Conheça os principais desafios do CIO

Já se foi o tempo em que a TI nas empresas era apenas a resposta para problemas de eficiência e efetividade. Hoje os desafios do CIO são gerados pelo processo de digitalização dos negócios, que fez da TI um facilitador estratégico de novas ofertas disruptivas, criando novos serviços e modelos de negociação.

Os conflitos agora envolvem novas questões, como estratégia, liderança, infraestrutura, recrutamento de novos talentos, recursos e quase toda a estrutura empresarial tradicional. Os investimentos em TI deixam de ser pensados da perspectiva dos custos e passam a ser tratados como investimentos para gerar novas receitas.

Os CIOs agora precisam atuar como agentes de mudança. Não basta apenas identificar o que pode ser aplicado em sua organização. É preciso liderar mudanças digitais em todos os níveis corporativos, antecipar riscos e compreender as ameaças ao negócio.

Entre os principais desafios dos CIOs nesses objetivos, estão a implementação de nuvem híbrida, a criação de uma arquitetura de informação com capacidade de explorar o melhor do big data e desenvolver novas parcerias para soluções mais inovadoras com empresas menores e menos maduras.

Tendências para a TI corporativa

Segundo dados divulgados na RSA Conference e no CIO Agenda Report, do Gartner, 51% dos CIOs estão preocupados com a velocidade das mudanças e 42% acreditam que não possuem talentos necessários para encarar esse futuro. Em 2014, os CIOs pesquisados informaram ter duas grandes prioridades: renovar a core da TI corporativa e explorar novas tecnologias e tendências.

Cloud, Mobile, Social e Informação despontam como os quatro pilares de um ambiente cheio de incertezas. Cloud e Mobile deixam de ser opções e passam a ser necessidades, fazendo com que cada vez mais soluções de segurança passem a ser essenciais.

Quer saber mais sobre os desafios do CIO? Baixe o whitepaper da PROOF O Papel do CIO e do CISO no Novo Cenário de Segurança e conheça os principais desafios e tendências que deverão guiar esses profissionais nos próximos meses.

Como a análise preditiva impulsiona a inovação

A análise preditiva traz benefícios para empresas de praticamente qualquer indústria, aumentando a receita, reduzindo custos e melhorando processos organizacionais ao longo de todo o negócio.

Conheça algumas maneiras como a análise preditiva impulsiona a inovação:

Otimização de processos

A história tem mostrado que existem constantes tentativas e erros envolvidos na indústria farmacêutica, talvez mais do que o necessário. Segundo a associação Pharmaceutical Research and Manufacturers of America (PhRMA), leva em media dez anos e US$ 2,6 bilhões para desenvolver uma droga. A empresa farmacêutica BERG Health pretende mudar isso por meio da análise preditiva e da inteligência artificial para descobrir e desenvolver novos tratamentos.

A empresa está usando amostras de lenços humanas para saber mais sobre componentes biológicos e inclui dados demográficos e clínicos do paciente. A plataforma constrói um modelo de indivíduos saudáveis e então compara com indivíduos com uma doença. A inteligência artificial constrói um modelo de genes e proteínas que pontuam diferenças chave entre o organismo saudável e o doente. O mesmo modelo é usado pela empresa para determinar quais pacientes são melhores candidatos para uma certa droga.

Atendimento ao cliente

A empresa americana PhotoBarn, de produtos feitos à mão, teve um crescimento de 500% com a criação de um software warehouse e processos manufatureiros construídos em cima de análises preditivas. Antes da implementação dessa transformação em 2015, a empresa sofria para balancear a oferta e a demanda.

A empresa começou a usar análises preditivas para prever vendas, inventário e matéria-prima para antecipar o que seria necessário antes da temporada de compras para o natal. Os novos processos permitiram que a empresa vendesse cinco vezes mais produtos usando o mesmo número de pessoas.

Otimização de preços e rentabilidade

As empresas querem aumentar a receita, enquanto os consumidores querem que seu dinheiro seja valorizado. Balancear essas duas demandas é um desafio para muitos negócios. Os clientes respondem não só ao preço de um produto, mas ao merchandising e às promoções.

Quando uma empresa tem uma previsão, pode aplicar um modelo de resposta e obter uma análise precisa do quanto o consumidor é sensível ao preço, incluindo os preços dos produtos da concorrência. Com base nisso, é possível definir qual deve ser o preço do produto.

Com Information Week

Como o analytics revela tendências de mercado

Tecnologias como a Internet das Coisas geraram uma avalanche de dados, mas será que essas informações podem ser usadas para identificar tendências de mercado que antes eram imprevisíveis? As novas tecnologias de big data e analytics permitiram aos humanos ter insights de praticamente tudo, desde a maneira como o consumidor passa seu tempo nas redes sociais, até os motivos que o levam a fazer uma compra.

