Mídia

Dez tendências da análise de dados em 2022

Uma nova dinâmica de mercado será imposta às empresas perante desafios globais, como a pandemia, que mostrou como forças externas afetam a cadeia de suprimentos.

Uma nova dinâmica de mercado será imposta às empresas por conta dos desafios globais, como a pandemia, que demonstrou em que medida forças externas afetam a cadeia de suprimentos. 

Da mesma forma que os problemas são sistêmicos, as soluções para os desafios comerciais devem ser coletivas, através do compartilhamento de recursos, processos e pessoas. 

Leia também: Pulso de Verão traz as tendências e perspectivas do primeiro trimestre

Com base nesse contexto, a transformação digital já não basta. Agora, as empresas necessitam de inovação digital, que coloca várias oportunidades para a geração de dados e insights

E-isso que afirma a Qlik – multinacional referência em integração e análise de dados – no novo e-book Tendências em Business Intelligence e Dados para 2022, que pode ser baixado gratuitamente neste link

Conheça abaixo as dez tendências que vão ditar os rumos da análise de dados:

1) Mineração de colaboração

Por conta da pandemia, a colaboração e a inteligência de negócios viraram coisas inseparáveis, pois a incorporação de aplicativos de fluxos de trabalho no home office expandiu as possibilidades de colaboração com partes externas. 

Apenas a colaboração não basta para chegar ao final da cadeia, depois da descoberta dos insights. Ela deve chegar antes, quando ocorre a geração dos dados derivados.

2) Vida longa ao ‘dashboard’

Apesar de se ter falado bastante em relação ao fim do dashboard, a ferramenta provavelmente ainda vai continuar por um certo período. Mais do que simples monitoramento de KPIs, o dashboard evolui para disponibilizar análises investigativas profundas, embasadas por aplicativos de análises avançadas e interativas. 

Segundo a pesquisa da IDC, somente 33% dos executivos se sentem à vontade para questionar os KPIs e as métricas aplicadas nas empresas em que atuam. 

3) ‘Business intelligence’ compreensível

Conforme os dados se tornam mais distribuídos e fragmentados, dentro e fora das organizações, os analistas também encontram mais dificuldades para explicá-los por trás de métricas, KPIs ou cálculos. 

Nesse contexto, a linhagem de dados se torna fundamental para triangulá-los, explicá-los e ampliar a confiança dos usuários para reagir aos insights gerados através desses dados.

4) Foco nos custos 

Enquanto passaram por uma modernização e foram adotados em larga escala, os data warehouses e data lakes permitiram consultar grande quantidade de dados, em tempo real. 

Porém, isso pode gerar a falta de controle sobre os custos da computação em nuvem. Por isso, é essencial utilizar uma abordagem de gerenciamento de dados e analytics baseada em frequência e latência, para identificar o momento em que a atualização em tempo real é exigida. 

5) Nuvens distribuídas 

A maioria das empresas não procura mais uma solução de TI única e universal. Elas escolhem um conjunto de ferramentas que se adeque às exigências de custo, desempenho e governança de cargas de trabalho variadas. 

Nesse contexto, contar com uma infraestrutura distribuída em nuvem fortalece a capacidade da empresa de acessar e compartilhar dados entrelaçados de forma segura. 

6) ‘Insights’ incorporados 

Para criar uma abordagem colaborativa, de fora para dentro, a empresa precisa abrir o analytics para todo o ecossistema, incluindo parceiros e clientes – todos devem ter algum benefício, até mesmo o cliente do cliente. 

Os insights devem surgir para cada usuário e processo de negócios. Ao passo que os microinsights contextualizados forem mais difundidos, a confiança no sistema irá crescer.

7) Automação de aplicativos 

Com a economia da API, novas maneiras de entrelaçamento em ações conjuntas são abertas para empresas, parceiros, clientes e até concorrentes. Assim, a automação de aplicativos é considerada uma nova área forte, pois acaba com a necessidade de escrever códigos dessas integrações, fazendo a oportunidade se tornar muito mais acessível para uma quantidade superior de atores.

8) Ampliação da capacidade de todos

Com os dados amplamente disponíveis e os usuários de negócios capazes de criar os próprios aplicativos, a alfabetização de dados permanece como algo essencial. Apesar de ainda ser encarada como pouco acessível, a ciência de dados – quando sobreposta ao analytics – vai aumentar a capacidade de todos e o que é feito nos laboratórios poderá alcançar escala.

De acordo as informações do levantamento da Gartner, até 2025, a escassez de cientistas de dados não vai mais impedir a adoção da ciência de dados e aprendizagem de máquina nas empresas.

9) Alta prioridade para segurança 

Em 2021, as equipes de segurança e compliance tiveram que se atualizar com a acelerada digitalização, causada pela pandemia. Desse modo, a segurança começou a liderar a intenção de investimentos dos CIOs, segundo a pesquisa anual da Gartner. Novos métodos estão sendo pensados para proporcionar mais interoperabilidade com confiabilidade, como a utilização dos padrões abertos.

10) ‘Data mesh’ para dados distribuídos

A necessidade de acessar dados com rapidez em cenários cada vez mais distribuídos tem exigido uma gestão integrada das empresas. Cada vez mais os dados vão ser tratados como produto para tornar mais rápida a integração de clientes e fornecedores e aprimorar o gerenciamento do inventário. 

Possuir uma arquitetura com a capacidade de lidar com esse rápido crescimento de dados – no lugar de uma plataforma de dados centralizados – vai permitir que tanto a empresa quanto o ecossistema virem mais ágeis e robustos.