Análise aumentada: o que você precisa saber para 2019

Conforme as empresas iniciam ou continuam em sua jornada de transformação digital, a quantidade de dados com que lidam aumenta em volume e complexidade.

A análise tradicional - o processo de preparar e analisar dados, interpretar resultados e contar histórias com esses dados - é um processo manual e demorado. E isso representa desafios significativos para as empresas que estão tentando lidar com a explosão contínua de dados.

Para atender aos prazos de preparação para o mercado de transformação digital, tornou-se imperativo reduzir o tempo intensivo da análise manual.

Para fazer isso, podemos aumentar os cientistas de dados humanos com aprendizado de máquina (ML) e inteligência artificial (IA) para acelerar cada etapa da jornada de análise - algo chamado análise aumentada.

Nos últimos 12-18 meses, a análise aumentada como um campo cresceu e mais empresas estão começando a aceitar esse processo.

As empresas em transformação digital em muitos setores, como farmacêutico, varejo, manufatura e muito mais, estão começando a colocar a análise aumentada em uso.

Acredito que no próximo ano esse campo emergente se tornará mais amplamente usado e compreendido.

Breve histórico sobre análise aumentada

Em meados dos anos 2000, o armazenamento em nuvem e o poder de computação disponível em massa tornaram-se mais populares. Isso fez com que a análise de big data explodisse.

Essa foi uma mudança significativa, mas o processo ainda era altamente manual - o que significa que os profissionais de análise ainda tinham que escrever muitos códigos.

Antes da revolução do big data, as empresas talvez precisassem examinar milhares de fluxos para obter insights significativos, mas hoje estamos falando de milhões de fluxos.

A questão tornou-se: como a análise de dados pode entregar o mesmo valor e, ao mesmo tempo, reduzir enormemente o tempo necessário, sabendo que análises mais rápidas = tempo de lançamento no mercado mais rápido = ROI mais forte.

É para isso que a análise aumentada se destina - acelerar o campo da análise de dados para obter mais valor

Como existe a necessidade de disputar e entender volumes crescentes de dados, a análise aumentada representa uma grande mudança neste campo de estudo.

A análise aumentada já está causando interrupções na interpretação, criação e compartilhamento de análises. Por sua vez, isso permite que os cientistas de dados gastem menos tempo explorando dados e mais tempo atuando com base nos insights mais relevantes do que com métodos manuais tradicionais.

Essa abordagem é um mecanismo poderoso que permite que as empresas sejam mais responsivas e ágeis - um aspecto necessário da transformação digital .

Vejamos primeiro os principais benefícios da análise aumentada e como essa prática está mudando os modelos de negócios tradicionais. Análise aumentada:

• acelera o processo de preparação e descoberta de dados;
• democratiza a análise de dados para usuários menos experientes em negócios;
• permite a adoção de percepções acionáveis ​​para a equipe executiva e em toda a organização.

A importância desses benefícios para os negócios digitais é significativa

É bem sabido que, para as organizações competirem na era digital, os dados são essenciais para obter insights relevantes e acionáveis.

No entanto, as complexidades subjacentes inerentes aos processos analíticos manuais criam muitos obstáculos.

Por um lado, são raros os cientistas de dados que são qualificados na prática da ciência de dados e que também possuem um conhecimento aguçado de modelos de negócios e operações.

Além disso, o tempo de um cientista de dados é valioso - embora uma grande porcentagem desse tempo seja gasto na preparação manual dos dados por meio da limpeza e rotulagem. Essa falta de tempo e capacidade significa que a maioria das análises de dados são realizadas em uma pequena parte dos dados, enquanto uma grande parte dos ativos de dados não são minerados.

Vamos explorar os benefícios listados acima para ver como as análises aumentadas são realmente perturbadoras.

Três benefícios principais da análise aumentada

1. Acelera a preparação e descoberta de dados

Quando realizada manualmente, a preparação de dados é um esforço complicado e complexo.

Quando os cientistas de dados têm milhões de registros para vasculhar, uma tarefa presumivelmente simples de encontrar todos os clientes de uma determinada região, por exemplo, pode literalmente levar meses.

Veja o exemplo de um grande varejista de produtos de papel especial. Como parte de sua jornada digital, eles precisavam entender melhor os clientes, mas os dados provenientes de sistemas legados eram de baixa qualidade.

Não apenas havia grandes volumes de dados para examinar, mas também inconsistências em vários campos, e reconciliá-los em um formato unificado era assustador.

Havia 26 milhões de registros para avaliar, em 1200 formatos de arquivo XML diferentes.

Limpar os dados com processos manuais levaria de seis a 12 meses. Ao utilizar técnicas de preparação de dados analíticos aumentados e algoritmos de ML, o varejista conseguiu limpar os dados em cerca de três semanas.

