Dados, Inteligência Artificial e Machine Learning dominaram o ano.

A última década marcou avanços extraordinários na tecnologia, abrindo caminhos para um novo ciclo que promete ser ainda mais disruptivo. Às portas dos anos 2020, a Ciência de Dados, a Inteligência Artificial (IA) e outros segmentos afins consolidaram sua posição de destaque e seguirão na pauta.

O relatório anual “Data Science and Machine Learning Market Study”, da Dresner Advisory Services, trouxe uma série de insights e informações sobre esse contexto. A começar pelo fato de que iniciativas relacionadas a Data Science e Machine Learning (ML), tais como análises preditivas, algoritmos avançados e mineração de dados, apareceram no oitavo lugar entre 37 tecnologias e práticas consideradas como prioritárias por empresas que adotaram IA e ML em 2019.

Os departamentos de marketing e vendas são os que demonstraram valorizar mais a ciência de dados como instrumento para ajudar a alcançar suas metas e resultados. Quatro em cada dez equipes afirmaram que os dados são essenciais para o sucesso de seus setores. Na sequência, apareceram os segmentos de Business Intelligence Competency Centers (BICC), Pesquisa e Desenvolvimento (P&D) e Gerência de Público.

O alto nível de interesse compartilhado por esses departamentos reflete esforços para definir novos modelos de receitas e melhorar a experiência dos usuários usando dados,  IA e ML. Um terço das empresas entrevistadas adotou alguma ferramenta do tipo, a maioria delas utilizando até 25 modelos diversos.

Entre os setores que mais acreditam no potencial de dados, ML e IA para seu sucesso no mercado estão os serviços financeiros e de seguros, assistência médica, atacado e varejo.

Outro dado interessante e que mostra o poder dessas tecnologias no mundo corporativo atual apontou que 70% dos departamentos de P&D têm maior probabilidade de adotar Data Science, ML e AI. Para o time da Dresner, isso é um indicativo de que o desenvolvimento dessas ferramentas deve aumentar ainda mais nos próximos anos.

Além do mais, 2019 foi o ano recorde em matéria de interesse das empresas nesse tipo de recurso. O levantamento, que começou a ser feito em 2014, vem mostrando ano após ano o crescimento desse interesse. “Desde então, expandimos nossa cobertura para refletir mudanças de opinião e adoção e adicionamos novos critérios, incluindo uma seção que abrange redes neurais”, comenta Howard Dresner, fundador e diretor de pesquisa da Dresner.

A ciência de dados nas escolas pode trazer novas possibilidades para a educação.

São inúmeros os desafios da educação brasileira: estrutura física inadequada, professores despreparados, processos internos burocráticos, sistemas educacionais arcaicos, crianças e jovens desestimulados, entre outros. Ao mesmo tempo, não faltam informações sobre o sistema. A Educação há décadas coleta e armazena dados sobre si mesma. Ferramentas e técnicas da ciência de dados têm muito a contribuir para melhorar a capacidade das pessoas de pensar, resolver e aprender, oferecendo tecnologias capazes de encontrar soluções para esses problemas.

A educação é um domínio particularmente adequado para a Data Science. Os dados educacionais são extensos e abrangem: registros escolares do ensino fundamental e médio; arquivos digitais de matérias e anotações; respostas dos alunos a testes e provas, e caso seja adequado, ela também pode abordar a interação em sala de aula, através de gravações de vídeo e voz, seria possível captar como o gerenciamento e a instrução em sala de aula são feitos, além da resposta dos alunos.

O tema está em discussão no 2º Desafios de Dados, um evento nos moldes Datathon em que uma equipe se inscreve e busca soluções em Data Science para problemas específicos. Na edição de 2019 a pauta é Educação Pública no Brasil. A edição que deu origem ao evento tratou da questão da saúde, tema que abordamos em nosso último texto no blog

Muitas das equipes inscritas fazem parte de Edtechs, um acrônimo das palavras Education e Technology. São startups que se diferenciam das outras por duas características

O uso de alguma forma da tecnologia, que significa a aplicação sistemática de conhecimento científico para tarefas práticas.

A tecnologia como facilitadora de processos de aprendizagem e aprimoramento dos sistemas educacionais, gerando efetividade e eficácia.

