Para conectar seu modelo de negócios e inovações aos seus requisitos de dados e análises, você precisa de uma estratégia de dados. É a base para responder às necessidades futuras e, por sua vez, reduzir os custos contínuos.
Sinal: Forte
Fonte: IBM
Defina sua estratégia de dados
Os dados não podem ser uma reflexão tardia. Os aplicativos produzem e consomem dados, mas apenas no contexto de uma finalidade específica. Uma organização pode ficar tentada a seguir uma nova tecnologia, mas deve considerar as necessidades de dados estratégicos, o gerenciamento contínuo de dados e a cultura corporativa para evitar refazer o trabalho, desperdiçando tempo e dinheiro. Alguns analistas do setor afirmam que 60-85% dos projetos de big data falham porque eles se concentram em tecnologia sem definir uma estratégia de dados e sem construir uma cultura centrada em dados para apoiar os objetivos de negócios.
Seus dados devem se tornar um ativo corporativo. Sob a orientação de uma estratégia de dados, os dados podem transformar sua organização, agregar valor monetário e permitir que sua força de trabalho realize coisas extraordinárias. Culturas baseadas em dados podem obter maiores retornos de negócios usando dados, análises e IA para tomar decisões baseadas em fatos e conduzir processos de negócios.
O desenvolvimento de uma estratégia de dados é um ponto de partida importante para tornar os dados habilitados e ativos. Uma estratégia de dados alinha seu plano de negócios e prioridades com sua estratégia e recursos de tecnologia. Para ser acionável, você precisa desenvolver uma estratégia de dados em apoio a um objetivo de negócios. Deve definir fatores críticos de sucesso, partes interessadas e medidas para entregar, gerenciar e desenvolver a estratégia. Os projetos de dados em andamento, tanto analíticos quanto operacionais, devem usar e refinar a estratégia de dados como um ativo corporativo estratégico.
Uma estratégia de dados alinha seu modelo de negócios e prioridades com sua estratégia de tecnologia.
Defina sua estratégia de dados antecipadamente e alinhe seus projetos à sua estratégia de dados e à estratégia de negócios:
Agregue mais valor ao negócio usando dados e análises como ativos estratégicos.
Obtenha uma compreensão clara de seus objetivos de negócios e da arquitetura de dados e informações de que você precisa para atingir os objetivos.
Desenvolva casos de uso baseados em seus objetivos para demonstrar resultados de curto prazo e valor de longo prazo. Certifique-se de que cada caso de uso agregue valor ao seu negócio.
Aborde novos desafios à medida que transforma a maneira como trabalha e em que trabalha e à medida que se adapta aos objetivos de negócios futuros.
Tudo isso parece bom, mas quais atividades você precisa fazer para alinhar seus dados e análises com a velocidade dos negócios?
Foco e plano
O foco é a chave para gerar resultados iniciais e fornecer valor incremental aos negócios em apoio a um objetivo. Para que sua estratégia de dados seja holística e incremental, você deve se concentrar em um único pensamento ou declaração que se alinhe a um objetivo principal de negócios.
Conforme você valida sua compreensão dos motivadores, desafios e lacunas de seus negócios, identifique suas necessidades de curto prazo, a direção de seus negócios de longo prazo e os dados para atendê-los. Comece a construir um roteiro com objetivos de alto nível e um plano para alcançá-los. Certifique-se de que o roteiro tenha detalhes suficientes para fornecer um caminho, mas deixe claro que ele será refinado com base nas lições aprendidas à medida que você avança.
Alinhe sua estratégia com suas necessidades de negócios atuais e futuros
Depois de definir suas necessidades de negócios, certifique-se de que os dados estejam disponíveis quando, onde e na forma que você precisar. Ao identificar seus requisitos de dados, você também deve compreender os requisitos de segurança e conformidade em todo o ciclo de vida dos dados.
Use arquiteturas, plataformas e padrões
Sempre que possível, aproveite as ferramentas e tecnologias que podem ajudá-lo a entregar de maneira mais rápida e econômica.
Entregue com antecedência e com frequência e se adapte ao longo do caminho
Depois de desenvolver um entendimento claro de seus objetivos de negócios e dos casos de uso que os suportam, incorpore conceitos ágeis para definir e implementar sua arquitetura de dados. Desenvolva em iterações rápidas, geralmente com menos de 2 semanas de duração, para entregar resultados de curto prazo no contexto de seu roteiro de longo prazo. Cada iteração deve ter um proprietário, objetivos e uma maneira de medir o sucesso.
Ao definir e refinar iterativamente sua estratégia de dados, você ganha muitos benefícios:
Uma compreensão claramente documentada de sua necessidade de negócios
Casos de uso definidos que ajudam você a atender às necessidades de negócios
Uma arquitetura de informação para apoiar os casos de uso
Um roteiro que reflete sua direção de longo prazo
Conforme você entrega cada iteração, use reproduções para validar sua arquitetura de dados com as partes interessadas. Certifique-se de incluir analistas de negócios, engenheiros de dados, cientistas de dados e desenvolvedores de aplicativos. Ao trabalhar em iterações curtas e validar e dinamizar à medida que avança, você pode ter certeza de que está no caminho certo.
Defina sua Arquitetura de dados
Colete e organize os dados necessários para construir um data lake. Administre e gerencie os dados que são essenciais para seus aplicativos de IA e analíticos.
Dados são fundamentais
O que torna o gerenciamento de dados tão desafiador e complexo é que, por si só, os dados não fazem nada. Os dados são inertes; não é auto-organizado ou mesmo autocompreendido.
Na pirâmide DIKW , os dados são a base com a menor quantidade de utilidade percebida. A informação tem maior valor do que os dados, o conhecimento tem maior valor do que a informação e a sabedoria tem o maior valor percebido de todos. Os dados requerem algo mais - um programa, uma máquina ou mesmo uma pessoa - para subir na cadeia de valor e se tornar informação.
As organizações devem se esforçar para tornar seus dados simples e acessíveis em um mundo analítico e dirigido por IA com várias nuvens. Para manter a conformidade regulatória, sobreviver e até mesmo prosperar em um ambiente de negócios competitivo, uma organização deve ter acesso mais fácil aos dados e manter a integridade transacional dos dados espalhados por todo o ecossistema corporativo em várias nuvens e no local. É fundamental também ter uma compreensão clara dos termos de negócios associados aos dados, organização melhor e escalonável de dados para tomada de decisões e proteção de segurança de ponta a ponta e privacidade de dados, enquanto alimenta análises downstream e IA.
Rahul Akolkar, líder de vendas técnicas de ciência de dados da WW e IA, arquiteto distinto certificado pelo OpenGroup
Qualquer aplicativo depende de dados, seja um aplicativo tradicional ou um aplicativo inteligente que se baseia em inteligência artificial e análises. Os dados são um elemento fundamental de todos os negócios e são fundamentais para seus dados e arquitetura de IA. Os dados são o seu registro do estado atual da empresa, sua história e a base para prever o que pode acontecer.
No entanto, por si só, os dados não fazem nada. Para perceber o valor dos dados, você precisa fazer algo com eles. Você deve entendê-lo e agir de acordo. Normalmente, compreender e agir sobre os dados requer algo diferente dos dados, como um programa de computador, uma consulta ou um usuário, que pode ser uma máquina ou pessoa.
Um dos maiores e mais complexos desafios vem com o gerenciamento de dados. Os dados são inertes. Não é auto-organizado ou mesmo autocompreendido. Como você gerencia os dados? Como você organiza os dados e atribui significado a eles para que a empresa ou um programa de computador possa usá-los? Siga este método leve para desenvolver aplicativos inteligentes.
A pirâmide de dados, informação, conhecimento e sabedoria (DIKW)
A pirâmide DIKW fornece uma visualização simples da cadeia de valor, que cresce dos dados à sabedoria:
Os dados são a base com a menor quantidade de utilidade percebida.
A informação tem um valor maior do que os dados.
O conhecimento tem maior valor do que a informação.
A sabedoria tem o valor percebido mais alto de todos.
No topo da cadeia de valor dos dados está a sabedoria. A sabedoria vem de uma combinação de dados inertes e uma série de características progressivas, como contexto de perspectiva, compreensão, aprendizado e capacidade de raciocinar. Com o advento da computação cognitiva e da inteligência artificial, essas características agora podem ser atribuídas a uma pessoa e a uma máquina.