Ao automatizar essas etapas iterativas, todo o tempo de preparação e descoberta de dados pode ser reduzido em 50-80%.

Imagine como sua equipe de análise de dados poderia ser muito mais produtiva e eficiente se fosse esse o caso!

2. Democratiza a análise de dados

Depois que os dados são preparados, a análise aumentada detecta sinais que impactam os modelos de negócios que cientistas de dados menos experientes podem não ser adeptos de encontrar.

Com a análise aumentada, os cientistas de dados não precisam determinar o algoritmo apropriado a ser usado ou escrever o código para obter os resultados.

Um conjunto de ferramentas de análise aumentada executará de oito a 10 algoritmos nos dados e os ajustará em um formato comum para detectar padrões e outliers.

Por exemplo, uma grande empresa pode desejar informações sobre o faturamento de seus fornecedores para determinar se há alguma discrepância que justifique mais investigação.

Com operações e funcionários em todo o mundo, isso pode ser igual a contas de milhares ou centenas de milhares de fornecedores todos os meses.

Com base nos dados subjacentes, a análise aumentada começará a detectar padrões e criará automaticamente uma análise de outlier para detectar quando um fornecedor específico, que fatura consistentemente a empresa $ 50.000 por mês, envia uma fatura de $ 500.000.

Embora isso não fosse automaticamente sinalizado como atividade fraudulenta, a quantidade maior do que o normal seria sinalizada como algo para o profissional de análise de dados investigar mais e remove o fardo de primeiro escrever o algoritmo para fazer essa descoberta.

Em outras palavras, a análise aumentada democratiza os insights, tornando mais fácil para os usuários de negócios extrair insights complexos e economizando um tempo significativo para isso.

3. Permite a adoção de percepções acionáveis ​​para executivos e em toda a organização

Uma vez que os sinais e padrões tenham sido determinados, os resultados precisam ser comunicados aos executivos.

As formas tradicionais de fazer isso, como a criação de um relatório ou painel, sobrecarregam os executivos que normalmente não têm tempo para fazer login em uma plataforma e fazer sua própria interpretação de dados.

Com análises aumentadas, a ferramenta lerá o gráfico ou relatório e traduzirá as informações em declarações em linguagem natural, como “Suas vendas estão diminuindo na região X, uma tendência que vem ocorrendo nos últimos meses”. Ou “Você está perdendo participação de mercado para o concorrente Y.”

Os líderes de equipe podem obter respostas a perguntas como "as vendas aumentaram 10% em um nível amplo, mas como estão as margens em cada nível regional?" Fornecer esse nível de insights acionáveis ​​permite a tomada de decisão baseada em dados e aumenta a adoção em toda a organização.

Sistemas sofisticados de análise oferecem recursos de processamento de voz e linguagem natural e são integrados a interfaces de busca corporativa e plataformas de BI.

Imagine o seguinte: os cientistas de dados podem interagir com plataformas de análise aumentada usando linguagem natural simplesmente fazendo uma pergunta, como: “como nossos esforços de vendas se comparam aos de nossos concorrentes?”

A análise aumentada aborda as complexidades dos bastidores, tornando o processo de análise de dados simples para usuários de negócios e cientistas de dados de cidadãos.

Como você pode avançar com análises aumentadas?

Com os benefícios descritos acima e as tecnologias disponíveis que permitem essa grande interrupção, a questão não é se você deve adotar a análise aumentada. A questão é quando e como começar.

Embora existam vários tipos de ferramentas para as diferentes etapas discutidas acima, não existe uma ferramenta que execute todas as funções ou se adapte a todas as organizações.

A melhor maneira de as empresas procederem é trabalhar com um parceiro de consultoria que tenha ampla experiência em análise e em novos conjuntos de ferramentas e metodologias de análise aumentada para criar um roteiro personalizado. Para criar um caminho de sucesso adiante, a combinação certa de pessoas, processos e tecnologia precisa ser combinada.

A análise aumentada ainda é um campo em evolução. Hoje, a maioria das empresas não está adotando a análise aumentada para todo o processo de ponta a ponta, mas está começando com uma pequena parte - o que é um bom caminho a percorrer.

Nos próximos anos, espero que isso mude, e as organizações usarão a análise aumentada para todo o ciclo de vida da análise de dados.

Em 2019, os benefícios significativos que a análise aumentada oferece são as principais áreas a serem consideradas: velocidade, democratização e ampla adoção.

Com esses recursos, as organizações estão bem equipadas para compreender e antecipar as necessidades dos clientes, ajustar e melhorar os processos de negócios e se posicionar para o sucesso hoje e no futuro.