Dicionário de Dados Tradicional vs Analítico

Dicionário de Dados Tradicional vs Analítico

Anteriormente explicamos com detalhes o que é um dicionário de dados de Data Analytics, apresentamos seu conceito e diferenças quando comparados com dicionário de dados tradicionais.

Uma das principais diferenças entre dicionários tradicionais e de Data Analytics é que os dicionários analíticos integram conhecimentos negócio em diferentes níveis de granularidade, removendo ambiguidades sem priorizar requisitos de sistemas. Isso não deve reduzir a importância dos dois tipos de dicionários em seus contextos. (Joni Hoppen)

Embora a finalidade de ambos os dicionários seja a mesma, ambos buscam unificar e padronizar informações sobre os dados guardados em sistemas de informação.

Portanto, neste artigo vamos apresentar um comparativo entre os dois tipos de dicionário de dados e o seu papel nas atividades das empresas.

Dicionários Tradicionais

Os modelos tradicionais, são mais complexos e detalhados e fazem parte de de processos maduros e boas práticas de engenharia de software, informando até o tamanho do texto permitido em cada coluna. Por exemplo, a coluna nome do paciente tem um limite de 50 caracteres.

Estas informações são relevantes para garantir o planejamentos da infraestrutura ou stack tecnológico, tais como escolha de uma linguagem de programação, o tipo de integração de sistemas e diversas atividades que garantem a operação diária da empresa.

Contudo, quando se planeja utilizar a Inteligência Artificial e algoritmos de mineração de dados, estas informações podem ser irrelevantes e adicionam grande complexidade ao processo de análise.

Dicionários de Data Analytics (dados analíticos)

Para que um modelo tradicional de dicionário (mais completo) seja adequado aos processos de Data Analytics na criação de datasets (o que é um dataset?), ele precisa ser ajustados aos perfis profissionais que irão consumir a informação.

Os clientes dos dicionários analíticos são, sobretudo, cientistas de dados e analistas de negócios que possuem um grande interesse na assertividade das predições/prescrições dos modelos estatísticos e integração com o modelo de negócio.

Em data analytics, os dicionários estão mais focados nos significado das linhas (registros) dos datasets e das colunas das tabelas (variáveis, fatores, características) para que pessoas envolvidas pensem sobre o problema de negócio (o que se quer analisar) na forma mais prática e simplificada possível.

Tabela comparativa

Na tabela a seguir, apresentamos algumas sugestões de atividades e os clientes dos dicionários tradicionais da engenharia de software e dos dicionários analíticos.

AtividadeTradicional
(Tecnologia da Informação)
Dicionário de Analytics
(Escritório de Ciência de dados)
Ambos
Integração de sistemasX  
Modelagem de bancos de dados;X  
Migração de sistemasX  
Higienização de dados  X
Criação de modelos, exploratórios,  preditivos e prescritivos. X 
Geração de relatórios analíticos  X
Dados transacionaisX  
Dados analíticos X 
Tabela comparativa de atividades e dicionários de dados

Modelo de dicionário de dados grátis

Neste artigo (o que são dicionários de dados analíticos?) é possível baixar um modelo de dicionário que vai direto ao ponto.

Quem é a Aquarela Advanced Analytics?

Somos pioneiros em Advanced Analytics na indústria brasileiro, aplicando tecnologias e metodologias (download e-book gratuito) de Inteligência Artificial, aprendizado de Máquina e Web Semântica.

Por meio de nossa plataforma Vortx, criamos e entregamos valor de negócios para grandes clientes na indústria e de serviços tais como Embraer, Grupo Randon e outros.

Entre em contato conosco para discutir sua estratégia de dados também não perca nossos conteúdos exclusivos, assinando nossa newsletter!

Quanto uma empresa deve investir em Analytics e IA?

Quanto uma empresa deve investir em Analytics e IA?

É época de fazer os orçamentos, então: Quanto devo investir em analytics e projetos de inteligência artificial? 1, 2, 3, 5% do orçamento total?