Essas informações estão se tornando parte importante das operações de mercado. Com isso, surge a questão: o que o big data consegue ver? Suas ferramentas podem ser mais eficientes em prever tendências de mercado do que os humanos?

Algoritmos invadiram os mercados globais

Algoritmos complexos são capazes de dar aos negócios uma ideia do momento de comprar e vender, dando às empresas sugestões calculadas de quando o mercado estará em alta ou em baixa. Assim, os analistas de dados conseguem calcular recomendações.

É claro que os algoritmos nunca são perfeitos, mas os dados estão ficando cada vez mais precisos com o passar do tempo. Seja por conta da quantidade cada vez maior ou pelas maneiras ainda inexploradas de usá-los.

O Google Trends, por exemplo, é um programa que mostra propensões que podem ajudar investidores iniciantes a entender o mercado de ações. Em 2013, um grupo de três economistas publicou um documento mostrando que o site foi útil para prever movimentos diários nos preços da Dow Jones.

Aplicações de previsores de ações

Apesar de o uso dos algoritmos ainda não ser preciso em todo tipo de uso – de fato, existe um número de falhas com as previsões que deixam até os investidores mais experientes céticos –, isso não os torna inúteis.

Esse tipo de ferramenta é útil especialmente para aqueles que estão começando no mercado. Investimentos em pequenas ações, por exemplo, podem beneficiar muito as chamadas “penny stocks”, ações com cotação muito inferior. As penny stocks são famosas por serem voláteis e um previsor decente seria ideal para ajudar nesse tipo de investimento para que resulte em mais sucesso menos fracassos.

Além de ajudar investidores iniciantes, esses dados podem desempenhar um papel mais importante na previsão de outras mudanças e tendências futuras.

Com Smart Data Collective

Destaque-se com a modernização do analytics

Se sua estratégia de negócios envolve o analytics, talvez seja hora de repensar sua arquitetura de gestão de dados e a modernização do analytics. Quase todas as empresas veem o analytics como a chave para obter vantagens estratégicas, mas uma estratégia realmente efetiva depende da qualidade dos dados coletados.

Pensando na modernização do analytics? Veja o que considerar na hora de planejar sua nova arquitetura de gestão de dados:

Soluções de data warehouse ainda são importantes

No geral, empresas com um ambiente maduro de business intelligence ainda gastam mais em soluções de data warehouse. Para muitas organizações, é no data warehouse que os novos insights são operacionalizados e onde os dados críticos de gestão, operações e tomadas de decisão são geridos e preparados.

Empresas maduras estão mudando para o big data como forma de aumentar o investimento existente em data warehouse. Assim, quando insights úteis são encontrados com o big data, são posteriormente levados de volta ao data warehouse para serem operacionalizados.

Novas tecnologias de analytics não substituem as antigas

Para a maioria das grandes empresas com investimento significativo em data warehouse e business analytics, as novas tecnologias para modernização do analytics serão cumulativas. A tendência é que as tecnologias mais velhas persistam e as novas tecnologias sejam integradas ao ambiente para melhorar o que atualmente já existe.

As ferramentas de business analytics, por exemplo, não substituirão as de business intelligence e data warehouse, mas poderão complementar essas tecnologias oferecendo novos insights a partir de dados de máquina. Os profissionais poderão usar ferramentas de analytics, como as da Splunk, fornecidas pela PROOF, para expandir o escopo dos dados que utilizam em suas análises.

A arquitetura dos dados ganhará mais importância

A próxima geração da análise preditiva e prescritiva vai exigir a coleta de dados de diversas fontes, tanto internas quanto externas à empresa. O big data requer a gestão de dados não estruturados, com o já conhecido desafio de lidar com o volume, a variedade, a velocidade e a veracidade.

No entanto, os dados estruturados também ganharão importância. O volume desses dados está crescendo rapidamente e logo os processos de analytics podem não conseguir acompanhar a expansão.

Se o objetivo é obter dados de diferentes fontes e, para cada uma, usar uma ferramenta diferente, há o risco de gerar silos de dados que vão reduzir o valor entregue pelas iniciativas de analytics. Por isso, é importante planejar uma estrutura de gestão de dados que agregue toda a empresa para aumentar a confiabilidade das informações.

Baixe o whitepaper da PROOF Como big data e business analytics podem mudar o rumo do seu negócio e saiba mais sobre a revolução que o business analytics está trazendo.

