Pode não parecer, mas o conceito de big data é relativamente antigo. Afinal, não é de hoje que uma quantidade enorme de dados são processados pelos sistemas.
Se você puxar na memória, vai se lembrar de quando os britânicos criaram uma máquina para decifrar os códigos nazistas durante a Segunda Guerra Mundial.
Naquela época, com o invento, milhares de mensagens eram decodificadas em questões de segundos. Ou seja, já se empregava big data mesmo que o termo só tenha sido cunhado em 1997.
O Big Data só passou a ser realmente difundido a partir de 2005 devido à publicação de um artigo de autoria de Roger Magoulas.
O avanço tecnológico deu às companhias ferramentas e recursos poderosos, capazes de coletar e processar dados em uma escala nunca antes imaginada e em tempo recorde.
É como se a matemática, a estatística e as incontáveis planilhas manuais dessem vez à ciência de dados para transformar grandes quantidades de informação em insights de criação de valor. Isso não exclui, é claro, a importância do fator humano.
Big Data é como um imenso oceano de dados que fica mais cheio a cada dia. Geramos diariamente cerca de 2,5 quintilhões de dados, o equivalente a dois Museu do Louvre. E como você já deve ter ouvido por aí, dados são o novo petróleo, um recurso natural valioso para as organizações. Por isso, tem muita gente interessada em explorar esse mar de informações.
Só que para vasculhar essas “águas” é preciso investir em tecnologia, como algoritmos de inteligência artificial (IA). Esses recursos possibilitam, por exemplo, uma análise precisa de gostos e hábitos dos consumidores. As informações coletadas podem ser usadas para criação de produtos, serviços e experiências mais refinados e personalizados para cada cliente.
Para transformar essa grande quantidade de dados em melhores decisões, cabe às empresas a escolha de tornar seus times aptos a traduzirem os dados coletados em alternativas de rotas seguras para o negócio.
De acordo com especialistas, somente quando todas as áreas tiverem uma maior capacidade de ler, interpretar, analisar de maneira crítica e traduzir aqueles dados e informações em melhores decisões, será possível extrair todo o potencial disponível deles.
Mesmo sabendo da exposição dos seus dados à essas empresas, você conseguiria viver sem a internet? Como sobreviver sem o Google? Ou perder o privilégio das entregas em um dia da Amazon ou Mercado Livre? Consegue imaginar a sua vida sem rolar no feed do Instagram ou Facebook?
Esse tipo de captura e formulação de dados tem criado uma nova área nos grandes negócios: o Business Intelligence, ou BI. A matéria prima para o Business Intelligence é o Big Data.
A partir dele, é possível tirar insights e resultados valiosíssimos para o andamento da empresa e previsão dos cenários futuros. Seja com dados estruturados ou não estruturados, o BI busca o significado desses dados.
Para muitos especialistas, os dados já não são o novo petróleo: são ainda mais valiosos. Porém, assim como muitos países enriqueceram com o combustível do século, só enriquecerão com dados aqueles que souberem usá-los da melhor forma, sempre levando em consideração que eles são o combustível que vai moldar o futuro.
Dados alternativos
A integração dos dados de todo o mundo proporciona o poder de fazer mais.
Os dados alternativos são definidos como dados não tradicionais que podem fornecer uma indicação do desempenho futuro de uma empresa fora das fontes tradicionais, como arquivamentos da empresa, previsões de corretores e orientação de gerenciamento.
Esses dados podem ser usados como parte da análise de investimento pré-negociação, bem como para ajudar investidores a monitorarem a integridade de uma empresa, setor ou economia.
Os tomadores de decisões de fintechs sabem que prever o risco de crédito é um passo essencial para escalar neste segmento, ainda mais na América Latina onde há grandes oportunidades. Também sabem que o segredo para isso é a obtenção do maior número de dados possível.
Esperar a disseminação do Open Finance para tanto pode não ser uma boa ideia e o uso de dados considerados tradicionais limita ainda mais esta situação. Por isso, uma tendência é o surgimento ou chegada de empresas que provêm base de dados chamados de alternativos.
Empresas especializadas em software de data analytics e suporte a decisões de risco na nuvem. Os modelos de risco de crédito são capazes de pontuar mais precisamente 90% dos candidatos que teriam sido considerados inexistentes ou com arquivos parcos usando apenas dados tradicionais.
Ou seja, são modelos que vão além das informações públicas ou fornecidas por uma pessoa física ou uma empresa e, portanto, que garantem mais confiança no potencial cliente para a prestação do serviço.
O uso de dados alternativos para as finanças cresce na mesma proporção que são disponibilizados. De acordo com um levantamento da Research and Markets, uma das maiores casas de pesquisa do mundo, o mercado global de Dados Alternativos deve atingir a marca de US$ 11,1 bilhões até 2026.
Isso demonstra que o investidor que utiliza esse tipo de dados tem uma visão mais contemporânea e aposta em novas tecnologias como estratégia para ter sucesso.
Leia também: Blockchain: um guia compreensível.
O futuro dos dados
Conforme a quantidade de dados disponíveis para análise aumenta e a qualidade das descobertas melhora, a análise de “big data” será capaz de aprofundar nas ações e emoções dos indivíduos para fornecer insights valiosos em um nível granular.
Observar o comportamento do cliente ao visitar um site de e-commerce, por exemplo, pode resultar na exibição de produtos de acordo com o padrão de navegação específico desse consumidor.
Os insights obtidos com o uso das mídias sociais, por exemplo, podem ir muito além de “gostar/não gostar” e identificar tendências que revelam nuances de opinião e necessidades dos clientes.
Apesar do aumento das informações disponíveis e da geração de uma quantidade cada vez maior de dados, o tratamento dos dados para geração de valor continua sendo um trabalho essencialmente manual. E não estamos falando simplesmente da manipulação de dados em ferramentas como o Excel, feita por indivíduos.
A grande maioria das ferramentas de análise e manipulação de dados existentes hoje é formada, no fundo, por ferramentas manuais, que necessitam de uma supervisão detalhada e cuidadosa de uma pessoa – seja essa pessoa um analista, um programador ou um cientista de dados – para chegar em qualquer resultado.
Esse tipo de processamento é insustentável. Os fluxos de informação que dependem de uma pessoa (ou mesmo de uma equipe) de analistas de dados para conseguir chegar em um resultado acionável não são capazes de lidar com o volume de informações sendo criadas e disponibilizadas, o que gera um backlog de análise interminável.
Para trabalhar dados em escala industrial, precisamos de ferramentas industriais, de máquinas e automações que façam o trabalho no lugar das pessoas.
Aos poucos, ferramentas e tecnologias com essa natureza estão surgindo. Estamos vendo o início da migração para um mundo onde “analistas de dados” e “cientistas de dados” são profissões desnecessárias, porque o trabalho braçal de análise e de tratamento da informação será totalmente automatizado.
Um mundo onde algoritmos e inteligência artificial são aplicados para realizar todo o processo de análise, avaliação e geração de possibilidades em cima dos dados disponíveis, em uma escala que nenhuma pessoa consegue acompanhar.
Na área de pesquisa científica, já temos exemplos de teorias geradas de forma totalmente independente por computadores, a partir de volumes gigantescos de dados, com resultados que nenhuma pessoa conseguiria reproduzir por conta própria.
Esse tipo de processo de descoberta de conhecimento deverá rapidamente se espalhar por outras áreas e outros mercados, se tornando o padrão, e não a exceção.
O futuro avança rápido e os dados serão cada vez mais valiosos para todos os segmentos de mercado que souber explorá-los.
