[RECICLANDO] Modelagem de dados e o desafio do Big Data



Fonte: CIO




O crescimento avassalador da chamada Terceira Plataforma, com seus bilhões de dispositivos geradores de outputs, acarreta a multiplicação e propagação de dados em uma velocidade tal que já podemos encarar como corriqueira a escala de captura, curadoria e análise de dados em patamar de terabyte por segundo nos ambientes de interação de massa.
Mas se é inegável que toda esta massa, do ponto de vista de sua magnitude, se constitui na pré-condição para o que tecnicamente se define como “Big Data”, também é indispensável entender que há outras condicionantes, ainda longe de serem encontradas na maior parte das empresas e órgãos de governo envolvidos nessa avalanche.
Uma delas – e com certeza, a principal – encontra-se na deficiência que muitos detentores de dados ainda precisarão enfrentar, no sentido de aplicar uma capacidade analítica suficientemente confiável, rápida e sustentável sobre essa massa disforme de dados, logs, imagens e aglomerados sintáticos e não sintáticos de informação vinda de múltiplas fontes.
Não que o acesso a ferramentas avançadas de análise em velocidade – e até mesmo em tempo real – seja algo inviável para tais empresas. Mas há, e haverá por muito tempo, uma grande e crescente quantidade de obstáculos gerados por incongruência tais como: a) a enorme diversidade de fontes e formatos de dados em trânsito, criados para diferentes dispositivos; b) a necessidade de contemplar toda essa diversidade com a já complexa situação dos diversos silos heterogêneos; e c) a indispensável inclusão do legado nessas plataformas para as quais ele não foi sequer previsto.
É diante dessa fragmentação que a tecnologia de dados mestres – ou MDM (Master Data Management) emerge como estratégia evolutiva indispensável, principalmente para grandes organizações, que detêm ativos de informação de grande porte, em níveis horizontal ou vertical, e que necessitam o mais rápido possível explorar tais jazidas em sua profusão e profundidade.
Grandes especialistas globais, formadores de conceito em tecnologia de dados complexos – em especial a IBM – se deram conta dessa realidade há cerca de 10 anos, quando Big Data ainda era uma projeção para o futuro. Hoje, a estruturação de MDM tem se demonstrado claramente o passo essencial que a maior parte das empresas necessita dar para o apaziguamento de tais disparidades.
Empresas com muitos dados e com poderosa capacidade analítica, como as grandes redes globais de varejo, ainda se batem com a difícil questão tecnológica dos dados não estruturados para implementar, por exemplo, um framework mais sofisticado de tendências; ou um cenário preditivo de negócios que permita melhor planejar funções essenciais, como compras, política de preços e personalização de marketing.
É a estas empresas que a tecnologia MDM oferece sua base de apoio, garantindo, em tempo muito rápido, uma esteira de produção de dados capaz de orientar a exploração multifacetada de toda a matéria prima digital que possa ser guindada ao status de informação de negócio.
No plano mundial, há centenas e centenas de grandes players de comércio, governo e serviços que vêm implementando políticas de Big Data em implementações que vão de forecasting administrativo à criação de canais de atendimento no modelo “omni-channel”.
No Brasil, há incontáveis exemplos nas áreas mais distintas, indo do setor financeiro ao de telecomunicações e de indústria.
Recentemente, a Rodobens, um grupo empresarial de R$ 3 bilhões ao ano, híbrido do ponto de vista dos negócios, conseguiu contemplar uma infinidade de formatos e fontes de dados de clientes na implementação de um modelo de dados multidimensional unificado que ela batizou como “cliente único”. Esta abordagem abrangente viabiliza, de imediato, a implementação de diferentes níveis de marketing analítico e de gestão por cenários, além de garantir a passagem para um CRM multicanal com viés preditivo e foco no engajamento do cliente.
A Essilor, uma das líderes globais em lentes oftálmicas (detentora de marcas como lentes Varilux e Kodak) e que tem centenas de produtos líderes de mercado, passou por um desafio nada comum. Como desenvolver um ambiente analítico a partir de bases de dados herdadas de mais de 150 empresas (frutos de fusão, parceria ou aquisição) e como conciliar tudo isto com as características de acesso e interação de milhares de representantes, lojas de varejo óptico e funcionários internos.

É evidente que a criação de um ambiente analítico baseado nas interações de terceira plataforma não seria para tal empresa um bicho de sete cabeças. Mas do que adiantaria partir para tal ambiente deixando para trás o descomunal diferencial competitivo que a experiência de 150 players representa?
De novo, a resposta encontrada pela equipe da Essilor no Brasil baseou-se principalmente na modelagem de um padrão de dado que garanta a evolução imediata para uma situação de manejo, curadoria e gerenciamento plenos da informação digital antiga e nova.
Engana-se, portanto quem olha para big data como uma novíssima parafernália a ser planejada na – e para a – terceira plataforma. Big Data também não é só volume colossal: trata-se de um patamar analítico em escala antes nunca vista e que exige, em primeiro lugar, um nível de modelagem que dê acesso a este novo pavimento da produção de insights para a estratégia e a operação de negócios.

(*) Marcio Guerra é diretor da MD2 Consultoria
Compatilhe no Google Plus

Sobre Grimaldo Oliveira

Mestre pela Universidade do Estado da Bahia (UNEB) no Curso de Mestrado Profissional Gestão e Tecnologias Aplicadas à Educação (GESTEC) com o projeto “GESMOODLE – Ferramenta de acompanhamento do aluno de graduação, no ambiente virtual de aprendizagem(MOODLE), no contexto da UNEB“. Possui também Especialização em Análise de Sistemas pela Faculdade Visconde de Cairu e Bacharelado em Estatística pela Universidade Federal da Bahia. Atua profissionalmente como consultor há mais de 15 anos nas áreas de Data Warehouse, Mineração de Dados, Ferramentas de Tomada de Decisão e Estatística. Atualmente é editor do blog BI com Vatapá. Livro: BI COMO DEVE SER - www.bicomodeveser.com.br

0 comentários: