De números a insights: como transformar dados em soluções

Por Paulo Urbano

Vivemos em uma era dominada por informações ocultas em dados cada vez mais volumosos, os quais constituem a base para inovação e criação de valor. No entanto, a realização desse potencial vai além da mera adoção tecnológica. A quantidade de dados produzida por atividades diversas como por exemplo a produção industrial, as interações em redes sociais, o monitoramento hospitalar e o controle de frotas de veículos, tem crescido de forma acelerada. 

Em 2012, eram produzidos globalmente 2.500 Terabytes de dados diariamente, com expectativas de dobrar até 2016. Comparativamente, a quantidade de dados transmitidos na Internet hoje supera o total armazenado na década de 1990. O Facebook, com 1,65 bilhão de usuários ativos mensais, exemplifica essa expansão, gerando bilhões de interações diariamente.

Desafios na análise de dados

Apesar do volume impressionante, menos de 1% dos dados globais são analisados. Com cerca de 90% dos dados existentes sendo não estruturados (como e-mails, fotos e vídeos), surgem desafios consideráveis na extração de informações valiosas destes dados.

Em resposta aos obstáculos encontrados para o processamento do volume sem precedentes de conjuntos de dados, nos últimos anos foram criadas novas abordagens e ferramentas de coleta, armazenamento e processamento. Estes novos sistemas computacionais oferecem a possibilidade de avaliar o sentido geral de e-mails e mensagens de texto enviadas por consumidores; e até mesmo encontrar pessoas ou objetos em fotos e vídeos.

Já dentro dos dados estruturados, é possível também para empresas de pequeno e médio porte, processar não apenas meses, como também décadas de registros de negócio, identificando padrões de comportamento de clientes e do mercado em geral, apoiando na tomada de decisões.

A capacidade de processamento para realizar tarefas desta natureza, antes acessível apenas para grandes corporações, capazes de fazer investimentos em licenças de software corporativo e infraestrutura, hoje tem uma barreira de entrada muito menor.

Acessibilidade de plataformas de dados

Plataformas como Presto (Facebook) e TensorFlow (Google) exemplificam essa acessibilidade, oferecendo capacidades avançadas de processamento de dados como software de código aberto. A infraestrutura necessária para análise de dados coletados, anteriormente proibitiva em custo, agora é mais acessível através de serviços de computação em nuvem.

Inclusive, existem hoje diversas infraestruturas computacionais disponíveis em nuvem, como o Amazon AWS, o Google Cloud Computing e o Microsoft Azure, onde o tempo de processamento pode ser contratado sem a necessidade de aquisição de hardware, reduzindo o custo operacional envolvido.

A importância de estratégias orientadas por dados

Tecnologias de código aberto e computação em nuvem apresentam um mundo de possibilidades, mas sem uma estratégia de dados bem estruturada, seu valor é limitado. O desenvolvimento de uma visão orientada por dados começa com o monitoramento de processos de negócio, evoluindo para a criação de insights e otimização de negócios.

O monitoramento de processos de negócio é o estágio atual da maioria das empresas que realizam investimento em coleta e análise de dados. Indicadores de desempenho (KPIs) são escolhidos para determinados processos de maior prioridade, para os quais dados são coletados.

Ferramentas tradicionais de Business Intelligence (BI) e Data Warehouse (DW) têm bom desempenho para a percepção do que aconteceu no passado, indicando a evolução das KPIs (Key Performance Indicator ou Indicadores Chaves de desempenho) ao longo do tempo. No entanto, estas apresentam limitações ao tentar tratar dados com o volume, velocidade de alteração e nível de estruturação como os mencionados anteriormente.

A criação de insights, evolução natural no nível de maturidade de aplicação de soluções orientadas por dados em uma organização, acontece quando é possível correlacionar dados relacionados à uma mesma KPI, mas vindos de diferentes fontes, perspectivas e contextos dentro do negócio.

Aplicações práticas e valor agregado pelos dados

A geração de valor realmente acontece quando a identificação de insights sobre os processos de negócio de uma empresa dá suporte à avaliação contínua e à melhoria de seus produtos e serviços. Ao coletar em tempo real o comportamento dos usuários ao interagir com seus serviços e automatizar etapas de análise e geração de insights, uma empresa pode reduzir o tempo até que oportunidades de atuação sejam identificadas e ações relacionadas.

Exemplos práticos incluem o uso de dados em redes sociais pode orientar estratégias de marketing e vendas, aumentando as taxas de conversão e ROI.  Outro exemplo é um desenvolvedor de apps móveis usando a média de avaliações como KPI. Enquanto o monitoramento padrão observa a evolução dessas avaliações, uma abordagem analítica emprega processamento de linguagem natural para extrair insights dos comentários dos usuários, identificando causas de variações nas avaliações. 

Com sua missão de transformar empresas, o CESAR conecta desafios de mercado a soluções inovadoras, gerando valor significativo. Temos exemplos práticos que demonstram como desafios específicos levaram à criação de soluções valiosas, aproveitando análises de grandes volumes de dados. 

A oportunidade de elevar a competitividade com produtos e serviços inovadores, baseados em dados, está aberta para todas as empresas, independentemente do tamanho. Aproveite a era dos dados com o CESAR e transforme sua empresa com soluções inovadoras. Entre em contato para explorar as possibilidades!

 

Paulo Urbano é mestre em Sistemas Embarcados e Aplicações Distribuídas pela Universität Stuttgart, Alemanha, e especialização em Data Science pela Johns Hopkins University/Coursera. Com 20 anos de experiência profissional em empresas no Brasil, França e na Alemanha, hoje atua como coordenador técnico e gerente de projetos do CESAR.