O Big Data descreve grandes quantidades de dados, não estruturados e estruturados, coletados diariamente pelas organizações. Esse Big Data pode ser filtrado e transformado em Smart Data antes de ser analisado em busca de insights, o que leva a uma tomada de decisão mais eficiente.
Smart Data podem ser descritos como Big Data que foi limpo, filtrado e preparado para o contexto.
Tipos de Smart Data
Existem dois tipos principais de Smart Data, frequentemente discutidos por especialistas do setor:
Um formulário é uma informação capturada por um sensor, e enviada para um ponto de coleta próximo. A informação é acionada antes de ser enviada para uma plataforma do Google Analytics. Esses dados são provenientes de sensores inteligentes, especialmente dentro dos sistemas da Internet das coisas (IoT).
O outro tipo de Smart Data é o Big Data que foi processado e está aguardando para ser transformado em informações acionáveis. Para os propósitos deste artigo, os dados que vão de e para um Smart Sensor são “dados do sensor”.
O termo Smart Data, se refere ao Big Data que foi rastreado para obter informações úteis. O Smart Data é uma nova ferramenta para negócios.
Usos do Smart Data
O Big Data é transformado em Smart Data quando é coletado e otimizado, usando as necessidades específicas da indústria e da organização individual. As áreas a seguir são alguns dos casos de uso para Smart Data:
O Customer Journey Analytics (Análise da Jornada do Cliente) interage com centenas de interações de clientes da Internet em vários canais. Ele combina milhares de eventos para criar uma jornada para os clientes de uma empresa. É uma abordagem baseada em dados usada para descobrir, analisar e influenciar a jornada dos clientes. (No entanto, quando a informação está “errada”, ela é irritante e ofensiva e pode causar a perda de um cliente).
A análise da experiência do cliente (ou Voice of the Customer Analytics) usa ferramentas e técnicas para reunir as atitudes, opiniões e emoções do cliente. Voz do Customer Analytics enfatiza o estado mental dos clientes. Outras formas de análise normalmente se concentram nas ações e no comportamento de um cliente, e não em seus pensamentos. As áreas de marketing costumam usar esse tipo de análise para gerenciar reputações, produtos e fornecer uma análise de negócios competitiva. As técnicas para coletar esse tipo de informação incluem pesquisas rápidas e plataformas de software bastante abrangentes.
Smart Data e os Cinco Vs
Big Data é comumente descrito como usando os cinco Vs: valor, variedade, volume, velocidade, veracidade.
- Uma grande redução no “volume” ocorre com Smart Data, pois são apresentadas apenas informações úteis para resolver o problema.
- Variedade pode ou não ser reduzida, dependendo do processo de triagem usado na filtragem dos dados.
- Valor, velocidade e veracidade (precisão) tendem a aumentar com a diminuição do volume.
O Machine Learning e o Smart Data
O Machine Learning geralmente é um processo de treinamento para plataformas de Inteligência Artificial, mas também pode ser usado como um programa de reconhecimento e tomada de decisão.
À medida que o uso e a popularidade do Smart Data aumentaram, ele também foi usado com algoritmos de Machine Learning projetados para buscar Inteligência de Negócios e insights. O Machine Learning permite que as organizações filtrem Data Lakes e Data Warehouses, criando Smart Datas no processo.
Tradicionalmente, as organizações que buscam o Business Intelligence do Big Data usam os Data Scientists. Estes dedicam tempo à pesquisa de insights e padrões dentro dos conjuntos de dados de uma empresa. Os algoritmos de Machine Learning usando o “Aprendizado não supervisionado” e combinados com o Big Data tornaram possível a análise de dados mais rapidamente e sem o Data Scientist.
Os algoritmos de Machine Learning aumentam drasticamente a precisão, a velocidade e a inteligência da seleção de Big Data e, com feedback, podem continuar aprendendo e refinando o “processo de filtragem”.
Inteligência Artificial e Smart Data
Durante o processo de triagem e filtragem da criação de Smart Data, são tomadas decisões sobre quais dados devem ser bloqueados e quais devem ser apresentados. O Machine Learning e Inteligência Artificial (AI) usam critérios específicos durante este processo. AI é uma tentativa contínua de criar inteligência dentro de máquinas, permitindo que elas trabalhem e respondam como seres humanos.
A Inteligência Artificial forneceu maior flexibilidade e pode abordar metas exclusivas. Por exemplo, empresas de serviços financeiros podem usar Smart Data orientados por IA para análise de clientes, detecção de fraude, análise de mercado e conformidade.
