Luzes e Tecnologia
NOESIS NOS MEDIA
18 novembro 2020

Porquê investir em Data na sua organização? , in Ntech.news


Luís Gonçalves, Data Analytics & AI Director da Noesis, em artigo à Ntech.news fala sobre a evolução do analytics e da inteligência artificial nas organizações

Por Luís Gonçalves, Data Analytics & AI Director na Noesis

Inscreva-se no Lisbon Data & AI Forum

O início do século XXI marcou uma nova fase do Business Intelligence (BI), devido à introdução de tecnologias inovadoras e disruptivas, como a utilização de programas cloud para expandir e facilitar a capacidade de análise e processamento de dados, das plataformas de BI. Desde os anos 60 que este tem vindo a sofrer evoluções consideráveis, como a introdução de data warehouses nos anos 90 e com a integração de ferramentas tecnológicas que permitem a análise de dados, por utilizadores menos especializados no tema, em inícios de 2000. Neste sentido, as ferramentas de Business Intelligence deixaram de ser vistas como uma tecnologia ou um tema de IT, para passarem a ser consideradas ferramentas essenciais para o negócio, para decisões mais informadas e para que as organizações se mantenham competitivas.
Desta forma, todas as tecnologias, aplicações, estratégias e práticas que incorporam o BI têm como propósito a recolha, análise, integração e apresentação de informação relativa ao negócio de cada organização. O business intelligence permite assim que a organização tenha acesso a informação crucial, de forma mais ágil, para o funcionamento das suas diversas áreas de atuação. Estes permitem uma análise de grandes volumes de dados através de ferramentas OLAP, garantindo um maior apoio para a tomada de decisão e previsão de eventos futuros.
Concretamente, um sistema de BI pode apresentar à organização informação relevante ao nível financeiro com insights da data financeira relativos ao budget semestral e anual e à identificação de potenciais problemas para evitar a sua ocorrência. Relativamente às vendas de serviços ou produtos, é possível obter analíticas detalhadas referentes, por exemplo, às taxas de conversão. A informação proveniente também permite que as equipas responsáveis possam identificar concretamente o que está e não está a resultar, podendo assim agir em conformidade, melhorando o desempenho e resultados.
Mais recentemente assistimos a uma evolução destas soluções para modelos Self-Service que permitem que o foco e ownership da análise de dados já não esteja só no IT, para além do aparecimento de soluções de Embbebed Analytics que permite levar a muitos mais utilizadores e num único ponto de acesso, analítica relevante para aquele utilizador, embebida no fluxo de trabalho normal. Um exemplo prático muito concreto é possibilitar ao utilizador estar num sistema operacional a marcar uma visita a um cliente, por exemplo, e, ao mesmo tempo, ter acesso a toda a análise e informação analítica que a organização detém sobre esse mesmo cliente, sejam produtos relacionados, grau de vendas/compras, faturas em aberto, etc.


A Inteligência Artificial e a nova geração de Analytics

O futuro traz-nos ferramentas que tornam o mundo da analítica ainda mais rico com a inclusão de Inteligência Artificial (AI) e processos de Machine Learning (ML) que permitem descobrir novos insights relevantes para o negócio, “escondidos” nos dados.
Nos tempos que correm e na visão de futuro da Inteligência e dos dados, a referência a Business Intelligence é redutora face aos avanços tecnológicos. Cada vez mais falamos em Data Analytics & AI e na necessidade de definição de modelos capazes de incorporar mais dados, mais data sources e mais ferramentas.
Um sistema de nova geração de Analytics tem de incorporar a capacidade de automatizar os processos de extração e transformação de dados, efetuar a limpeza e ter processos de Data Quality catalogando e enriquecendo os dados originais (por exemplo, detetar coordenadas e acrescentar informação relevante de localização). Por outro lado, tem também de ser capaz de descobrir padrões na Informação e permitir aos utilizadores que se dirigiam, através de processamento de linguagem natural (NLP) ao modelo de dados, fazendo perguntas. Estes modelos, tendencialmente auto gerados, irão permitir aumentar o range das aplicações analíticas removendo as barreiras de entrada e focando o utilizador na análise da informação e na tomada de decisão, com ganhos evidentes para o negócio. Novas soluções poderão ser disponibilizadas aos utilizadores, através de mobile apps ou, até, de smart devices como a Alexa.

Da Inteligência Artificial à Inteligência Aumentada

O conceito de Augmented Intelligence é isto mesmo, não restringir os utilizadores a modelos de análise previamente desenvolvidos e usar os algoritmos e as capacidades de última geração para focar o utilizador na tomada de decisão, com muito mais inputs de informação. Dados de simulações de cenários, novas visualizações e associações, padrões escondidos, análises preditivas, entre outros.
Esta evolução tecnológica, associada ao volume de dados crescente, abre um potencial enorme às organizações, o futuro passa por ações combinadas entre o poder da inteligência artificial e a perspicácia e sensibilidade dos humanos e será essa a chave para uma maior criação de valor.
A urgência de ter modelos de análise de dados como prioridade já existia antes da pandemia, mas com esta tornou-se claro para as organizações, qualquer que seja a sua dimensão ou sector de atividade, que já não é suficiente melhorar a eficiência operacional e acompanhar os de perto os seus consumidores/clientes. É obrigatório ter um foco na análise de dados e na capacidade de utilizar toda a informação disponível, para encontrar as melhores respostas e tomar as melhores decisões. É, sem dúvida, importante estar preparado para agir e não ser reativo às mudanças e exigências dos clientes.

 

*Artigo publicado em Ntech.news 

Eduardo Vilaça