Estas empresas desenvolvem soluções tecnológicas para a oferta de serviços relacionados à educação, como plataformas de ensino, cursos online, jogos educativos, sistemas de gestão de aprendizado, entre outros.

No Brasil, de acordo com um mapeamento do Centro de Inovação para a Educação Brasileira (CIEB), em parceria com a Associação Brasileira de Startups (Abstartup), 73% dos estados brasileiros têm ao menos 3 edtechs. São Paulo concentra 43% delas, seguido por Minas Gerais, com 11% e Rio de Janeiro com 10%.

As startups criam alternativas para tornar o ensino e a aprendizagem mais eficientes, fazendo os usuários aprenderem mais rapidamente, com maior retenção de conteúdo. Com o treinamento adequado, educadores poderiam realizar tarefas de visualização, redução, descrição e previsão de dados, para que possam entender os sistemas educacionais, seus problemas e possíveis soluções, além de desenvolver uma compreensão mais profunda e formas de soluções empiricamente estabelecidas.

Todas essas novas fontes de dados estão repletas de informações sobre comunicação, relações e perfis comportamentais.  Todas essas informações podem ser extraídas e analisadas para entender e resolver problemas educacionais persistentes.

A Data Science poderia trabalhar em cima de diversas questões como: atrito do aluno e evasão escolar; frequência do aluno; detenções; encaminhamentos; atrasos na aprendizagem; falha na progressão; preconceito; etc. Não podemos dizer que a internet afastou os mais jovens do conhecimento, porque nunca tivemos tanta facilidade de acesso e contato com informação.

Cientistas de Berkeley desenvolvem estrutura que pode revolucionar supercomputadores e data centers.

O fluxo de dados gerados e processados a cada segundo pelo uso praticamente onipresente da tecnologia nos dias de hoje não para. Aliás, só cresce, e com eles os desafios inerentes a essa demanda. Torna-se um imperativo, então, buscar as soluções para viabilizar que os sistemas funcionem a contento.

Verdadeiros exércitos de pesquisadores se empenham em desenvolver aprimoramentos e inovações, como é o caso da ainda incipiente internet quântica, da qual já falamos aqui. Em outra frente, cientistas de Berkeley, na Califórnia, estão trabalhando em uma solução que pode revolucionar o tráfego de dados nos data centers e computadores de alta performance.

Trata-se de um “interruptor fotônico”, dispositivo que controla a direção da luz no interior das fibras ópticas, atuando como um guarda de trânsito, organizando o tráfego. Ele é formado por mais de 50 mil estruturas que redirecionam um dos 240 feixes microscópicos de luz que transitam nas fibras, fazendo com que façam uma curva de 90 graus ou sigam em linha reta, conforme esteja ligado ou desligado o interruptor, gravado sobre uma pastilha de silício e cobre pouco maior que um selo postal.

Segundo o coordenador do projeto, Ming Wu, professor de engenharia elétrica e ciências da computação em Berkeley, os “switches” são 10 mil vezes mais rápidos do que os atuais, e podem, por isso, mudar as redes de dados e os sistemas de inteligência artificial que conhecemos hoje. Os interruptores utilizados atualmente são formados por sistemas de espelhos e lentes que precisam ser girados fisicamente para redirecionar os feixes, o que leva muito tempo: um décimo de segundo. As estruturas que estão sendo desenvolvidas fazem isso em uma fração de microssegundo.

O trabalho conduzido pelo professor Wu surge como alternativa para a conexão de redes de servidores, hoje feita com a utilização de interruptores elétricos. Esses dispositivos geram muito calor e, dentro de alguns anos, podem não dar mais conta do recado. Além disso, superam os comutadores fotônicos usados atualmente em versatilidade e eficiência, pois acomodam mais conexões e não se afetam por perda de sinal.

Ao que tudo indica não deve demorar muito para que os pequenos agentes de tráfego de dados do professor Wu estejam ao nosso serviço – mesmo que não vejamos o intenso e rápido fluxos que eles estão gerenciando.

Lidar com volumes massivos de dados é um desafio para organizações e pessoas.

