Todos migraram seus dados para a nuvem – e agora?

Empresas de todas as formas e tamanhos entendem cada vez mais que é necessário melhorar continuamente a diferenciação competitiva e evitar ficar para trás dos nativos digitais FAANG do mundo — empresas que priorizam os dados, como Google e Amazon, alavancaram os dados para dominar seus mercados. Além disso, a pandemia international galvanizou as agendas digitais, dados e tomada de decisão ágil para prioridades estratégicas espalhadas por espaços de trabalho remotos. Na verdade, um estudo do Conselho de Administração da Gartner descobriram que 69% dos entrevistados disseram que o COVID-19 levou sua organização a acelerar dados e iniciativas de negócios digitais.

A migração de dados para a nuvem não é uma coisa nova, mas muitos descobrirão que a migração para a nuvem por si só não transformará magicamente seus negócios no próximo Google ou Amazon.

E a maioria das empresas descobre que, depois de migrar, o knowledge warehouse, lakehouse, material ou mesh mais recente na nuvem não ajuda a aproveitar o poder de seus dados. Um recente Estudo de Pesquisa TDWI das 244 empresas que usam um knowledge warehouse/lago na nuvem revelaram que surpreendentes 76% experimentaram a maioria ou todos os mesmos desafios locais.

O cloud lake ou warehouse get to the bottom of apenas um problema – fornecer acesso aos dados – que, embora necessário, não get to the bottom of a usabilidade dos dados e definitivamente não em escala absoluta (que é o que dá ao FAANG seu ‘byte’)!

A usabilidade dos dados é elementary para permitir negócios verdadeiramente digitais – aqueles que podem se basear e usar dados para hiperpersonalizar cada produto e serviço e criar experiências de usuário exclusivas para cada cliente.

O caminho para a usabilidade dos dados

Usar dados é difícil. Você tem pedaços brutos de informação cheios de erros, informações duplicadas, formatos inconsistentes e variabilidade e sistemas díspares isolados.

Mover dados para a nuvem simplesmente realoca esses problemas. TDWI relatado que 76% das empresas confirmaram os mesmos desafios no native. Eles podem ter movido seus dados para um lugar, mas ainda estão imbuídos dos mesmos problemas. Mesmo vinho, garrafa nova.

Os bits de dados cada vez maiores precisam, em última análise, ser padronizados, limpos, vinculados e organizados para serem utilizáveis. E para garantir escalabilidade e precisão, isso deve ser feito de forma automatizada.

Só então as empresas podem começar a descobrir as joias escondidas, novas ideias de negócios e relacionamentos interessantes nos dados. Isso permite que as empresas obtenham uma compreensão mais profunda, clara e rica de seus clientes, cadeias de suprimentos, processos e os convertam em oportunidades monetizáveis.

O objetivo é estabelecer uma unidade de inteligência central, no centro da qual estão os ativos de dados – camadas de dados monetizáveis ​​e prontamente utilizáveis ​​das quais a empresa pode extrair valor sob demanda.

Isso é mais fácil dizer do que fazer, devido aos impedimentos atuais: implementações de preparação de dados altamente manuais, cheias de acrônimos e complexas – principalmente porque não há talento, pace ou ferramentas (certas) suficientes para lidar com a escala necessária para tornar os dados prontos para o virtual.

Quando uma empresa não funciona em ‘modo de lote’ e cientistas de dados‘ são baseados no acesso constante aos dados, como as soluções atuais de preparação de dados que são executadas em rotinas uma vez por mês podem cortá-lo? A própria promessa do virtual não é tornar todas as empresas a qualquer hora, em qualquer lugar, all in?

Além disso, poucas organizações têm cientistas de dados suficientes para fazer isso. Pesquisa da QuantHub mostra que há três vezes mais postagens de emprego de cientistas de dados do que pesquisas de emprego, deixando uma lacuna atual de 250.000 vagas não preenchidas.

Perante os duplos desafios de escala de dados e escassez de talentos, as empresas exigem uma nova abordagem radical para alcançar a usabilidade dos dados. Para usar uma analogia da indústria automobilística, assim como os BEVs revolucionaram a forma como chegamos do ponto A ao B, os sistemas avançados de usabilidade de dados revolucionarão a capacidade de todas as empresas de criar dados utilizáveis ​​para se tornarem verdadeiramente digitais.

Resolvendo o quebra-cabeça de usabilidade com automação

A maioria vê a IA como uma solução para o lado decisório da análise, no entanto, a maior descoberta dos FAANGs foi usar a IA para automatizar a preparação, organização e monetização de dados.

A IA deve ser aplicada às tarefas essenciais para resolver a usabilidade dos dados – para simplificar, otimizar e sobrecarregar as muitas funções necessárias para criar, operar e manter dados utilizáveis.

As melhores abordagens simplificam esse processo em três etapas: ingerir, enriquecer e distribuir. Para ingestão, os algoritmos coletam dados de todas as fontes e sistemas em velocidade e escala. Em segundo lugar, esses muitos bits flutuantes são vinculados, atribuídos e fundidos para permitir o uso instantâneo. Esses dados utilizáveis ​​devem ser organizados para permitir o fluxo e a distribuição entre os sistemas e processos do cliente, do negócio e da empresa.

Um sistema de usabilidade de dados automatizado, dimensionado e completo libera os cientistas de dados, especialistas em negócios e desenvolvedores de tecnologia da preparação de dados tediosa, guide e frágil, oferecendo flexibilidade e velocidade à medida que as necessidades dos negócios mudam.

Mais importante ainda, este sistema permite que você entenda, use e monetize cada último bit de dados em escala absoluta, permitindo um negócio virtual que pode rivalizar (ou até superar) os FAANGs.

Em última análise, isso não quer dizer que knowledge warehouses em nuvem, lagos, tecidos ou qualquer que seja a próxima tendência quente sejam ruins. Eles resolvem para um propósito muito necessário – fácil acesso aos dados. Mas a jornada para o virtual não termina na nuvem. A usabilidade de dados em escala colocará uma organização no caminho para se tornar uma empresa virtual verdadeiramente voltada para os dados.

Abhishek Mehta é o presidente e CEO da Tresata