IT, deixando estas tecnologias
fora do alcance da maioria do tecido empresarial
e reduzindo o apelo do investimento por
parte das empresas que podem de facto comportar
estes custos.
A capacidade de unificar todo o processo de
gestão e análise de dados dentro das empresas,
seja ao nível do armazenamento, gestão da analítica
ou aplicações específicas, sem os custos e
riscos associados à reestruturação do IT, vem
ITInsight 26