Grandes mudanças econômicas estão ocorrendo com a digitalização da indústria, e toda essa mudança pode dificultar a determinação de prioridades em alocar os fundos de tecnologia nas empresas. Neste sentido, alguns executivos cometem o erro de usar o mesmo modelo de orçamento todos os anos, sem considerar mudanças de cenário, tais como:

  • Novas necessidades da empresa;
  • Avanços tecnológicos de processo com impacto no negócio;
  • Novos posicionamentos da concorrência.

Decidir sobre os gastos com data analytics e inteligência artificial no contexto empresarial (indústria ou serviços) requer mais do que apenas escolher números que parecem bons ou proporcionais!

“As empresas ainda não enxergam claramente como devem ser alocados fundos voltados para analytics com inteligência artificial nos seus diversos setores”.

Existem algumas questões que executivo deve considerar ao determinar seu orçamento de analytics para implementar decisões de tecnologia com eficácia. Alguns pontos cruciais são:

Devo investir em novos processos com IA que mudarão a base da concorrência no setor?

Para os dirigentes de muitos setores, a tecnologia está se tornando uma corrida armamentista. Temos visto que as empresas estão aproveitando tecnologias como mídia social e serviços baseados em localização para reinventar a experiência do cliente e conquistar participação de mercado.

Outros estão apostando em IA para fomentar para melhorias em seus produtos industriais, trabalho este do módulo Vortx – Desenolvimento de novos produtos.

É importante saber quem são seus concorrentes, emergentes ou existentes, como eles estão estruturando seus projetos IA e como sua equipe ou parceiros de analytics (como escolher um parceiro de analytics?) estão te ajudando a vencê-los, e até mesmo entrar em novos mercados.

O que é necessário investir para superar as expectativas de nossos clientes no digital?

Empresas que são líderes em comércio eletrônico como Amazon, Apple, Lojas Americanas, Magazine Luiza e Mercado Livre estão massificando, ou em outras palavras, democratizando a experiência dos negócios online. Resultando em experiências ultraconvenientes e sobretudo personalizadas.

Com essas grandes vitrines globais na distância de um clique, o trabalho da gestão é de planejar novos processos, novas análises e novas estruturas de sistemas de informação, que atendam um cliente cada vez mais informado e com expectativas mais altas.

O plano de negócio aborda o potencial da IA como uma estratégia?

Em muitas situações, os gastos/investimentos com analytics e protótipos de inteligência artificial podem ser altos, no entanto, verifique se não são relativamente pequenos em comparação com seu potencial para impulsionar o desempenho operacional de uma empresa.

Segundo a Harvard Business Review, as áreas de maior impacto ao negócio são:

Em última análise, a estratégia que surge de uma avaliação de oportunidades e ameaças deve ser um plano integrado que mostre como a empresa irá vencer a concorrência usando a automação de comportamentos inteligentes gerados por máquinas, não simplesmente um orçamento anual de tecnologia ou até marketing revisado.

Conclusões e recomendações

O tema de orçamentação é complexo por natureza e está ligado desde à estratégia até a operação do negócio.

Neste artigo levantamos algumas questões para ajudar os executivos a refletirem sobre a prioridade e a intensidade da alocação de recursos na área de analytics, big data e inteligência artificial. Neste sentido, mostramos alguns exemplos dos módulos da plataforma Aquarela VORTX que podem ajudar a aproximar processos inovadores com a operação.

Acreditamos que investir no aumento da maturidade analítica da organização é sempre importante, mesmo que retorno não seja tão direto. O fato é que os lideres dos setores estão se tornando cada vez mais maduros em analytics, e isso deve ser levado em conta.

A importância da manutenção planejada com Analytics

A importância da manutenção planejada com Analytics

A manutenção planejada com analytics é essencial para estender a vida útil de ativos, maximizar seu ROI, evitar falhas e reparos dispendiosos.

De acordo com a Harvard Business Review este é um dos terrenos mais férteis para o uso de analytics e big data. Da mesma forma que os projetos de precificação dinâmica e predição de demanda.

Neste artigo apresentamos: um dos cenários no qual trabalhamos, os principais benefícios do uso de analytics e recomendações para gestores alinhados aos bases da indústria 4.0.

Manutenção planejada na área de Ar Condicionado

Antes de tudo, tomamos como exemplo a área de HVAC (sigla em inglês para “heating, ventilating and air conditioning“) que em português se refere a “aquecimento, ventilação e ar condicionado”.