Com ComputerWorld

Obtenha insights com a análise estatística de dados de máquina

Os dados de máquina têm muito a dizer sobre seu desempenho e oferecem insights valiosos sobre seu sistema e suas configurações. A complexidade das aplicações está crescendo rapidamente e a análise estatística de dados de máquina guarda insights preciosos para resolver problemas na experiência do cliente, otimizar aplicações e adicionar novos recursos a produtos e serviços, algo que, em um mundo competitivo e em constante evolução, é essencial para manter a relevância.

Maior visibilidade do operacional da TI

Softwares modernos geram toneladas de dados. Por meio da análise estatística de dados de máquina, as empresas podem identificar uma série de problemas afetando a experiência do cliente de maneira rápida e obter mais visibilidade do desempenho das aplicações.

Dados de transações e dados de log podem ser usados juntos para gerar uma visão completa dos componentes de aplicações e da infraestrutura. A correlação desses dados agrega ainda mais valor à empresa com o uso de uma ferramenta inteligente de correlação de dados. Os profissionais de TI podem apontar os erros e ter acesso ao contexto completo por trás dos incidentes, ganhando mais rapidez na resolução dos problemas.

Em tempos em que cada interação do cliente é importante, a correlação automática de dados é importante. Ferramentas de business analytics, como as da Splunk fornecidas pela PROOF, mostram, por exemplo, que uma transação específica levou sete segundos porque um serviço estava lento e finalmente conseguiu realizar a solicitação na sétima tentativa.

Quando os dados são integrados por meio de uma única plataforma, os profissionais podem juntar os pontos mais rapidamente, ganhando insights em tempo real.

As soluções da Splunk coletam todos fazem a análise estatística de dados de máquina em todo o ambiente, permitindo que as empresas pesquisem, monitorem e analisem as informações em tempo real. Assim, as empresas podem monitorar cada ponto do ambiente e ganhar inteligência operacional, com visibilidade e insights críticos em tempo real da experiência do cliente, das transações e outras métricas importantes.

Quer saber mais sobre como o big data e o business analytics podem ajudar sua empresa a obter melhores resultados? Leia o whitepaper da PROOF Como Big Data e Business Analytics podem mudar o rumo do seu negócio

Tire proveito da análise e interpretação de dados ocultos

O big data não é o único desafio que as empresas enfrentam na governança de dados atualmente. A análise e interpretação de dados ocultos, que ficam espalhados em diversas fontes na web e guardam valiosas informações de mercado, também é parte da lista de preocupações das empresas.

Esses dados são difíceis de encontrar e acessar por quem poderiam fazer uso deles. O termo “oculto” é usado porque esses dados ficam “escondidos” na web e, encontrá-los e interpretá-los de maneira precisa pode consumir tempo e exigir habilidades mais específicas.

Como são de difícil acesso, aqueles que localizam e acessam essas informações rotineiramente ganham uma séria vantagem competitiva. No entanto, muitas empresas ainda nem começaram a implementar uma estratégia de análise e interpretação de dados ocultos.

As soluções de integração de dados geralmente trabalham com dados estruturados internos e a maioria tem pouca (ou nenhuma) capacidade de captar dados da web e as ferramentas usadas pelos os profissionais de TI também têm restrições em melhorar o uso dos dados de fontes da web.

Para lidar com essa restrição, novas ferramentas que trabalham como robôs que vasculham sites específicos da web podem automatizar o processo de coleta de dados ocultos e expandir o escopo dos dados usados para análise, alertando e dando suporte às decisões.

Por que esses dados importam

Os dados ocultos são valiosos porque dão às empresas informações e insights inéditos, principalmente quando os dados são obtidos de uma fonte ou de uma combinação de fontes capazes de revelar tendências e relacionamentos que, de outra maneira, seria de difícil identificação.

Esses dados podem ser encontrados dentro do firewall corporativo, mas, geralmente, está em algum lugar da nuvem. Eles podem ser, por exemplo, dados da indústria coletados por um grupo e disponível apenas para seus membros, uma lista de produtos coletada de sites concorrentes, dados contidos em notas de rodapé de documentos financeiros não coletados pelas ferramentas de dados e tabelas.

Enquanto o maior desafio do big data é o uso de poderosas ferramentas de analytics para lidar com grandes volumes de dados estruturados e não estruturados e de profissionais de ciências de dados para conseguir obter insights, a maior dificuldade dos dados ocultos na web é identificar e localizar fontes úteis de informação e conseguir coletá-las de maneira eficiente.

Para tornar possível a análise e a interpretação de dados ocultos, são necessários softwares que possam ser usados pelos próprios usuários, pois as ferramentas devem poder ser programadas para coletar informações de páginas específicas da web.

Saiba mais sobre como o big data e o business analytics podem revolucionar seu negócio no whitepaper da PROOF Como big data e business analytics podem mudar o rumo do seu negócio.

Com Smart Data Collective