Há mais de 20 anos as empresas vêm enfrentando a questão de trabalhar com grandes volumes de dados. Dentro delas, as que se destacam no segmento são as companhias de telecomunicações e os bancos, que estão nesta jornada há bastante tempo, pois seus sistemas geram grande quantidade de dados diariamente. Com a nova avalanche de informação, provenientes das mais diversas fontes, e com o crescimento das redes sociais, aumentaram o número de dados não estruturados, ou seja, aqueles que não seguem padrões, por exemplo: posts, imagens, mensagens de textos, vídeos, etc.
Diante deste cenário, é preciso se adaptar rapidamente e buscar gerar valor a partir dos dados a fim de garantir competitividade perante ao mercado. Uma pesquisa da IBM mostra que, até 2020, o volume de dados previsto é de 40 zetabytes, ou seja, haverá quatro vezes mais dados digitais do que todos os grãos de areia existentes no planeta. As máquinas irão gerar 42% de todo volume de dados e haverá mais de 200 bilhões de dispositivos conectados no mundo.
Acreditamos que para as empresas essas informações são o novo petróleo, pois existe um potencial imensurável e pouco explorado. De acordo com estudo da IBM, menos de 20% dos dados das empresas são utilizados para gerar vantagem competitiva. Além disso, pesquisa do Gartner Inc. mostra que cerca de 90% dos líderes empresariais veem a informação como um ativo estratégico. Ainda assim, menos de 10% podem medir a quantidade de seu valor econômico. Considerando que esses dados possuem a capacidade de criar um valor comercial significativo, muitas empresas estão deixando de lado a oportunidade de novas fontes de receita, redução custos, melhoria da relação com o cliente e a tomada de decisões.
Nos últimos cinco anos, o assunto Big Data ganhou notoriedade no Brasil e passou a ser discutido em muitas empresas que iniciaram processos de aquisição de infraestrutura e software, visando suportar o armazenamento de grandes volumes de dados. Com o tempo, porém, entenderam que sem um planejamento não gerariam valor. Em vez disso, teriam o conhecido popularmente pântano de dados. A partir de então as companhias começaram a se estruturar internamente e assim surgiu o cargo, hoje estratégico dentro das empresas, do Chief Digital Officer. Com o suporte deste profissional, houve um movimento em que o assunto Big Data voltou para o planejamento com objetivo de entender o que fariam com todo o conteúdo represado em sua infraestrutura.
Entendendo os desafios das empresas, a IBM criou uma metodologia chamada Data First Method, em que apoia as empresas a terem respostas para as perguntas frequentes como: Quais dados devem ser monetizados? De onde eles vêm? Estão íntegros? Todos os que precisam dos dados estão tendo acesso a eles? Temos a infraestrutura tecnológica necessária para apoiar nossos objetivos?
Baseado em questões como essas, a metodologia se inicia com a realização de uma série de reuniões, nas diversas áreas e níveis das companhias, buscando casos de usos a "gaps" na arquitetura analítica. Esse compilado resulta na criação de uma visão mais clara para a jornada analítica, habilitando, assim, a chegada ao cognitivo com total suporte ao tema monetização de dados.
O assunto big data possui algumas vertentes. A primeira dela é baseada em Internet da Coisas (IoT), tema que deve crescer de forma exponencial nos próximos anos, com casos clássicos como o dos carros autônomos, que devem gerar milhões de dados por segundo, o que demandará não só armazenamento como necessidade latente de tratar essas informações em tempo real.
A IBM, reconhecidamente uma das pioneiras em inteligência artificial com a plataforma IBM Watson, entende que existe uma jornada para chegarmos a este estágio. O Big Data é a fundação para a inteligência artificial. Uma área analítica bem estruturada com repositórios que atendem à demanda de consumo com governança de dados, irá acelerar a adoção de tecnologias como a inteligência artificial.
Outro ponto chave para o sucesso em Big Data é Skill. O mercado já compreendeu que é muito difícil encontrar um profissional com o perfil do cientista de dados, onde ele deve ser capaz de navegar nas mais diversas dimensões, com habilidades estatísticas e matemáticas, proficiência em ciência da computação, uma forte visão de negócios e em desenvolvimento de produtos. Dada a dificuldade de encontrar no mercado um profissional com todas essas capacidades, as empresas têm formado um time multidisciplinar de ciências de dados, isto é uma tendência dentro das empresas.
A mensagem principal é que o processo é complexo e deve ser gerenciado por uma equipe especializada, muitas vezes liderada por um Chief Experience Officer (CXO) e apoiado por um parceiro capacitado em Analytics e IA. É preciso definir as formas de utilizar dados para construir a cultura orientadas a dados. Como parte deste esse processo, as empresas precisaram se reinventar e avaliar seus papéis e objetivos na expansão em seus ecossistemas.
Visando aumentar o sucesso nesta jornada alguns pontos devem estar bem claros como: a definição da política e missão para a monetização dos dados corporativos; desenvolvimento de conhecimento institucional sobre a monetização de dados; elaboração de uma forte equipe de ciência dos dados - a força motriz por trás da inovação de dados dentro da organização; encontre dados em todas as suas formas e em toda a empresa, disponibilize publicamente no escopo da estratégia de monetização de dados e defina o seu valor potencial; se pergunte quem serão os beneficiados no mercado que atua.
Repensar os modelos de sua empresa e traçar a melhor forma de lapidar os dados é a forma de ter sucesso no atual contexto no qual tudo está baseado nas informações.