O que os líderes de gestão de dados veem para o setor em 2022

A IA e o aprendizado de máquina trabalharão horas extras no espaço de gerenciamento de dados em inúmeros novos casos de uso.

De acordo com líderes de pensamento do setor de gestão de dados, usaremos uma nova terminologia quando falarmos sobre dados corporativos em 2022.

Os CTOs e os gerentes de TI em todos os níveis definirão e testarão termos como “dados como código” e análise de dados “just-in-time” para seus próprios casos de uso de produção.

A IA estará trabalhando horas extras no espaço de gerenciamento de dados, permitindo que os call centers extraam informações mais cogentes dos clientes, corrigindo lacunas nas cadeias de suprimentos e reforçando os serviços de saúde, tanto localmente quanto na nuvem.

Aqui estão algumas previsões cogentes sobre o que podemos esperar ver no lado de gerenciamento de dados da TI em 2022:

COMEÇAREMOS A OUVIR ‘DADOS COMO CÓDIGO’ COM FREQUÊNCIA

O movimento Infraestrutura como Código, no qual a infraestrutura é implantada automaticamente, está ganhando força. Infraestrutura e aplicações, no entanto, oferecem pouco valor sem dados. As organizações precisarão ser capazes de clonar, distribuir e destruir dinamicamente cópias de dados sob demanda, para que possam desenvolver, testar, analisar, construir modelos de IA/ML e atender aos requisitos regulatórios. À medida que as máquinas geram mais dados, as organizações de TI não serão capazes de gerenciar dados manualmente. Eles precisarão tornar os dados tão dinâmicos e automáticos quanto a infraestrutura e aplicativos.

– Stephen Manley, CTO, Druva

A IA ESTARÁ LENDO ENTRE AS LINHAS COM OS CLIENTES

Uma das principais tendências na gestão de dados de atendimento ao cliente para 2022 será o uso de IA para desbloquear dados que são mantidos em todas as conversas que os clientes têm com os agentes de contact center. A tecnologia usada para rever todas essas conversas já existe há algum tempo, mas os fornecedores do espaço (Genesys, NICE, Twilio, Cisco) estão promovendo isso ativamente como um caso de uso — e até mesmo usando-o como trampolim para começar a fornecer soluções para vendas e marketing. É uma grande jogada para eles. Houve uma série de aquisições neste setor, notadamente a Twilio comprando a Segment por US $ 3 bilhões.

– Max Ball, Analista Principal da Forrester Research

FALHAS NA CADEIA DE SUPRIMENTOS ALIMENTARÃO A ASCENSÃO METEÓRICA DA ANÁLISE DE DADOS ‘JUST-IN-TIME’

Diante de uma crise completa da cadeia de suprimentos, as empresas terão que lidar com questões de longa data em seus pipelines de dados — gargalos e outras fragilidades — que impedem que as equipes ganhem visibilidade nas cadeias de suprimentos de que precisam para sobreviver à década. Não mais retidos pela gravidade de modelos legados, sistemas e abordagens, as empresas adotarão novas soluções inovadoras em uma tentativa de tornar a análise de dados “just-in-time” uma realidade para seus negócios.

OS SERVIÇOS DE IA TERÃO UM PAPEL IMPORTANTE NA GERAÇÃO DE RECEITA

As taxas de adoção e a receita gerada pelos serviços de inteligência artificial devem disparar à medida que as questões em curso, incluindo a crise da saúde, a escassez de mão-de-obra e os problemas da cadeia de suprimentos, continuam a apresentar riscos consideráveis para as empresas. Por exemplo, chatbots baseados em IA e agentes virtuais estão reduzindo as pressões sobre as empresas por falta de mão-de-obra. Na assistência à saúde, as soluções baseadas em IA permitem que as equipes de atendimento gerenciem uma população de pacientes mais ampla e o façam com uma abordagem personalizada a nível do paciente. As agências de saúde e serviços humanos estão interessadas em implementar iniciativas de saúde para pessoas físicas, que requerem acesso a dados clínicos, sociais e de saúde pública de alta qualidade e precisos para o desenvolvimento de programas de atenção personalizados em nível individual.

Durante os próximos anos, podemos esperar ver o surgimento do aprendizado de máquina federado, que permite tecnologias de alta rastreabilidade e permite aos pesquisadores treinar modelos preditivos sobre dados sensíveis de forma transparente. Essa abordagem inclui desde o apoio à evolução da previsão da doença até respostas mais rápidas para veículos autônomos.

– Zakir Hussain, Líder IoT da EY Americas

NOVA LEGISLAÇÃO FOCADA EM PRIVACIDADE MUDARÁ A ATENÇÃO PARA NUVENS DE SOBERANIA DE DADOS

Com o aumento do foco no General Data Protection Regulation (GDPR) que regula a proteção e a privacidade de dados na UE e a Lei de Privacidade do Consumidor da Califórnia (CCPA) que aumenta os direitos de privacidade e a proteção do consumidor para os californianos, outros estados e países estão enfrentando pressão para aprovar uma legislação abrangente de privacidade de dados. Como isso continua em 2022, espero que vejamos muito mais foco nas nuvens de soberania de dados para manter os dados dentro das nações ou dentro de um determinado local físico. Este é um modelo de nuvem muito mais especificado que estamos começando a ver no EMEA com Gaia-X. Alguns verão isso como um obstáculo, mas uma vez implementado, isso será uma coisa boa, pois coloca a privacidade do consumidor no centro da estratégia de negócios.

