Os 6 “dos” e “don’ts” do Big Data

big dataPesquisa revela as melhores e piores práticas para a análise do Big Data.

Os executivos estão a mudar a sua opinião sobre o Big Data. Cada vez mais os dirigentes estão a reconhecer a importância estratégica da recolha e análise dos dados. Pelas mais variadas razões.

Para muitas organizações este processo rapidamente se transforma num exercício esmagador. Com o acesso a novas fontes de dados, como os equipamentos de streaming de dados, dados não estruturados das redes sociais e mais níveis dos dados de transacções online, muitas empresas não sabem onde começar a procurar por respostas, e menos ainda como perguntar as perguntas certas.

De acordo com um estudo da IDG Research Services apenas 26% dos inquiridos refere que as suas organizações sabem (podem saber) quais as perguntas a fazer. Mas talvez isso esteja ok. Se deixar os dados guiá-lo as perguntas tornar-se-ão óbvias.

“Os (as empresas) que estão a liderar estão a começar com os dados e a deixá-los ajudar a organização em questão”, afirma Scott Chastain, Senior Systems Engineer no SAS. “É a abordagem ‘da velha escola’ – começar com uma pergunta e depois descobrir os dados da resposta. Este é um flip significativo.”

Que outros conselhos podemos reunir dos especialistas do SAS e da recente pesquisa da IDG? Continue a ler para descobrir os seis “do” e “don’ts” na abordagem a projectos de Big Data e base de dados não estruturados.

A capacidade de aproveitar o poder do Big Dara exige mais do que tecnologia. Exige a colaboração entre os negócios e as TI. 

Scott Chastain, Senior Systems Engineer, SAS

Os “Don’ts”

1) Não assuma que a abordagem mais ambiciosa será a que terá o melhor retorno.

Por muito tentador que seja ter uma grande recompensa é perigoso quando um negócio “abraça” dados não estruturados ao tentar fazer tudo de uma vez. Em vez disso as organizações devem olhar para as aplicações mais pequenas e facilmente mensurareis como oportunidades piloto e, então, criar uma dinâmica de sucessos. É crucial escolher os projectos certos para testar as capacidades.

2) Não concentre todos os esforços nas necessidades das unidades de negócio.

O sucesso é mais viável quando as organizações pensam de forma global e actuam localmente. “Diminuir o risco mensurável é, muitas vezes, mais efectivo, num projecto inicial, do que focar no conhecimento dos concorrentes ou em criar novas oportunidades”, refere Fiona McNeill, Global Product Marketing Manager no SAS. “Estas últimas são tarefas significativamente mais difíceis e necessitam de mais tempo para se poder efectuar uma mediação. O objectivo é o encontrar projectos com um ROI imediatamente mensurável”.

3) Não espere que a tecnologia, por si só, garanta os resultados desejados.

Apesar de a pesquisa mostrar que a falta de tecnologia é um dos principais obstáculos – especialmente entre pequenas e médias empresas – ela está disponível. E, nalguns casos, as organizações podem alavancar, gratuitamente e numa base experimental, soluções de open source ou soluções validadas, para testar as suas capacidades. Não há uma solução simples quando se fala de sucesso de dados. A menos que seja uma empresa orientada para as analíticas a capacidade e o focos tornam-se menos importantes em detrimento do alcançar do objectivo – o ROI.

Os “Do”

4) Crie capacidade colaborativa.

“Usar um conjunto de ferramentas e processos, que tornam o Big Data acessível, resulta, na maioria das vezes, na resolução de alguns dos principais desafios descritos no estudo”, explica Chastain. “Ao olhar para para o conjunto de custo e conhecimentos, verificamos que o Big Data está a crescer mais rápido do que as capacidades (técnicas). É preciso criar uma envolvente que facilite a utilização”, acrescentou. “A capacidade de aproveitar o poder do Big Data exige mais do que tecnologia. Exige colaboração entre o negócio e as TI. As organizações que promovam a colaboração serão as que mais beneficiarão – e mais rapidamente – da plataforma Hadoop”.

5) Opte por uma abordagem por etapas.

Em vez de cometer o erro habitual de tentar resolver problemas desconhecidos com dados desconhecidos (não verificados), as organizações bem-sucedidas começam por resolver, de uma nova forma, os problemas conhecidos. O passo seguinte é o de resolver o mesmo problema com novos dados e depois passar para resolver novos problemas com novos dados. “As organizações que optam por uma abordagem por etapas (faseada) são as que têm a maior probabilidade de ter sucesso”, refere Chastain. “Por exemplo, se uma empresa de telecomunicações móveis definiu meios para medir o churn o Big Data permite saber se as redes sociais produziram melhorias, porque é uma questão de abordar com novos dados um problema existente.”

6) Pense estrategicamente e aja de forma táctica.

As organizações que “abraçam” o Big Data estão, muitas vezes, focalizadas a criar a plataforma para resolver problemas (de negócio) específicos. Como resultado disto o programa é tipicamente visto como uma experiência, o que dificulta o seu envolvimento e integração como sendo um activo de negócio. No entanto tendo os objectivos estratégicos definidos é mais fácil ver a segunda, terceira e quarta aplicação. Isto é importante porque muitas vezes só se percebe o verdadeiro (e potencial) valor do Big Data com as aplicações contínuas.

Não há uma solução simples quando se trata da análise do Big Data. Mas o sucesso começa com uma estratégia sólida. Espero que possa usar estas dicas para recolher informações valiosas, desde a optimização de processos a melhorias relacionadas com o cliente.

Deixar uma resposta