O Big Data como hype oferece uma boa oportunidade para que as organizações possam obter patrocínio interno e aumentar os investimentos em capacidade computacional, novas ferramentas de armazenamento e novas soluções de análise de dados. Hadoop, MapReduce, MPP, In-Memory, SGBDs colunares, NoSQL, softwares estatísticos e outras "novidades" tecnológicas resolvem problemas antigos de performance, alta disponibilidade e processamento analítico complexo. Entretanto, mesmo como todo esse entorno tecnológico no radar, a forma como muitas empresas "cuidam" dos seus ativos de dados ainda permanece secundária. Em parte, essa miopia indica que, assim como aconteceu em outras ondas de investimento massivo em tecnologia, tais como, ERP, CRM e propriamente BI/DW, problemas estruturais de arquiteturas de dados, arquitetura de soluções, cultura organizacional e especialmente, a ausência de pessoas com os skills adequados para gerir essas novas iniciativas poderão continuar "debaixo do tapete". Mais uma vez, uma boa parte das organizações está seguindo a velha máxima do "deixa que software que resolve tudo" e do "vamos tocando com o que temos".
Existe notadamente um movimento de valorização da disciplina de ciência de dados, da estatística aplicada, e do próprio dado, tratado como o novo "petróleo" do mundo digital.Curiosamente, apesar de todo o frenesi em torno do Big Data, investimentos em "antigas" iniciativas de governança de dados, gestão de metadados, padronização, otimização de plataformas existentes, melhoria nos processos de administração de dados e workflows de trabalho mais eficientes entre negócio e TI continuam represados.
E esse é um ponto crucial. É difícil entender como adicionar mais fontes de dados, mais tecnologia, novos processos de trabalho e novos headcounts sem uma estratégia adequada para lidar como tudo isso. Por exemplo, em conversas com clientes e profissionais por onde tenho trabalhado ultimamente, é perceptível que há um descontentamento atual dos times de negócio em relação à forma e como são conduzidos as iniciativas de BI na organização. E isso é interessante, porque todos os problemas atuais e as altas taxas de insucesso dos atuais projetos de BI estão sendo transferidos para as novas iniciativas centradas no Big Data.
É estranho pensar em aumentar a aquisição de dados não-estruturados, quando ainda temos um "eldorado" de dados estruturados não explorados na organização, muitos deles sendo geridos de forma departamental por falta do suporte tecnológico adequado. Muitos projetos de BI nas organizações ainda são embrionários, patinam ou não são aproveitados em sua totalidade simplesmente por falta de investimento ou foco. Ou ainda pior, comprar conectores para dados de redes sociais, serviços do Google, Bloomberg, Amazon etc.. sem saber qual a estratégia de negócio está por trás dessa aquisição. Acredite, não se trata somente de extrair diversas fontes de dados, entulhar em um repositório e tentar achar algo útil no meio de todas essas informações. Requer bem mais do que só aquisição de dados.
É mais estranho ainda adquirir uma solução de modelagem preditiva sem um estatístico e um "domain expert" ou SME (Subject-matter expert) na equipe . Por mais interativo que os softwares de Business Analytics tem se tornado, um bom modelo ainda vai precisar de uma explicação estatística e de pessoas que entendem dos processos de negócio para decifrar os comportamentos observados, hipóteses e validar o modelo com o "mundo real". Não é só sobre software, ou só estatística aplicada. Trata-se também de conhecimento do negócio, ciência, da técnica adequada e das pessoas certas para "tocar" a disciplina de ciência de dados.
É disso que trato nesse artigo. Antes de adquirir novas soluções, implementar novos projetos ou expandir a plataforma de Business Intelligence atual para acomodar novas necessidades centradas no fenômeno do Big Data, pense nos processos que irão suportar essa atividade ao seu redor e sobre como o dado, o ouro negro do século XXI, será tratado nesse novo modelo.
Por exemplo, todo novo projeto deve nascer sobre a plataforma Hadoop? Que tipo de persistência devo escolher como padrão para acomodar dados estruturados em modelos de dados multidimensionais? Que tipo de projeto antigo posso melhorar com as novas soluções adquiridas? Qual são as roles envolvidas e como será a redistribuição de responsabilidades entre os times de negócio e tecnologia? TI exerce o mesmo papel nesse novo modelo? Os padrões de administração de dados permanecem os mesmos?
Como se vê, há mais perguntas do que respostas. Eu mesmo, poderia listar aqui uma dezena delas e respondê-las uma a uma. Mas, prefiro deixar a mensagem de que esses questionamentos são importantes e devem ser discutidos internamente para compor uma estratégia organizacional. Por isso, sugiro pegar uma carona na discussão em torno do Big Data, aproveitando a importância dada aos seus ativos de dados e tentar redefinir um novo "marco" para BI/BA dentro da sua organização. Assim como ocorre em novos negócios, se você não dispõe desse conhecimento em casa, uma consultoria com a visão externa pode te ajudar a estruturar essa "reforma" antes de receber novos hóspedes e móveis.
0 comentários:
Postar um comentário