Quem está na área de Tecnologia da Informação já há uns bons anos, como é o meu caso, está acostumado a mudanças constantes e cada vez mais velozes que permitem, e exigem, que tantos os profissionais como as empresas passem por processos de adaptação e, muitas vezes de reinvenção, para rapidamente fazer uso destas novidades e obter os ganhos esperados destas melhorias tecnológicas.
Os ERP’s eram uma grande novidade, resolviam os principais problemas operacionais e garantiam integridade e consistência às operações e às informações da empresa. Grande passo inicial, mas que num segundo momento, que surgiu muito rapidamente, demonstrou ainda a grande carência de sistemas de suporte à decisão que fizessem uso, efetivo e eficaz, desta base dados que começava a ser montada com os dados transacionais dos ERP´s.
A solução definitiva pareciam ser os sistemas de Inteligência de Negócios, ou melhor dizendo, o Business Intelligence (BI) com que todos estamos acostumados. E sistemas demandava grande esforço das empresas, de tempo e custo, para a sua modelagem, a criação das interfaces com os ERP´s e demais sistemas corporativos e, geravam informações que serviam para analisar o passado recente com os seus “dashboards”, ou painéis de controle, numa tradução mais livre. Sempre careceram de informação que permitisse às empresas fazer análises preditivas e utilizar a base de dados, que a cada vez ficava maior, para pensar em comportamentos futuros e moldar novas estratégias que permitissem a estas empresas a geração de diferencial competitivo.
Quando o volume de informações geradas passou para o nível astronômico que vemos hoje, em que algumas empresas já contam as bases de dados em peta bytes, haja zero para representar este número, as empresas deixaram de ter carência de informações de qualidade, mas começaram a ter problemas em saber como utilizá-la de forma objetiva e eficaz para entender melhor os seus negócios e gerar vantagens competitivas em relação aos seus concorrentes.
Conceito de Big Data
Surgiu, então, o conceito de Big Data e toda uma série de aplicativos que conseguiam trabalhar com tal volume de informação de uma forma mais amigável, e que se bem trabalhada permitia às empresas conhecer melhor o seu mercado, e entender os pontos fortes e fracos de seus produtos a partir das informações obtidas do comportamento de seus consumidores. O Analytics propriamente dito começou a ser utilizado de forma mais abrangente e trouxe informações de qualidade às empresas que o utilizavam, tanto em áreas como marketing, operações, finanças e por aí vai.
Neste momento começou a ocorrer de forma surpreendente uma reaproximação dos meios acadêmicos e empresariais para resolver problemas concretos e urgentes. Esta reaproximação permitiu a difusão de forma muito acelerada no mundo empresarial de conceitos que já existiam há muito no meio acadêmico, mas que ainda eram pouco difundidos fora desta seara.
Surgimento da Artificial Intelligence (AI)
O principal conceito que já parecia desgastado, mas que agora surge com força impressionante é o de AI, Artificial Intelligence, que durante décadas foi cantado em prosa e verso sem gerar benefícios visíveis para as nossas atividades de meros mortais. Por meio de um dos sub-ramos de AI, o Data Science, não achei ainda uma tradução muito adequada em nosso português, começamos a ter a ciência aplicada nas atividades empresariais para resolver problemas não lineares, muito aleatórios e que pudessem ter um padrão determinado através da aplicação de vários, e sofisticados, algoritmos matemáticos trabalhando com este imenso volume de dados históricos.
Surgimento do Machine Learning
Surgiu aí o grande conceito de Machine Learning, lá vem mais um termo em inglês, que permite utilizarmos bases históricas para mapear comportamentos passados em padrões não lineares e gerar previsão de comportamentos futuros. Trocando em miúdos, a utilização de Machine Learning permite que empresas consigam, por exemplo, a partir de dados históricos de vendas, determinar previsões futuras de suas vendas com um nível de acerto muito interessante. Estas aplicações já existem em empresas líderes de mercado e demonstra retorno comprovado, com ganhos expressivos gerados através de cross-sell e up-sell e também redução de custos operacionais, diminuição de perdas e falta de mercadorias.
Em decorrência deste tipo de utilização que acabei de citar fica claro que o Machine Learning já vem encontrando internacionalmente larga utilização no varejo e, também, começando de forma muito rápida no mercado Brasileiro.
Outras indústrias que se beneficiam do Machine Learning são todas as empresas que possuem uma grande base de clientes e que após gastarem muito dinheiro na aquisição de novos clientes acabam perdendo outros tantos sem ter condições de antever esta situação a partir de comportamentos históricos, e tomar medidas de fidelização destes clientes, que são muito menos custosas que uma nova aquisição de interessados.
Neste segmento podemos incluir indústrias como Telecom, TV por assinatura, Bancos, Companhias de cartão de crédito, Seguradoras e tantas outras com características semelhantes.
A Tecnologia da Informação vem percorrendo um longo caminho de forma muito rápida nos últimos anos, desde as melhorias operacionais e consolidação e melhor tratamento de informações que vão do ciclo ERP até o Big Data, chegando ao nível de definição e ajuste de estratégia de negócios proporcionado pelo Machine Learning.
Seguem algumas questões: Onde está a sua empresa hoje e onde ele quer chegar nos próximos anos? Sua empresa será pioneira, correrá riscos, e poderá obter os maiores ganhos, ou será uma seguidora?
Profissional de Excelência Operacional e Business Intelligence!
Sou um eterno aprendiz ou seja um pseudo-Engenheiro e Administrador de Empresas, embora nunca tenha sido um exemplo de “excelência” em Matemática, ao longo dos anos passo a maior parte do meu tempo tentando aprender a mesma e, particularmente, a estatística uma vez que, salvo muito engano, é ela que rege nossas vidas na busca da Excelência seja como pessoa ou como profissional.
One thought on “Big Data, Analytics, Machine Learning, o que fazer ?”
Comments are closed.