Continuando nossa série sobre transformação digital, hoje falaremos sobre a estratégia de dados. Os dados são a matéria prima da informação.

É possível dizer que os dados são o petróleo do século XXI. Com um detalhe interessante. O petróleo é um ativo finito e restrito (concentrado nas mãos de poucos). Os dados são ativos infinitos e mais acessíveis, embora os gigantes Google e Facebook de alguma maneira concentram estes ativos em suas plataformas. Entretanto é bem mais barato produzir, armazená-los e aplica-los em seus negócios. Quem dominar dos dados dominará o mundo dos negócios. A informação são dados em um contexto. No nosso caso é um contexto de negócios.  

O papel dos dados para negócios está mudando drasticamente. Muitas empresas que usaram dados como parte específica de suas operações estão agora descobrindo uma revolução dos dados: os dados estão sendo fornecidos por novas fontes e aplicados a novos problemas.

No passado, os dados eram usados para avaliar e gerenciar processos de negócios e para ajudar nas previsões e no planejamento de longo prazo. Eram dispendiosos de produzir, caro para armazená-los em bases de dados separadas que reproduziam os departamentos das operações de negócios e usados para otimização das operações em curso.

A análise sobre das informações se limitava a uma pequena quantidade de hipóteses que era definido bem antes da coleta dos dados. Em outras palavras, esta fase do armazenamento e processamento dos dados pode ser chamado de small data.

Small data refere-se a fatores, tais como, custo, recursos, dificuldades de geração, processamento, análise e armazenagem dos dados e a limitação do volume dos dados. Possui padrões e estruturas que não permitem grandes volumes e variedades de dados.

Os modelos de small data trabalham com um nível muito baixo de incerteza. Seu modelo, necessariamente, é simples. Seu entendimento sobre os cenários incertos é pequeno. Qualquer conclusão a longo prazo derivada destes dados precisa ser cautelosa, pois pode trazer erros de avaliação.

As principais características de um small data são: volume de dados limitados; população dos dados é por amostragem; visão dos dados vai de superficial, fraco a moderado até forte; a relação entre os dados vai de fraco ao forte; a velocidade é lenta, limitada; variedade de limitada a generalizada; e a flexibilidade e escala de baixo a médio nível.

O objetivo final do small data era levar a otimização dos processos operacionais do cotidiano das organizações, e gerar conhecimento (aprendizado).

Embora com as características limitantes do small data, ele fornece muitos recursos para as empresas construírem suas estratégias e melhorarem seu desempenho no mercado (É um assunto para uma futura série falando sobre BI – Inteligência de Negócios).

Inteligência de negócios baseados em dados nada mais é que agir conforme o conhecimento adquirido pelas informações coletadas e processadas nos modelos do small data. No contexto da transformação digital estes modelos estratégicos gerados pelo small data não conseguem dar conta do recado. Os dados são ativos intangíveis e são valiosos não só para empresas como Google e Facebook. São importantes para qualquer negócio, e negligenciá-los é perigoso.

Para tratar os dados como ativo, você precisa desenvolver uma estratégia de dados em sua organização. As empresas menores, porém, e os setores menos ricos em dados também devem desenvolver estratégias prospectivas para seus dados.

Os cinco princípios seguintes devem orientar qualquer organização no desenvolvimento de sua estratégia de dados:

• Reúna diversos tipos de dados: os dados sobre os processos de negócios (usados para gerenciar e otimizar as operações de negócios, reduzir riscos e cumprir as exigências de apresentação de informações aos órgãos de fiscalização). Os dados sobre produtos e serviços são essenciais para o valor central de seus produtos e serviços. Os dados dos clientes são muito variados (transações, pesquisas de opinião, avaliações, comentários em mídias sociais, comportamento de busca pelos clientes e padrões de navegação em seu site.
• Usar os dados como camadas preditivas na tomada de decisões: é preciso planejar como a organização usará seus dados para tomar decisões mais esclarecidas em todas as áreas do negócio.
• Aplicar dados à inovação de novos produtos: Podem ser usados como trampolim para imaginar e testar inovações de novos produtos.
• Observe o que os clientes fazem, e não o que dizem: os dados comportamentais são algo que mede diretamente as ações dos clientes. Os dados comportamentais são sempre os melhores dados sobre os clientes.
• Combine os dados entre os departamentos: um dos aspectos mais importantes da estratégia de dados é procurar meios e modos de combinar conjuntos de dados até então segregados e ver como eles se relacionam uns com os outros.

Pensar nestas estratégias são extremamente necessárias porque há uma mudança drástica em curso no papel dos dados para negócios. Os dados estão extrapolando os limites da organização para transformaram-se em vetor de inovações baseados em novas fontes de informação aplicados a novos problemas. Estes dados estão sendo estruturados em um novo modelo de armazenagem e processamento dos dados conhecido como big data.

Uma das definições de big data sãos os três Vs (volume, variedade e velocidade):

• Volume: grande volume de dados;
• Variedade: grande variedade de fonte e tipos de dados;
• Velocidade: grande capacidade de processamento dos dados armazenados.

A característica mais importante do big data é a sua falta de estrutura de dados do que o seu volume em si. O fenômeno do big data é mais bem compreendido em termos de duas tendências inter-relacionados: o rápido crescimento de novos tipos de dados não estruturados e o avanço acelerado de novas capacidades para o gerenciamento e a compreensão desse tipo de dados pela primeira vez. O impacto dessas tendências é arrematado por uma terceira tendência: a ascensão de uma infraestrutura de computação na nuvem, que torna o potencial do big data cada vez mais acessível para cada vez mais empresas.

Entender os potenciais do big data para melhor construir seus ativos de dados é, juntamente com os domínios anteriores, um desafio para toda a organização. Esta nova visão dos dados merece uma série de artigo sobre este novo conceito de armazenagem de dados para explorar suas complexidades e aplicações, bem como tratar também de outro conceito: a ciência dos dados.

Pense em como você está cuidando e explorando seu petróleo. Ele não tem fim, mas não deve ser desperdiçado.

Bibliografia:

DAVENPORT, T.H. Big data no trabalho: derrubando mitos e descobrindo oportunidades. Rio de Janeiro: Elsevier, 2014.

FARAWAY, J.; AUGUSTIN, N. When small data beats big data. Statistics & Probability Letters. Volume 136, p. 142-145, May 2018.

FRIDEMAN, T.L. Obrigado pelo atraso: um guia otimista para sobreviver em um mundo cada vez mais veloz. Rio de Janeiro: Objetiva, 2017.

KITCHIN, R.;LAURIAULT, T. Small Data in the era of big data. GeoJounal  80(4); p. 463-475,  August 2015.

__________. Small Data, Data Infrastructures and Big Data. GeoJounal  80(4); p. 463-475, 2014

MAYER-SCHÖNBERGER, V.; CUKIER, K. Big data: como extrair volume, variedade, velocidade e valor da avalanche de informação cotidiana. Rio de Janeiro: Elsevier, 2013.

ROGERS, D.L. Transformação digital: repensando o seu negócio para a era digital. São Paulo: Autêntica Business, 2018.

Prof. Me. Sergio Alexandre de Castro
Professor de Inteligência de Negócios no curso de Gestão da Tecnologia da Informação – FATEC JAHU
Gestor de Tecnologia da Informação – Mariotta Calçados.

Organizador do Podcast Bom dia com Poesia e do site www.bomdiacompoesia.com.br