A profusão de dados gerados e armazenados a cada segundo pelas incontáveis interações contemporâneas mediadas pela tecnologia ganhou um nome que soa quase como um eufemismo: Big Data. O termo já nasceu defasado, o mais condizente com a realidade seria huge, enormous, gigantic ou outro adjetivo relacionado à imensidão. São dados que não acabam mais.

O volume cria um manancial de possibilidades, mas lidar com Big Data ainda é uma missão repleta de desafios. A começar por ser um campo novo e sujeito aos avanços vertiginosos (e, muitas vezes, inesperados) da tecnologia.

Não se encontram em qualquer esquina profissionais com as competências exigidas. Cientistas de dados e especialistas em Big Data estão entre os mais bem remunerados e cobiçados profissionais de TI. Para as organizações pode ser dispendioso contratar ou capacitar uma equipe, e acumular o conhecimento necessário não é algo que aconteça da noite pro dia. As mudanças, contudo, ocorrem com frequência. Uma tecnologia aplicada hoje pode ser superada em questão de meses.

Boa parte das ferramentas utilizadas são de código aberto, o que representa um alívio no orçamento, mas ainda assim não se trata de algo barato. Os gastos com equipe, hardware, manutenção e outros ainda oneram as organizações. Espaço de armazenamento, largura da banda de rede e outros recursos computacionais são imprescindíveis, podendo dificultar ou inviabilizar um projeto.Também é comum que tanto o investimento previsto quanto o tempo necessário para a implantação de iniciativas dessa natureza sejam superados.

A segurança dos sistemas e os parâmetros de compliance e governança atualmente adotados ao redor do mundo são outros elementos que tornam o cenário complexo. Quanto mais dados armazenados – sobretudo os confidenciais –, maior é o interesse de criminosos cibernéticos em arquitetar um ataque. E cabe à organização detentora dessas informações zelar por sua inviolabilidade e integridade. Os casos de invasão de bancos de dados e vazamento de informações se sucedem, indo desde o Facebook (no famoso caso Cambridge Analytica) até instâncias militares de grandes potências como os EUA, passando por dezenas de grandes redes de vendas e prestação de serviços.

Também não basta que os dados existam e sejam armazenados. Sua qualidade influencia diretamente no potencial que eles têm de transformarem-se em ativos realmente valiosos, e os sistemas precisam ser integrados. O material deve ser bem apurado, relevante e estar formatado uniformemente, possibilitando os usos para os quais for destinado. Insights gerados a partir de dados sem qualidade podem ser irrelevantes ou até mesmo equivocados e, se as áreas da organização não estão interconectadas, a visão que esses dados podem fornecer torna-se limitada.

Ou seja, Big Data é uma das grandes promessas da atualidade e suas potencialidades podem ser ainda maiores do que as que já conhecemos, mas é preciso estar preparado para entrar nessa onda. Afinal, com grandes poderes, vêm grandes responsabilidades – e desafios.

Sucesso das organizações data-driven depende da adoção de uma cultura focada em dados por todos os colaboradores.

As oportunidades para inovação nos negócios são cada vez maiores, mas serão bem-sucedidas as organizações em que todos os colaboradores, e não apenas os líderes, souberem aproveitar as chances.

Confira abaixo três reflexões válidas para pequenos e grandes times em busca do sucesso em um mundo permeado por informação.

Foco na pergunta certa e não em como chegar à resposta.

Organizações enfrentam dificuldades com Big Data por simplesmente não saberem levantar as questões relevantes. O que você pode aprender com os dados que já estão armazenados?

Aprenda a extrair resultados para o seu campo de atuação.

Talvez você não precise entender em profundidade sobre a cadeia de distribuição ou a customização industrial, mas vale a pena reavaliar seu fluxo, gestão do tempo e produtividade com base nos dados coletados em seu trabalho diário.

Entenda que os dados não são perfeitos

Ninguém é. Os dados precisam ser extraídos e limpos antes de oferecerem valor. E agora é um excelente momento para avaliar como eles estão sendo armazenados, para evitar problemas mais à frente.

Os dados estão em toda parte e os colaboradores interagem com eles o tempo todo, em seus celulares, e-mails e aplicativos. É importante reforçar que, sem análise, interpretação e implementação, os dados são apenas números. O insight e a experiência humana é que garantem seu valor.