Determinar o valor de Big Data para os negócios, ter uma estratégia bem definida e encontrar talentos especializados são os três maiores desafios das empresas para colocar as iniciativas em prática.
O Big Data está a mostrar-se cada vez mais como uma ferramenta poderosa que promete transformar os volumes massivos de dados de uma organização com inteligência, fornecendo uma visão profunda dos negócios.
Tantos atractivos podem levar a empresa a uma armadilha, caso não seja criada uma estratégia adequada de adopção do modelo.
Conheça cinco importantes pontos que deve ter em mente ao desenhar a sua estratégia para o Big Data.
1 – Pensar sobre Big Data
A análise de Big Data começa a partir de grandes fornecedores de serviços Web, como a Google, Yahoo e Twitter, todos necessários para tirar o máximo proveito dos dados gerados por utilizadores.
Pode ser uma empresa muito pequena e ter um monte de dados com os quais trabalhar. Um fundo de investimento pequeno pode ter terabytes de dados para analisar. Nos próximos anos, um grande número de indústrias – incluindo os sectores da saúde, retalho, fabrico e público – vai beneficiar financeiramente da análise dos seus dados, segundo um relatório recente da consultora McKinsey.
Há um ar de inevitabilidade com o Hadoop e as implementações de Big Data, disse Eric Baldeschwieler, director de tecnologia da Hortonworks, uma “spin-off” do Yahoo, que oferece uma distribuição Hadoop. É aplicável a uma grande variedade de clientes. Recolher e analisar dados transaccionais dará às organizações mais conhecimento sobre as preferências dos seus clientes.
Ele pode ser usado para informar melhor sobre a criação de novos produtos e serviços, e permitir que as organizações resolvam os problemas emergentes mais rapidamente.
2 – Dados úteis podem vir de qualquer lugar (e estar em toda a parte)
Não pode pensar que os seus petabytes de dados merecem uma análise mais detalhada, mas precisa de recolher todos os dados disponíveis, diz Baldeschwieler.
Os dados podem ser grandes ficheiros do “log” do servidor, por exemplo, que podem oferecer “insights” sobre o que os seus clientes estão procurando, dependendo dos níveis de granularidade.
Outra fonte de dados são os sensores. Há anos, os analistas falam da Internet das Coisas, em que sensores baratos ligados à Internet oferecem fluxos contínuos de dados sobre o seu uso.
Eles podem vir de carros, ou pontes, ou máquinas de refrigerantes. “O valor real em torno dos dispositivos é a sua capacidade para capturar os dados, analisar essas informações e transformá-las em ganhos de eficiência dos negócios”, diz Kevin Dallas, gestor-geral de sistemas Windows, da Microsoft.
3 – Vai precisar de novos conhecimentos para Big Data
Ao configurar um sistema de análise de um grande volume de dados, o seu maior obstáculo será encontrar o talento certo para trabalhar as ferramentas de análise dos dados, de acordo com a analista James Kobielus, da Forrester Research.
O Big Data baseia-se numa sólida modelação dos dados. As organizações terão de se concentrar em ciência de dados, diz Kobielus. Em contratar modeladores estatísticos, profissionais de extracção (“mining”) de texto, pessoas que se especializem em análise de sentimento. Cargos que podem estar em falta.
Em 2018, só os Estados Unidos podem enfrentar a escassez de 140 mil a 190 mil profissionais com profundas capacidades analíticas, bem como 1,5 milhões de gestores e analistas com “know-how” para usarem a análise de Big Data e tomarem decisões eficazes, dizem os analistas da McKinsey.
Outra capacidade que será preciso ter é a de combinar grandes quantidades de hardware necessários para armazenar e analisar dados em profusão. Gerir 100 servidores é um problema fundamentalmente diferente de gerir 10.
4 – Big Data não requer organização anterior
Os CIOs que têm planeado rigorosamente cada tipo de dados armazenado num Enterprise Data Warehouse (EDW) podem ficar mais aliviados com as configurações de Big Data. Aqui, a regra é recolher os dados primeiro e depois preocuparem-se em como usá-los mais tarde.
Com um “data warehouse”, tem que se eliminar o esquema de dados para que se possa começar a usar os próprios dados.
“Isso basicamente significa que se tem que saber o que se está procurando de antemão”, disse Jack Norris, vice-presidente de marketing da MapR. Em resultado disso, “está-se a comprimir os dados e a perder alguma granularidade”, disse. “Mais tarde, se mudar de ideias ou quiser fazer uma análise histórica, estará limitado”.
“Você pode usar um grande repositório de dados como uma lixeira, e fazer a análise em cima dela, para descobrir as relações mais tarde”, disse Norris.
5 – Big Data não é apenas Hadoop
Quando as pessoas falam de Big Data, a muitas vezes estão a referir-se à plataforma Hadoop.
“O Hadoop é uma iniciativa ‘quente’, com orçamentos e profissionais dedicados” em muitas organizações, afirma Kobielus. Em última análise, no entanto, podem-se usar outros softwares.
Não por acaso, estudos recentes da Gartner apontam que a determinação do valor de Big Data para os negócios, a concepção de uma estratégia bem definida e a contratação de talentos especializados são hoje os três maiores desafios das empresas para colocar iniciativas de Big Data em prática.
Ao questionar os executivos sobre os desafios para implementação de Big Data, 56% destacaram não saber como determinar o valor dessa iniciativa para os negócios. Outros 41% mencionaram a falta de estratégia definida para esse tipo de projectos e outros 34% apontam a escassez de talentos especializados como uma das principais barreiras.
Entre as razões para ter Big Data, 55% apontaram a necessidade de melhorar a experiência com o utilizador, 49% mencionaram ganhos de eficiência nos seus processos, e 42% querem investir em novos produtos e modelos de negócios.