pt

Seis principais tendências de BI e analytics para 2016

dezembro 01, 2015

Previsões da TARGIT para as novas tendências do mercado de business intelligence e analytics para o próximo ano.
Todo ano, neste período, gosto de analisar o desempenho do mercado de business intelligence e analytics ao longo do ano que passou e o quão bem a TARGIT conseguiu realizar previsões, acompanhamentos, e em muitos casos, superar a evolução das tendências e padrões do mercado. Em relação ao final de 2014, eu previ que 2015 seria um ano de aumento na governança de dados, no BI incorporado, em visualizações de dados simplificadas, e da experimentação de dados. E conforme a popularidade significativa do Decision Suite 2015 no mercado, eu diria que estava certo.

Enquanto eu prevejo algumas mudanças, tais como aumento na governança de dados, que continuará em crescimento, consigo visualizar novas mudanças no mercado de BI e analytics sendo o centro das atenções em 2016.

Deseja uma cópia deste artigo? Faça o download da versão em PDF.

1. Descoberta de big data de autosserviço toma à frente.

Historicamente, a descoberta de dados de autosserviço e análises de big data eram dois recursos distintos de business intelligence. Eu prevejo que logo veremos uma mudança maior na junção entre estes dois mundos. No passado, a descoberta de dados ficou conhecida devido à sua facilidade de uso, porém com profundidade de exploração limitada.

O tipo de ciência de dados necessário para fornecer análises eficazes para big data é normalmente lento, complexo, e de difícil implementação. 2016 verá uma expansão de big data analytics com ferramentas que tornam possível aos usuários de negócios desempenharem o autosserviço de exploração com big data sempre que necessário, sem interação da TI. Uma adoção mais ampla está a caminho.

Saiba mais sobre a descoberta de dados de autosserviço no vídeo abaixo:

2. Explosão em projetos de advanced analytics

Referente à minha primeira previsão, eu antecipei um alto crescimento de projetos de advanced analytics em todos os mercados. Entretanto, isto não garante a sua eficácia. Assumir uma estratégia que gira em torno de um grande aumento de projetos de analytics, especialmente aqueles que envolvem big data, pode tornar-se uma tarefa complicada para empresas de todos os portes. Eu não ficaria surpreso ao ouvir de muitos fornecedores e clientes, que o sucesso desta implementação está sendo árduo.

Saiba mais sobre como criar um projeto de analytics acessível: O Ciclo de Ação

3. Concepção inteligente a respeito da inclusão de dados

Dito isto, eu acredito que o ano de 2016 será o de inclusão de dados inteligente. Muitas das empresas que foram as pioneiras na adoção de big data analytics, ainda quando estes eram novidade, não conheciam o seu verdadeiro objetivo. Através destas ferramentas foi possível analisar tudo, e era exatamente isso que os usuários estavam fazendo. Como resultado, eram gerados inúmeros relatórios e análises que abrangiam diversos pontos, e não forneciam o panorama real da empresa.

Esta é a hora para aqueles que desejam tornarem-se ainda mais experientes em relação à big data e dados externos que são crucias para a tomada de decisões. Os projetos de BI com descoberta de big data serão ainda mais realísticos e permitirão um maior foco.

Saiba mais sobre a inclusão de dados inteligente: As Métricas que Importam

4. BI Bimodal em ascensão 

Assim como as tendências, tais como a disseminação da descoberta de dados em big data, as empresas precisam aprender a lidar com os montantes de dados não estruturados, semiestruturados, incompletos, e massivos, que estão disponíveis atualmente. É por esse motivo que é possível notar um aumento no que alguns analistas referem-se como "BI bimodal", que aborda tanto a necessidade do analytics ágil e de fácil utilização, quanto a confiabilidade e segurança dos dados.

Uma estratégia de BI bimodal deve não apenas facilitar o funcionamento do negócio tradicional—o clássico data warehouse e os ciclos contínuos de decisões—mas também a descoberta e a inovação. BI bimodal é centralizado (iniciativas de toda a empresa) e descentralizado (mudança, inovação, e exploração). Uma estratégia de business intelligence bimodal é desenvolvida, tendo em mente a flexilidade e distribuição em massa.

Saiba mais sobre o BI bimodal: A nova estratégia de BI das empresas modernas

5. A governança de dados ganha mais uma estrela de ouro

A ênfase cada vez maior no analytics de autosserviço e distribuição de massa é a razão pela qual a governança de dados é uma parte essencial de cada estratégia de BI bimodal. A fim de implementar com sucesso uma estratégia que não utiliza apenas o Bi tradicional, mas dá ênfase a inovação e experimentação, a segurança deve ser vista sob uma nova perspectiva.

A maneira tradicional de abordar a governança de dados—centralizada, estrita, e segura—ainda é valida para empresas com data warehouses multidimensionais, porém, é ineficiente, repleta de gargalos inevitáveis, e dificulta a experimentação. A fim de promover a inovação e experimentação entre equipes, uma nova maneira de abordar a governança de dados se faz necessária. Uma estratégia descentralizada de governança de dados é necessária para cada tipo de descoberta de dados ad-hoc, porém, de preferência, com uma equipe centralizada, que possa interromper o acesso de quaisquer modelos de integração de dados errôneos.

Da perspectiva técnica, as plataformas de BI precisam de capazes de estabelecer inúmeros níveis de permissões e configurações para garantir a alta qualidade dos dados entregues as pessoas certas e no momento certo.

Saiba mais sobre como melhorar a sua estratégia de BI com a governança de dados: Governança de dados: o equilíbrio ideal para a sua estratégia bimodal

6. Estratégias sandbox analytics 

Conforme mencionei acima, a governança de dados deveria resolver as necessidades da experimentação de dados em um ambiente seguro. Porém, a experimentação de dados não é ideal para todos na empresa. Nem todos os dados—não importa o quão potencialmente úteis—devem ser compartilhados imediatamente com todos da empresa, ou ainda, com todos os departamentos, até que a experimentação, tratamento, e organização para a qualidade tenham sido realizadas.

Isto explica o porquê eu prevejo o crescimento do “sandbox analytics”, Com isso me refiro à criação de pequenos grupos isolados de usuários de BI, para produzir, experimentar, e compartilhar dados, antes de considerar a adoção mais ampla em toda a empresa.

Saiba mais sobre o conceito de sandbox analytics: Melhore a qualidade dos dados com sandbox analytics


Share