Analítica Aumentada: dos dados às decisões de negócio
Estávamos em 12 de fevereiro de 2002. Donald Rumsfeld, Secretário de Defesa norte-americano, era questionado sobre a falta de evidências que ligam o governo do Iraque ao fornecimento de armas de destruição massiva. Rumsfeld contorna o incómodo da pergunta com uma frase próxima de:
"Relatórios que dizem que algo não aconteceu são sempre interessantes (...), como sabemos existem coisas que sabemos (known knowns) e outras coisas que sabemos que não sabemos (known unknowns). Mas o que tende a ser mais difícil são aquelas coisas que não sabemos que não sabemos. (unknown unknowns)”
O que sabemos, o que não sabemos e o que não podemos saber
Em 2007, dois sociólogos alemães (Daase and Kessler) concordaram que a política pode ser determinada pela relação entre o que sabemos,o que não sabemos e o que não podemos saber. Mas Rumsfeld deixou, intencionalmente, de lado o que recusamos a reconhecer que sabemos (unknown knowns).
Também no domínio dos negócios, os termos explorados por Rumsfeld são frequentemente utilizados. Por exemplo, em gestão de projetos os "known unknowns” referem-se a riscos conhecidos (ex.: perder um voo), enquanto que os "unknown unknowns”referem-se a riscos tão inesperadas que, tipicamente, não são considerados.
Um decisor necessita maximizar o seu conhecimento do negócio, uma vez que, ao suportar as suas decisões em dados, está, simultaneamente, a suportar as suas decisões em factos. Mas de que forma os dados ajudam os decisores a detetar erros, mitigar riscos e a tirar proveitos de oportunidades desconhecidos?
O papel da Analítica Aumentada
Augmented analytics ou, em português, Analítica Aumentada, utiliza a Inteligência Artificial, nomeadamente a aprendizagem automática e o processamento de linguagem natural, para ajudar na preparação de dados, bem como na geração e explicação de insights para aumentar a forma como as pessoas exploram e analisam dados.
Analítica Aumentada difere de ferramentas tradicionais de Analytics e Business Intelligence (BI) ao incluir uma componente de Inteligência Artificial que está constantemente a correr em segundo plano. Esta componente de IA permite, através de novos dados, alertar dinamicamente para o comportamento inesperado deuma métrica, por exemplo. Permite, igualmente, um rápido acesso ao conhecimento proveniente do tratamento de grandes quantidades de dados, ajudando, desta forma, a descobrir ideias ocultas, como os unknown unknowns, e a remover o viés humano, como os unknown knowns.
Através da implementação de analítica aumentada, as organizações podem democratizar o uso de dados para que todos os utilizadores e executivos possam tomar decisões baseadas em dados, sem a ajuda de cientistas de dados ou profissionais TI.
Modelo Data Analytics
O modelo de maturidade de Data Analytics da Oracle é constituído por 3 ondas: Centralizado, Self-Service e Augmented.
Na primeira onda obtêm-se dados centralizados e informações semânticas que resultam em definições de métricas consistentes. Desta forma, é garantida uma forte "Governance” que é difícil de conseguir quando os dados estão espalhados por vários repositórios. Um exemplo é o Canonical Business Data da Fábrica de Dados, que consiste num formato único, no qual os dados de negócio podem, por exemplo, ser importados a partir de um SAF-T.
No modelo self-service, os utilizadores têm acesso facilitado aos dados, aumentando a produtividade e acelerando as decisões de negócio. Aqui, podem também ser utilizados dados referência de fontes externas, como os utilizados no Data Catalog Services na Fábrica de Dados, onde é disponibilizada informação geográfica, cambial, dados empresariais da InformaDB, entre outros.
Por fim, na terceira onda, no modelo Augmented Analytics – Analítica Aumentada – surge a aplicação de automação, aprendizagem automática e Inteligência Artificial para incrementar a velocidade com que se extrai conhecimento dos dados, permitindo que o negócio seja finalmente orientado a dados. Um exemplo na Fábrica de Dados, é a geração de insights a partir da deteção de anomalias que permite, por exemplo, alertar para um desvio significativo de uma despesa.
Analítica Aumentada, o presente e o futuro da análise de dados
Esta tendência disruptiva, que utiliza técnicas de Inteligência Artificial e Machine Learning para transformar a forma como o conteúdo da análise é desenvolvido, consumido ou partilhado, está a transformar todo o universo empresarial no campo da análise de dados. Agora é a altura certa para as organizações abraçarem uma componente chave do futuro dos dados e darem um passo em frente na inteligência de negócio.
