10 principais tendências de dados e análises para 2023

Conheça as 10 principais tendências de dados e análises para este ano, segundo os analistas do Gartner. Eles discutiram como as organizações podem aproveitar essas tendências no Gartner Data & Analytics Summit. O evento aconteceu nos dias 8 e 9 de maio, em Mumbai, Índia. Nele, especialistas identificaram as 10 principais tendências de dados e análises para 2023 que podem orientar os líderes de D&A a criar novas fontes de valor. Antecipando assim, mudanças e transformando incertezas extremas em novas oportunidades de negócios.

“A necessidade de fornecer valor comprovado para a organização em escala está impulsionando essas tendências em D&A.”, disse Gareth Herschel , VP Analyst do Gartner. “ Os diretores e líderes de dados e análises devem se envolver com as partes interessadas de suas organizações para entender a melhor abordagem para impulsionar a adoção de D&A. Ou seja, isso significa mais e melhores análises e percepções, levando em consideração a psicologia e os valores humanos.”

Os analistas do Gartner apresentaram as 10 principais tendências de D&A que os líderes de negócios e TI devem envolver e incorporar.

As 10 principais tendências em dados e análises para 2023

Fonte: Gartner

Otimização de Valor

A maioria dos líderes de D&A luta para articular o valor que entregam para a organização em termos de negócios. A otimização de valor do portfólio de dados, análises e inteligência artificial de uma organização requer um conjunto integrado de competências. Ou seja, gerenciamento de valor, incluindo narrativa de valor, análise de fluxo de valor, classificação e priorização de investimentos e medição de resultados de negócios para garantir que o valor esperado seja realizado.

“Os líderes de D&A devem otimizar o valor criando histórias que estabeleçam vínculos entre as iniciativas de D&A e as prioridades de missão crítica da organização.”, disse Herschel.

Gerenciamento de risco de IA

O uso crescente de IA expôs as empresas a novos riscos. Como por exemplo, riscos éticos, envenenamento de dados de treinamento ou fraude na detecção de fraudes, que devem ser mitigados. Gerenciar riscos de IA não é apenas estar em conformidade com os regulamentos. Dessa forma, a governança de IA eficaz e as práticas responsáveis ​​de IA também são essenciais para criar confiança entre as partes e catalisar a adoção e o uso de IA.

Observabilidade

A observabilidade é uma característica que permite compreender o comportamento do sistema de dados e análises e responder a questões sobre o seu comportamento.

“A observabilidade permite que as organizações reduzam o tempo necessário para identificar a causa raiz dos problemas que afetam o desempenho. Assim, elas podem tomar decisões de negócios oportunas e econômicas usando dados confiáveis ​​e precisos.”, disse Herschel. “Os líderes de D&A precisam avaliar as ferramentas de observabilidade de dados para entender as necessidades dos principais usuários e determinar como elas se encaixam no ecossistema corporativo geral.”

O compartilhamento de dados é essencial

“As colaborações de compartilhamento de dados, incluindo aquelas externas a uma organização, aumentam o valor de seus serviços ao adicionar ativos reutilizáveis ​​e criados anteriormente.”, disse Kevin Gabbard , diretor sênior e analista do Gartner. “Adote um design de malha de dados para habilitar uma arquitetura única para compartilhamento de dados em fontes de dados internas e externas heterogêneas.”

Sustentabilidade de dados e análises

Não basta que os líderes de D&A forneçam análises e insights para projetos corporativos ESG (ambientais, sociais e de governança). Os líderes de D&A também devem tentar otimizar seus próprios processos para melhoria da sustentabilidade. Por isso, praticantes de D&A e IA estão se tornando mais conscientes de sua crescente pegada de energia. Como resultado, uma variedade de práticas está surgindo, como o uso de energia renovável por data centers (nuvem), o uso de hardware mais eficiente em termos de energia e o uso de pequenos dados e outras técnicas de aprendizado de máquina (ML).

Malha de dados prática

A estrutura de dados é um padrão de design que utiliza todos os tipos de metadados para observar, analisar e recomendar soluções de gerenciamento. Ao reunir e enriquecer a semântica dos dados e aplicar análises sobre metadados, a malha de dados gera alertas e recomendações. Dessa forma, ele permite que os usuários de negócios consumam dados com confiança e facilita que desenvolvedores cidadãos sejam mais versáteis na integração e modelagem.

IA emergente

ChatGPT e IA generativa são a vanguarda da próxima tendência de inteligência artificial. A IA emergente mudará a maneira como a maioria das empresas opera em termos de escalabilidade, versatilidade e adaptabilidade. Ou seja, a próxima onda de IA permitirá que as organizações a apliquem em situações que ainda não são viáveis hoje, tornando a IA cada vez mais difundida e valiosa.

Ecossistemas convergentes e combináveis

Ecossistemas convergentes de dados e análises projetam e implantam a plataforma D&A para operar de forma coesa por meio de integrações e governança perfeitas. A capacidade de composição de um ecossistema é fornecida pela arquitetura, montagem e implantação de aplicativos e serviços configuráveis.

Com a arquitetura certa, os sistemas D&A podem ser mais modulares, adaptáveis ​​e flexíveis. Dessa forma, é possível dimensioná-los dinamicamente para atender às crescentes ​​necessidades de negócios. E assim, permitir a evolução à medida que os negócios e o ambiente operacional mudam inevitavelmente.

Os consumidores se tornam criadores

A porcentagem de tempo que os usuários gastam em painéis predefinidos será substituída por experiências de usuário conversacionais e dinâmicas. Assim, elas poderão atender às necessidades pontuais específicas dos consumidores de conteúdo.

As organizações podem expandir o impacto da análise, oferecendo aos consumidores de conteúdo percepções automatizadas fáceis de usar e experiências de conversação necessárias para se tornarem criadores de conteúdo.

Os seres humanos continuam sendo os principais tomadores de decisão

Nem toda decisão pode ou deve ser automatizada. Por isso, grupos de D&A estão abordando o suporte à decisão e o papel humano na tomada de decisão automatizada e ampliada.

“Esforços para conduzir a automação de decisões sem considerar o papel humano resultarão em uma organização orientada por dados sem consciência ou propósito consistente.”, disse Herschel. “Os programas de alfabetização de dados das organizações precisam enfatizar a combinação de dados e análises com a tomada de decisão humana.”

Fonte: Gartner