Gartner identifica as 10 principais tendências de Data & Analytics para 2020
30/6/2020 –
Até o final de 2024, 75% das empresas sairão de testes-piloto para operacionalizar Inteligência Artificial
O Gartner anuncia as dez principais tendências de Data & Analytics para 2020, destacando que essa visão pode ajudar os líderes de dados e análises a obterem respostas para a recuperação de impactos causados pela crise gerada pela COVID-19, além de se prepararem adequadamente para uma redefinição pós-pandemia.
Os executivos deveriam examinar as 10 tendências para acelerar a renovação e a recuperação após a pandemia:
1) Inteligência Artificial mais inteligente, rápida e responsável – Até o final de 2024, 75% das companhias passarão de iniciativas de testes-piloto para novas formas de utilização de Inteligência Artificial, gerando um aumento de 5 vezes nas infraestruturas de streaming de Data & Analytics. Técnicas de Inteligência Artificial como aprendizado de máquina (ML), otimização e processamento de linguagem natural (PNL), estão fornecendo insights e previsões vitais sobre a propagação do vírus, a eficácia e o impacto de contramedidas. Outras técnicas de inteligência artificial como aprendizado por reforço e aprendizado distribuído estão criando sistemas mais adaptáveis e flexíveis para lidar com situações de negócios complexas.
2) Declínio do dashboard – Histórias dinâmicas de dados com experiências mais automatizadas e consumidas substituirão a criação e a exploração visual, do tipo ‘aponte e clique’. Como resultado, a quantidade de tempo que os usuários gastam usando painéis e relatórios predefinidos diminuirá. A mudança para histórias dinâmicas de dados significa que as informações mais relevantes serão transmitidas para cada usuário com base em seu contexto, função ou uso.
3) Inteligência de Decisão – Até 2023, mais de 33% das grandes empresas terão analistas praticando inteligência de decisão incluindo modelagem de decisão. A inteligência de decisão reúne várias disciplinas, incluindo gerenciamento e suporte à tomada de decisões, fornece uma estrutura para ajudar os líderes de Data & Analytics a projetar, modelar, alinhar, executar, monitorar e ajustar modelos e processos de decisão no contexto de resultados e comportamento dos negócios.
4) X Analytics – Durante a pandemia da COVID-19, a Inteligência Artificial tem sido fundamental para combinar milhares de documentos de pesquisa, fontes de notícias, publicações nas mídias sociais e dados de ensaios clínicos para ajudar especialistas em saúde pública e medicina a prever a disseminação da doença e a capacidade de atendimento hospitalar e a encontrar novos tratamentos e identificar vulnerabilidades das populações. “X Analytics” combinado com IA e outras técnicas, como a análise de gráficos, desempenhará um papel fundamental na identificação, previsão e planejamento de desastres naturais e outras crises no futuro.
5) Gerenciamento de dados aprimorado – O gerenciamento de dados aprimorado usa técnicas de ML e IA avançada para otimizar e melhorar as operações, converte os metadados do uso em auditoria, linhagem e relatórios para alimentar sistemas dinâmicos. Os produtos de gerenciamento de dados aprimorado podem examinar grandes amostras de dados operacionais, incluindo consultas reais, dados de desempenho e esquemas de trabalho. Usando os registros de uso e carga de trabalho existentes, um mecanismo aprimorado pode ajustar as operações e otimizar a configuração, segurança e desempenho da organização como um todo.
6) A Nuvem é um fato – Até 2022, os serviços de Nuvem Pública serão essenciais para 90% das inovações de Data & Analytics. Os líderes ainda seguirão lutando para alinhar os serviços certos aos tipos de aplicação certos, o que leva a um aumento desnecessário da governança e da sobrecarga das iniciativas de integração. A questão para a área de Data & Analytics é mudar de quanto custa um determinado serviço para como ele pode atender aos requisitos de desempenho da carga de trabalho além do preço de tabela. Os executivos terão que priorizar cargas de trabalho que possam explorar os recursos da Nuvem e focar na otimização de custos ao migrar para a Nuvem.
7) Mundos de Data & Analytics colidem – Os recursos de Data & Analytics tradicionalmente são considerados entidades distintas e gerenciados de forma separada. Os fornecedores que oferecem fluxos de trabalho de ponta a ponta, habilitados por análises aprimoradas, porém, dificultam a distinção entre esses dois mercados. A colisão entre Data & Analytics aumentará a interação e a colaboração entre funções historicamente separadas. Isso afeta não apenas as tecnologias e os recursos fornecidos, mas também as pessoas e processos que os suportam e os utilizam. O espectro de funções se estenderá do Data & Analytics tradicional ao explorador de informações e desenvolvedor cidadão como exemplos.
8) Mercados e trocas de dados – Até 2022, 35% das grandes companhias serão vendedoras ou compradoras de dados via mercado formal de dados on-line, contra 25% em 2020. Os mercados e as trocas de dados fornecem plataformas únicas para consolidar ofertas de registros de terceiros e reduzir custos para fontes de terceiros.
9) Blockchain em Data & Analytics – As tecnologias de Blockchain abordam dois desafios em Data & Analytics. Primeiro, o Blockchain fornece toda a linhagem de ativos e transações. Em segundo lugar, o Blockchain fornece transparência para redes complexas, com vários participantes. Fora dos casos limitados de uso de bitcoin e contrato inteligente, os sistemas de gerenciamento de banco de dados contábeis (DBMSs) fornecerão uma opção mais atraente para auditoria de fontes de dados em uma única empresa. Até 2021, a maioria dos usos permitidos de Blockchain será substituída por produtos DBMS contábeis.
10) Relacionamentos formam a base do valor de Data & Analytics – Até 2023, as tecnologias gráficas facilitarão a rápida contextualização para a tomada de decisões em 30% das empresas ao redor do planeta. A análise de gráfico é um conjunto de técnicas analíticas que permite a exploração de relacionamentos entre entidades de interesse, como empresas, pessoas e transações. Ela ajuda os líderes de Data & Analytics a encontrar relacionamentos desconhecidos nos dados e a revisar dados que não são facilmente analisados com a análise tradicional.