As manutenções de HVAC, por sua vez, exigem cuidados recorrentes já que são equipamentos de uso intensivo e com impactos diretos na operação e nos custos. 

No Brasil, uma das principais referências neste mercado é o Grupo São Carlos que, em parceria com a Aquarela, desenvolveu os modelos de inteligência artificial embutidos nos planos de manutenção 4.0.

Os serviços de manutenção incluem, mas não se limitam a:

  • limpeza do condensador refrigerado do ar;
  • limpeza do filtro de água;
  • substituição da correia, do gás e do filtro de ar;
  • reparo de componentes eletrônicos e;
  • outros.

A complexidade dos cenários de manutenção planejada

Para dar uma ideia da complexidade da gestão dos ativos HVAC, vale citar a grande variação do número de equipamentos em operação e a variação de modelos. 

Isso significa que:

estamos falando de um cenário de alta complexidade (alto potencial de exponencialização) devido a combinação da quantidade, variedade e tempo de uso dos equipamentos. Que, por sua vez, estão expostos à fatores climáticos que atuam de forma distinta em diferentes regiões.

Além disso, é preciso lembrar que para cada equipamento existe também um conjunto de peças de reposição que exigem combinações específicas para funcionar. 

Em muitos casos, situações de emergência decorrentes de uma abordagem puramente reativa dos equipamentos resultam em paralisações temporárias, fazendo com que a produtividade diminua ou mesmo pare completamente.

É recomendado que o trabalho de reparo deva ser realizados por técnicos profissionais qualificados tanto na parte técnica de refrigeração como na parte analítica para a parametrização e treinamento dos modelos preditivos. Já que, muitas das regras da manutenção dos equipamentos estão baseadas na experiência profissional dos operadores.

Desenho dos modelos de manutenção com IA

É durante o processo inspeção que surgirem as primeiras evidências de falhas futuras de componentes, permitindo que o sistema receba manutenção antes que a falha ocorra.

Com a captura do estado das máquinas usando dispositivos de IOT, essa informação pode ser automatizada e se tornar um ativo para a companhia antes mesmo da visita dos técnicos.

São os dados dos sensores que formam a base para a criação dos modelos de análises descritivas, preditivas, prescritivas e de cenarização (mais detalhes destes tipos de análises neste artigo). 

Em parceria com o grupo São Carlos, usamos a experiência de 60 anos e dados de equipamentos para treinar um sistema de IA que monitora, prevê e evita falhas antecipadamente, elevando a maturidade gestão de ativos e reduzindo custos de forma alinhada à Indústria 4.0.

Na imagem abaixo, elaboramos um breve descritivo de uma arquitetura avançada para a obtenção de informações que levam a atividades proativas e planejadas de manutenção.

modelo hvac
Modelo analítico HVAC com inteligência artificial embutida.
Fonte (Aquarela Analytics)

Estimamos que mais de 40% das chamadas de emergência poderiam ter sido evitadas com manutenção adequada. Neste sentido, é perceptível impacto financeiro na operação entre uma manutenção reativa e planejada.

Os benefícios gerais da manutenção planejada incluem

Com a utilização de uma estratégia dados adequada tanto do ponto de vista metodológico como tecnológico, vários benefícios podem ser alcançados:

Abaixo levantamos alguns dos mais importantes:

  • Melhor eficiência operacional.
  • Vida operacional estendida do equipamento.
  • Custos de reposição de capital diferidos.
  • Uso reduzido de energia / economia de energia.
  • Identificação precoce de problemas potenciais (identificação de outliers).
  • Menos reparos de serviços de emergência (são mais custosos).
  • Tempo de inatividade do sistema menos frequente.
  • Diminuição das interrupções nas operações de construção.
  • Maior conforto / redução das reclamações dos ocupantes.
  • Segurança aprimorada / riscos mitigados.
  • Maximizar a confiabilidade, o desempenho e a eficiência dos equipamento.

Conclusões e recomendações

Neste artigo, abordamos um contexto bastante comum de manutenção e seus benefícios.