O IBM AI Ladder
O IBM AI Ladder se assemelha vagamente à pirâmide DIKW no sentido de que o AI Ladder representa um movimento progressivo em direção à criação de valor dentro de uma empresa. Você pode ganhar valor completando atividades em cada etapa da escada de IA, com o potencial de reconhecer níveis mais altos de valor conforme você escala.
O AI Ladder tem quatro degraus: coletar, organizar, analisar e infundir. Os degraus fornecem uma abordagem prescritiva para coletar, preparar e usar dados:
Colete dados para facilitar o consumo e o acesso
Organize os dados para criar uma base analítica confiável de dados com significado comercial
Analise para dimensionar o insight de negócios com inteligência artificial em todos os lugares
Infundir para operacionalizar a inteligência artificial com confiança e transparência
A figura representa como esses degraus estão relacionados entre si.
O degrau inferior é coletar , uma ação primitiva que é o primeiro elemento para tornar os dados acionáveis e impulsionar a automação, os insights, a otimização e a tomada de decisões. Coletar é a capacidade de se conectar a uma fonte de dados, seja temporária ou persistente, real ou virtual. Ao mesmo tempo, a coleta de dados é independente da localização ou da tecnologia de origem (subjacente) da fonte de dados. Ao vincular à pirâmide DIKW, você pode dizer que os dados estão abaixo do primeiro degrau da escada, reconhecendo a natureza inerte dos dados.
O AI Ladder progride para infundir , que é um estado de capacidade que significa que uma empresa levou a inteligência artificial além de um projeto de ciência. A infusão significa que modelos analíticos avançados são integrados à estrutura de um aplicativo ou sistema, gerando recursos de negócios novos ou aprimorados.
Arquitetura de dados
A arquitetura de referência de dados reflete os dois primeiros degraus do AI Ladder.
Colete: Tornando os dados simples e acessíveis
O primeiro degrau na escada AI é coletar . Coletar refere-se a como uma empresa pode incorporar dados formalmente em qualquer processo analítico. Propriedades de dados incluem estruturados, semiestruturados ou não estruturados, proprietários ou abertos, na nuvem ou no local, ou qualquer combinação.
Organizar: análises confiáveis e administradas
O segundo degrau da escada é organizado . Organizar refere-se a como uma empresa pode tornar os dados conhecidos, detectáveis, utilizáveis e reutilizáveis. A capacidade de organização é um pré-requisito para se tornar centrado em dados. Você pode controlar dados de qualidade inferior ou dados potencialmente enganosos para que qualquer uso possa ser controlado de forma adequada.
Idealmente, o resultado é um corpo de dados com curadoria e que oferece o maior valor para uma empresa. No degrau de organização do AI Ladder, os dados são detectáveis, catalogados, traçados, categorizados, classificados, protegidos e uma fonte de verdade e utilidade.
A arquitetura de referência Analytics e AI reflete os dois últimos degraus do AI Ladder.
Analisar: insights sob demanda
O terceiro degrau no AI Ladder é analisar . Analisar se refere a como uma organização se aproxima de se tornar uma empresa orientada a dados. A análise pode ser centrada no homem ou na máquina. Nesse sentido, a IA pode ser interpretada como inteligência aumentada em um contexto centrado no ser humano e como inteligência artificial em um contexto centrado na máquina.
O degrau de análise da escada cobre uma gama de técnicas e recursos, desde relatórios básicos e inteligência de negócios até aprendizado profundo. Por meio dos dados, você pode determinar o que aconteceu, o que está acontecendo e o que pode acontecer. Você pode comparar com as expectativas e automatizar e otimizar decisões.
Infundir: operacionalizar a inteligência artificial com confiança e transparência
O quarto degrau da escada AI é infundir . Infundir se refere a como uma empresa pode usar a inteligência artificial como um recurso do mundo real. Operacionalizar a inteligência artificial significa que os modelos podem ser gerenciados de forma adequada. Se um modelo estiver funcionando inadequadamente, você pode identificá-lo e substituí-lo por outro modelo ou por algum outro meio. Transparência implica que todos os resultados podem ser explicados. A confiança implica que todas as formas de justiça transcendem o uso de um modelo.
O Infuse permite que os dados sejam usados para automação e otimização, e como parte de um loop causal de ação e feedback. No degrau de infusão da escada, os dados são exercitados em um modelo implantado, usado para desenvolver insights e tomada de decisão, benéfico para a organização e aplicado pela empresa.
Comments