Tudo o que reluz é ouro? Quais tendências do mercado de análise estão realmente prontas para implementação nas empresas?

Este artigo foi publicado originalmente na CIO.

A análise comercial continua sendo um segmento em alta no mercado de software empresarial e um componente básico da transformação digital para todas as organizações. No entanto, há vários avanços específicos que estão em diferentes pontos da escala de usabilidade prática no mercado.

É fundamental que os líderes tecnológicos entendam a diferença entre tendências maduras que podem ser aplicadas aos casos de uso reais das empresas hoje e aquelas que ainda estão tomando forma, mas que já aparecem em demonstrações ostensivas de fornecedores. Essas tendências se enquadram em categorias que vão de menos a mais madura no mercado: inteligência artificial (IA), processamento de linguagem natural (PLN) e análise incorporada.

A inteligência artificial, que engloba o aprendizado de máquina e a aprendizagem profunda, já está gerando mais comoção e interesse no mercado do que o Big Data. A ideia de que a IA substituirá e automatizará completamente as tarefas de análise manuais desempenhadas pelos seres humanos está longe de ser concretizável na maioria dos casos de uso reais. Na realidade, a automação completa dos fluxos de trabalho analíticos sequer deve ser considerada o objetivo final, tanto agora como no futuro.

O termo “inteligência assistencial” é uma expressão mais adequada para a sigla "IA" e mais aceitável para os analistas que veem a automação como uma ameaça. Esse conceito de inteligência assistencial, que pressupõe que os recursos de análise avançada incorporada e algoritmos de aprendizado de máquina apenas ampliam as habilidades dos analistas e usuários corporativos, está sendo adotado por um número cada vez maior de organizações no mercado hoje. Esses tipos de recursos inteligentes se mostraram úteis para auxiliar na preparação e na integração dos dados, bem como em processos analíticos como detecção de padrões, correlações, discrepâncias e anomalias nos dados.

O processamento de linguagem natural (PLN) e a geração de linguagem natural (GLN) tendem a ser usados de forma intercambiável, mas cumprem finalidades completamente distintas. Embora ambos possibilitem interações naturais com as plataformas de análise, o NLP pode ser visto como a parte da equação que consiste em fazer perguntas, enquanto a GLN é usada para apresentar as descobertas e informações em linguagem natural para o usuário.

Entre os dois, o NLP tem mais reconhecimento no mercado geral à medida que as interfaces de linguagem natural invadem nossas vidas com tecnologias como Siri, Cortana, Alexa, Google Home etc. Os fornecedores de tecnologias de análise estão incorporando funcionalidades de NLP em seus produtos para lucrar com essa tendência e apelar a uma gama maior de usuários corporativos que podem achar uma interface de linguagem natural menos intimidante que os métodos tradicionais de análise. O NLP inevitavelmente se tornará um componente básico amplamente usado nas plataformas de análise, mas ele ainda não é utilizado por uma gama de usuários e em aplicações suficientes para ser considerado uma tecnologia padrão no mercado atual.

Por outro lado, a GLN está no mercado há vários anos, mas apenas recentemente vem sendo incorporada em ferramentas de análise comuns para ampliar a representação visual dos dados. Muitos resumos textuais de eventos esportivos, estatísticas de jogadores, desempenho de fundos de investimento etc. são criados automaticamente com a tecnologia de GLN. Ao mesmo tempo, recursos de GLN também estão sendo usados como mecanismo de apresentação para tornar o produto gerado pela IA mais fácil de consumir para os usuários comuns.

Recentemente, fornecedores de tecnologias de análise vêm formando parcerias com fornecedores de GLN com o objetivo de aproveitar sua expertise para agregar uma nova dimensão à visualização de dados, em que informações relevantes serão identificadas e expressas automaticamente em uma narrativa de linguagem natural para acompanhar a visualização. Embora a combinação da análise comercial e da GLN seja algo relativamente novo, ela está se popularizando no mercado e abriu portas para novos casos de uso que podem ser explorados pelas organizações.

Os verdadeiros benefícios da análise são alcançados quando as informações podem fundamentar decisões para melhorar os resultados comerciais. A incorporação da análise nos aplicativos e sistemas que os tomadores de decisões usam diariamente para trabalhar elimina barreiras à adoção, disponibilizando as informações diretamente para a pessoa, que pode tomar medidas imediatas.

Os fornecedores de plataformas modernas de análise facilitaram muito para as organizações a adoção de uma estratégia incorporada para disseminar entre os usuários das linhas de negócios um conteúdo analítico antes inacessível pelos meios tradicionais. Além disso, as organizações agora estão levando recursos parecidos para clientes, parceiros, fornecedores etc., na tentativa de aumentar o diferencial competitivo e, em alguns casos, conquistar novas fontes de lucros monetizando os ativos de dados e as aplicações da análise.

Essas inovações apresentam aos líderes tecnológicos uma oportunidade única de conduzir suas organizações para uma era em que a análise de dados será a base de todas as decisões comerciais. Todas as organizações embarcarão nessa jornada em seu próprio ritmo. Algumas delas serão as primeiras adeptas das inovações e outras as adotarão somente quando já tiverem sido implementadas pela maioria do mercado.

No final das contas, a preparação das organizações para adotar qualquer nova tecnologia depende dos usuários finais, bem como de sua capacidade e disposição para abraçar inovações e mudanças de processos.