X

Saiba como a nuvem e as novas tecnologias habilitam a transformação nos negócios e na sociedade.

Como a automação orientada por IA aumenta a produtividade dos cientistas de dados

This is a syndicated post, view the original post here

Juntos, o Oracle Analytics e o Oracle Autonomous Data Warehouse podem aumentar consideravelmente a produtividade dos cientistas de dados.

Por Benjamin Arnulf*

Previsão nº 7 para a nuvem da Oracle para 2020: Os cientistas de dados terão uma demanda cada vez maior, mas se tornarão mais eficientes devido às técnicas de coleta e análise de dados orientadas por IA. A cada dia, o mundo cria 2,5 quintilhões de bytes de dados, e 90% dos dados no mundo foram criados nos últimos anos,  de acordo com a Forbes. Essa fonte crescente de conhecimento pode trazer benefícios transformadores para o mundo e para as empresas — se pudermos acompanhar.

Já temos uma área de estudo estabelecida para isso (ciência de dados) e uma nova classe de profissionais para executá-la (cientistas de dados). Mas, como a ciência de dados é um campo relativamente novo e a demanda por cientistas de dados supera em muito a oferta, as organizações podem não ser capazes de usar todos os seus dados em seu potencial máximo. Então, como as empresas podem preencher a lacuna nos próximos cinco a dez anos e aproveitar ao máximo os cientistas de dados que já têm?

A resposta é tecnologia, e a Oracle tem uma solução específica para a chamada Oracle Data Science Platform.

O que os cientistas de dados fazem para os negócios
Os cientistas de dados são cientistas curiosos, analíticos e metódicos que fazem descobertas com dados. Eles usam métodos científicos, processos, algoritmos e sistemas para extrair valor de conjuntos diferentes de dados. Têm uma ampla gama de habilidades, incluindo estatística, ciência da computação e conhecimento de negócios. Analisam, revelam tendências e — o maior benefício — orientam sobre decisões de negócios a partir de dados coletados de fontes internas e voltadas ao cliente, bem como fontes de terceiros.

Os cientistas de dados trabalham em todos os setores, e seu valor provém do conhecimento de como usar os algoritmos de machine learning (ML) para encontrar respostas e insights que se alinham aos casos de uso de negócios. Seu conjunto de habilidades é diferente das habilidades de um engenheiro de computação, analista, engenheiro de dados ou engenheiro de ML, mas poderiam trabalhar em equipe com qualquer uma ou todas essas outras funções. A tecnologia avançada possibilita que as equipes de profissionais de dados forneçam às empresas, grupos de pesquisa, agências governamentais e outras organizações uma inteligência mais precisa e abrangente do que no passado.

-Leia mais: Por que integrar a estratégia de análise com a estratégia de dados?

Os cientistas de dados podem realizar análises descritivas, preditivas e prescritivas. A análise descritiva usa os dados atuais para descrever o status atual de uma variável e aplicar esse conhecimento a modelos futuros para obter melhores resultados. A análise preditiva vai um passo além, permitindo que as empresas prevejam cenários estratégicos, como o próximo passo do comprador na jornada de compra, bem como cenários de planejamento, como a capacidade de produção que será necessária no próximo ano.

O ML, uma forma de inteligência artificial (IA) que identifica padrões em dados e aprende com eles, é um componente fundamental da análise preditiva e prescritiva.

A análise prescritiva é uma área de grande crescimento. É definida pela minha colega Dra. Elena Drozd como "a peça que falta entre os cientistas de dados e os líderes empresariais: O conceito de qual ação você deve tomar agora quando a inteligência preditiva lhe mostra o resultado mais provável no futuro".

A análise prescritiva responde a essas perguntas:

•    O que acontecerá?
•    Quando acontecerá?
•    Qual é o benefício?
•    Como tomaremos decisões de negócios a partir dessas informações?
•    Quais serão os efeitos da decisão?
•    Como isso afetará o restante da empresa?

A demanda por análises prescritivas vem aumentando rapidamente, já que fornece uma grande vantagem competitiva. No entanto, boa parte desse trabalho ainda é feita manualmente, e o tempo restrito limita a quantidade de análise real que um cientista de dados ou uma equipe de ciência de dados é capaz de fazer.

Em geral, os cientistas de dados passam 80% do tempo coletando, limpando, organizando e preparando os dados, e apenas 20% do tempo procurando padrões e descobrindo novos insights. Esse não é um bom uso do tempo, particularmente quando a tecnologia existe para automatizar e ampliar as análises.   

Tornando os cientistas de dados mais produtivos
À medida que as tecnologias de IA e ML se tornam mais sofisticadas, elas automatizam uma parcela maior de tarefas manuais da ciência de dados. Da mesma forma, à medida que os sistemas de análise aumentada (análise + IA) se tornarem poderosos o suficiente para treinar e executar algoritmos em larga escala, a grande maioria das tarefas de coleta e preparação de dados será automatizada, tornando todos os profissionais de dados qualificados mais eficientes.

Os sistemas de IA também serão aprimorados na geração de insights e na interpretação de resultados, o que liberará os cientistas de dados para determinar as descobertas mais relevantes entre todos os possíveis resultados.

Economia de 1 bilhão de dólares: o que melhores insights de dados podem fazer
O Oracle Analytics Cloud é líder nessa área, fornecendo acesso de autosserviço a dados e análises para qualquer função. Com IA e ML avançados incorporados, a plataforma como serviço (PaaS) automatiza e elimina as principais tarefas que antes eram realizadas pelos gerentes de TI. Isso reduz custos e melhora os insights de dados como suporte para as metas estratégicas.

Quando o Oracle Analytics é executado no Autonomous Data Warehouse, fornece escalabilidade elástica para que as empresas possam expandir seus serviços de análise e, ao mesmo tempo, controlar custos e eliminar a necessidade de habilidades especializadas para a manutenção do banco de dados.

Juntos, o Oracle Analytics e o Oracle Autonomous Data Warehouse podem aumentar consideravelmente a produtividade dos cientistas de dados. Eles podem acessar a saída de dados a partir dos modelos de ML, bem como todos os dados disponíveis em toda a empresa. Além disso, podem consultar rapidamente as visualizações dos seus dados e, com IA e ML incorporados, aprender onde concentrar futuros trabalhos de análise. Isso reduz o tempo gasto para extrair valor do crescente volume de dados.

*Benjamin Arnulf é Senior Director, Product Strategy, Analytics da Oracle

Be the first to comment

Comentários ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.