Oito tendências em Data Analytics

Nesse artigo de Murat Durmus, CEO da AISOMA (consultoria alemã especializada em inteligência artificial), ele destaca oito tendências na área de dados e analytics que achei interessante compartilhar por aqui e adicionar mais referências.

Automated Machine Learning (AutoML)

Trazer dados relevantes para capturar oportunidades é o diferencial competitivo dentro do mercado atual e, para isso, os times de ciência de dados devem gastar tempo extraindo insights e não tratando dados para serem processados pela inteligência artificial. Esse trabalho “bruto” inicial é o foco do AutoML e vem ganhando força por conta do crescimento exponencial de dados que temos visto a cada ano.

Para entender mais sobre AutoML, recomendo esse artigo.

Explainable Artificial Intelligence (XAI)

As recomendações ou tomadas de decisão vindas de sistemas de inteligência artificial geralmente utilizam algoritmos complexos para tirarem suas conclusões, o que acaba sendo uma caixa preta em termos de entendimento real do seu funcionamento.

Atuando nesse problema, Explainable AI é um campo de estudo que defende que os modelos de AI devem ser transparentes e terem seus resultados compreendidos e auditados pelos humanos. Conforme aponta esse artigo, não envolve apenas tecnologia, mas também governança e segurança.

Blockchain Analytics

Com a popularidade das criptomoedas, surgiu também a tecnologia Blockchain, que facilita o processamento de dados em rede. Blockchain Analytics é o uso dessa tecnologia para analisar dados, principalmente com foco em transações com criptomoedas. Nesse artigo (em inglês), o autor lista vários casos de uso, desde rastreamento de dados até análise de sistemas de IoT (Internet of Things).

Augmented Data Management (ADM)

A automação via Machine Learning também chegou para as tarefas de gestão e manuseio de dados. Desde integrar dados até garantir a qualidade (data quality), ADM automatiza tarefas que um cientista de dados teria que fazer para garantir a organização e integridade do banco de dados, checando anomalias, classificando/consertando campos de informação e realizando conexões entre fontes de dados. Esse artigo (em inglês) da Deloitte mostra as possibilidades e como essa tecnologia consegue otimizar até 45% da força de trabalho.

Graph Data Analytics

Análise de grafos é o fundamento da Análise de Redes Sociais (Social Network Analysis), então, a principal aplicação do Graph Analytics estaria nas redes sociais, onde a conexão entre usuários ou termos pode ser melhor visualizada por meio dos grafos, direcionados ou não, porém o Graph Analytics pode ser usado em qualquer dado que precisamos descobrir suas conexões com outros dados.

Abaixo está um exemplo de visualização de rede, onde cada imagem é a associação com o termo citado nas redes sociais. E nesse artigo, onde peguei a imagem, fala um pouco mais sobre análise de redes sociais.

Data Fabric Design

Ter os dados disponíveis e democratizados dentro de uma organização é um dos grandes desafios para atingir uma prática e mentalidade baseada em dados. Nesse sentido, o Data Fabric Design é um ambiente onde as informações e dados são distribuídas facilmente dentro da empresa, podendo serem acessadas por qualquer pessoa.

Além de contribuir para uma transformação digital, o Data Fabric Design possui como objetivo principal gerar valor para as áreas de negócio, aumentando a relevância do time de ciência de dados dentro da companhia. Esse artigo (em inglês) da IBM fala um pouco mais dos benefícios e motivos de se investir em DFD.

Continuous Intelligence (CI)

A geração contínua de valor por meio dos dados é o objetivo dos sistemas de Continuous Intelligence. Aqui, a inteligência artificial e equipe de desenvolvimento trabalham continuamente para identificar insights e oportunidades em tempo real para os times de negócio e gestores da organização.

Uma boa forma de entender CI é diminuir a participação humana na interpretação dos dados e deixar que a máquina aponte tendências e oportunidades em tempo real. Esse artigo (em inglês) da Forbes explica um pouco mais sobre o valor do CI pro negócio.

Augmented Analytics

Utilizar recursos de inteligência artificial para que assistentes virtuais gerem insights durante toda cadeia de dados é o foco do Augmented Analytics. A grosso modo, essa tecnologia busca facilitar a descoberta de oportunidades e insights por meio de interfaces customizadas e interativas composta por imagens, gráficos, vídeos e áudios. É como se a Alexa fizesse o papel de analista de dados e nos passasse um relatório de métricas de acordo com um briefing. Nesse artigo, o autor explica um pouco mais sobre as possibilidades envolvendo Augmented Analytics.

Para quem quiser conhecer mais sobre o autor do artigo, vale dar uma olhada em seu livro, disponível na Amazon.