– Danny Allen, CTO, Veeam

NOVAS ABORDAGENS DE GERENCIAMENTO DE DADOS NA BORDA VIRÃO À TONA

Veremos a escala de análise de dados no limite para reduzir dados ou executar o afinamento de dados para que o software de análise possa fornecer melhores insights e valor à equipe de gerenciamento de uma organização para lidar com o volume de dados que agora está sendo gerado fora do data center e nuvem (a Garter diz que até 2025 serão 75% de todos os dados). As plataformas de computação de borda de hoje não foram projetadas para lidar com isso — uma nova abordagem é necessária para armazenar os dados de forma econômica, “diluir” os dados, encontrando apenas as partes úteis, facilitando posteriormente que análises, aprendizado de máquina e IA extraam valor para as organizações.

– Bruce Kornfeld, CPMO da StorMagic

A INDÚSTRIA DE CIÊNCIA DE DADOS ESTÁ COMETENDO O ERRO DE COLOCAR MODELOS ANTES DE DADOS LIMPOS

Sem limpar os dados, cada modelo desenvolvido e proposto fornecerá dados sujos e insignificantes, o que tornará impossível dizer se a IA projetada para padronizar os dados está funcionando como deveria. Essa prática afeta a posição de cientista de dados e cria questões de confiança em torno do uso da IA no gerenciamento de dados. Para utilizar com sucesso os dados em todo o seu potencial, as empresas devem dar o primeiro passo para padronizar os conjuntos de dados, a fim de transformar um setor verdadeiramente.

— Dr. Ron Bekkerman, CTO, Cherre

VAMOS ABRAÇAR OS TECIDOS DE DADOS

Os desafios de gerenciamento de dados não desaparecerão em 2022, por isso as empresas precisarão construir e adotar arquiteturas de tecido de dados para agilidade e tomada de decisão dinâmica. Em vez de simplesmente enviar dados por um caminho a ser armazenado, dimensionado ou analisado, um tecido de dados é capaz de direcionar dados para uma área de retenção para que possam ser usados enquanto são mais relevantes. Com o big data apoiando as metas de negócios de 72% das organizações,a implementação adequada do tecido de dados é uma evolução natural que ajuda as empresas a serem mais informadas mais rapidamente.

– Stefan Sigg, Diretor de Produto da Software AG

BANCOS DE DADOS GRÁFICOS: UM COMPONENTE IMPERDÍVEL DO CENÁRIO DE DADOS DE 2022

De acordo com a Gartner Research, até 2025, as tecnologias gráficas serão usadas em 80% das inovações de dados e análises, contra 10% em 2021, facilitando a rápida tomada de decisões em toda a empresa. À medida que o volume de dados criados e replicados em toda a empresa continua a aumentar, a tecnologia de gráficos escaláveis tornou-se o elo crítico entre grandes quantidades de dados e insights importantes de negócios. O gráfico se tornará um grande diferencial competitivo entre as empresas de vários setores — desde serviços financeiros e saúde até varejo e manufatura. Os gráficos podem rapidamente destacar, descobrir e prever relacionamentos complexos dentro dos dados — insights que descobrem fraudes financeiras ou ajudam a resolver desafios logísticos dentro da cadeia de suprimentos.

Ao longo de 2022, mais empresas aplicarão o poder da análise de gráficos para apoiar aplicações avançadas de análise e machine learning, incluindo detecção de fraudes, antilavagem de dinheiro (LMA), resolução de entidades, cliente 360, recomendações, gráfico de conhecimento, cibersegurança, cadeia de suprimentos, IoT e análise de rede. Os gráficos ficarão ainda mais ligados à ML e à IA. O Gartner ainda relata que “cerca de 50% das consultas de clientes do Gartner sobre o tema da IA envolvem uma discussão em torno do uso da tecnologia de gráficos”.

– Richard Henderson, Diretor Técnico da TigerGraph

OBTENHA VALOR DE DADOS, IA OU PERCA PARA OS CONCORRENTES E SEJA ENCURTADO PELOS INVESTIDORES

Encontraremos uma definição melhor da “democratização dos dados”, particularmente a engenharia de dados. À medida que mais pessoas entre organizações e funções de trabalho se abraçam e se envolvem com dados, a engenharia de dados continuará a evoluir para permitir que esses indivíduos trabalhem no mesmo espaço de forma colaborativa. A engenharia de dados eficaz é necessária para usos significativos a jusante, incluindo aprendizado de máquina e análises. Assim, a engenharia colaborativa de dados será vital para permitir que desenvolvedores que preferem SQL e Python façam seu trabalho ao lado daqueles que recorrem a ferramentas visuais assistidas por IA. As ferramentas baseadas em nuvem tornarão isso cada vez mais disponível.

Assim, as soluções de código baixo e sem código se tornarão cada vez mais difundidas, especialmente quando permitem que os codificadores façam seu trabalho no mesmo espaço que os usuários de negócios. Essas ferramentas mais sofisticadas e de última geração terão assistentes de programador automáticos e adotarão técnicas modernas que permitem que os não-codificadores criem programas personalizados sem perceber essencialmente.

Finalmente, a engenharia de IA está mudando: pense em “operações de aprendizado de máquina”. Este campo vai explodir em crescimento, pois muitas start-ups tornam os componentes deste mais acessíveis e práticos.