Cases de uso do Smart Data e Big Data
Smart Data da cerveja
Uma organização chamada AB InBev (maior grupo cervejeiro de cerveja do mundo, conhecida no Brasil como Ambev) vem adquirindo empresas para obter insights do Smart Data. Eles querem saber tudo sobre o comportamento e os hábitos dos bebedores de cerveja. Recentemente, adquiriu um grupo cervejeiro chamado Weissbeerger, uma empresa que instala equipamentos de medição em tavernas e bares. Seu slogan, “transformando bebidas em dados”, expressa seu interesse em quanto cerveja é vendida onde, quando e por que, e quais sabores são populares em um determinado bar.
O porta-voz da AB InBev Peter Dercon, afirmou:
“Graças a Weissbeerger, podemos apoiar melhor nossos parceiros, e aproveitar ainda mais as necessidades crescentes dos consumidores. Os dados são energia e o fabricante de cerveja entende perfeitamente isso, especialmente em um mercado saturado onde os consumidores buscam novas alternativas, como cervejas artesanais.”
A enorme quantidade de dados que estão coletando apoia sua pesquisa de mercado interna, agora considerada essencial para competir com os mercados ocidentais já saturados. A “cerveja artesanal” e as cervejarias artesanais são os novos concorrentes. O uso do Smart Data permite à AB InBev inovar mais rapidamente e detectar tendências rapidamente, como o RateBeer.
Smart Data e Assistência Médica
O objetivo do Smart Data para prestadores de serviços de saúde é ajudá-los a trabalhar de forma mais inteligente, ao invés de complicar. Atualmente, estes prestadores de serviço têm achado o uso de Big Data confuso e avassalador. Eles tem que lidar com um fluxo interminável de tarefas prioritárias usadas para melhorar a qualidade de dados. Assim, até estão coletando dados, mas não estão usando.
Andy Slavitt, o atual administrador do CMS (Centers for Medicare and Medicaid Services), declarou:
“Os médicos ficam confusos com o que parece ser o “Paradoxo dos Dados Médicos”. Eles estão sobrecarregados na entrada de dados e ainda sub-informados. E os médicos não entendem por que seu computador no trabalho não permite que eles acompanhem o que acontece quando encaminham um paciente a um especialista quando o computador em casa o conecta em qualquer lugar. ”
A Forbes classificou o silenciamento de dados de “vergonha secreta dos serviços de saúde”, enquanto o Health Data Management relatou que os silos de dados estão atrasando os resultados dos pacientes e os avanços da pesquisa.
Smart Data e Dados de Saúde compartimentados
As razões para compartimentar os cuidados de saúde podem ser variadas e complicadas – privacidade do paciente, incompatibilidade de plataforma e os custos para gerar dados. Essa compartimentação traz consequências muito reais.
Por exemplo, os centros de câncer têm a maioria dos dados atualizados sobre o câncer, mas “não compartilham seus dados”. A compartimentação é informação não compartilhada e, como consequência, a maioria dos pacientes com câncer não se beneficiará da pesquisa de ponta contra o câncer.
De acordo com Shane Pilcher, vice-presidente da Stoltenberg Consulting, a resposta para esse problema é o Smart Data. Pilcher acrescentou:
“Apenas uma porcentagem muito pequena das organizações de assistência médica atuais parece estar liderando o caminho na análise de dados de assistência médica. A grande maioria está no início do processo de business intelligence / analytics, ou sequer começou. Como resultado, as organizações (de saúde) parecem ver o Big Data como algo que está fora em um futuro distante. Para a maioria deles, qualquer coisa depois de cinco anos é quase inexistente.”
Claramente, há uma necessidade tanto de uma mudança de paradigma quanto da tecnologia Smart Data, dentro do setor de saúde.
Coletando Smart Data
Organizações com menos conhecimento de Big Data geralmente coletam tudo e as armazenam em um Data Warehouse, Data Lake ou, em geral, em um Data Swamp. Eles estão coletando Big Data com a intenção de usá-lo “quando finalmente tomarem a decisão de usá-lo”.
Essas organizações podem acreditar que estão coletando anos de dados históricos. Na realidade, os dados podem não ter qualidade, quantidade ou mesmo estar no formato errado. Seus recursos seriam mais bem usados na coleta de dados relevantes para seus negócios.
Uma organização pode ser mais assertiva quanto aos dados que coleta e armazena em seu Data Lake. Dados tomam tempo e dinheiro para armazenar, organizar e governar. Em vez de coletar “todos” os dados, a estratégia do Smart Data pode ser mais eficiente para pequenas e médias empresas. O foco na coleta do Smart Data permite que as empresas usem soluções econômicas para seu processamento.
Por exemplo, reunir apenas os dados importantes pode simplificar o uso de ferramentas de BI de autoatendimento, evitando que a equipe se perca em informações irrelevantes.
A coleta de Smart Data não significa apenas eliminar dados em excesso. O Smart Data pode vir de uma variedade de fontes diferentes. Uma organização ágil pode mesclar esses recursos para desenvolver um modelo de Business Intelligence altamente focado.
Traduzido do artigo de Keith D. Foote
Leave A Comment