Dado a criticidade associada aos equipamentos físicos na operação, complexidade dos cenários e custos envolvidos, recomendamos atenção de gestores para o tema da manutenção planejada.

Projetos de analytics podem impactar positivamente na redução de custos e no aumento da maturidade analítica da organização.

As empresas que implementaram programas de manutenção planejada descobrem que seus custos totais podem ser até 50% mais baixos do que os custos das organizações que continuam a manter o equipamento em uma gestão menos data-driven.

Enxergamos também oportunidades de negócio ao integrar os algoritmos preditivos e prescritivos em soluções tais como:

para operações com abrangências estaduais, nacionais ou até internacionais. Porém, isso ficará para outras publicações.

Nosso objetivo final é orientar gestores a obter o maior ROI possível com seu investimento substancial, utilizando as melhores práticas de manutenção planejada. Igualmente, sugerimos este outro artigo sobre a contratação de empresas de analytics.

Quem é a Aquarela Advanced Analytics?

Somos pioneiros em Advanced Analytics na indústria brasileiro, aplicando tecnologias e metodologias de Inteligência Artificial, aprendizado de Máquina e Web Semântica.

Por meio de nossa plataforma Vortx, criamos e entregamos valor de negócios para grandes clientes na indústria e de serviços. Em parceria com o grupo São Carlos aplicamos estratégias de Data Analytics e algoritmos de Inteligência Artificial capazes de gerar recomendações acerca dos momentos ótimos para reparo.

Entre em contato conosco para discutir sua estratégia de manutenção planejada hoje e não perca nossos conteúdos exclusivos, assinando nossa newsletter!

O que é o PIX e por que ele pode se tornar o banco de dados mais precioso do país?

O que é o PIX e por que ele pode se tornar o banco de dados mais precioso do país?

Introdução

Hoje vamos apresentar o PIX que é um novo método/sistema de transações bancárias/pagamentos que substituirá os conhecidos boletos, TEDs, Docs e outras formas de pagamento.

Como resultado, o PIX promete democratizar e simplificar os pagamentos no Brasil ao mesmo tempo em que, na visão de big data analytics, gerará o banco de dados analítico mais valioso e cobiçado do país.

Aproveitamos também para fazer algumas análises comparativas entre o PIX, métodos tradicionais e criptomoedas.  

O que é o PIX ? 

A ideia do PIX é ser um método/sistema de pagamentos instantâneos que promete agilidade, menor custo e segurança para os usuários com impactos diretos às pessoas físicas e aos negócios no país. De antemão, muitos desses impactos, só saberemos depois da mudança.

“O PIX parece ser uma reação contra as inovações geradas pelas criptomoedas, podendo ser um marco na história bancária do país frente o avanço das das criptomoedas ou até um caminho para elas”.

Uma das principais promessas da plataforma PIX é a eliminação dos custos (financeiro e de tempo) relacionados às transferências financeiras tais como: Boletos, TEDs , DOCs e pagamentos em espécie.

Com ele, será possível efetuar transações financeiras diretamente entre pessoas físicas, empresas e até órgãos governamentais. Será uma opção mais fácil e barata para transferências e pagamentos, o que demonstra grande potencial de conversão de usuários ao novo método.

Ao contrário do que se imagina, o PIX não é uma criação dos bancos brasileiros e sim do governo brasileiro, mais especificamente do Banco Central do Brasil.

Em nossas pesquisas não encontramos o racional por trás do nome de batismo da solução, mas acreditamos que um nome curto e simples pode colaborar em seu processo de adoção pelo público geral. 

Marca oficial do PIX.

Diferentemente das Crypto-moedas  que geralmente são reguladas por comunidade em uma tecnologia chamada blockchain, o PIX é regulado por um órgão centralizado.

Seu lastro é baseado em Moeda fiduciária ou seja, não é lastreado a nenhum metal (ouro, prata). Seu valor está associada a confiança que as pessoas têm em quem emitiu o título, neste caso o Banco Central. Em contrapartida, nas Cryto-moedas é baseado na escassez e unicidade de cada partícula de moeda garantida pela rede de computadores de forma descentralizada. 

As taxas de transferências do PIX serão baixas ou até nulas mas estarão sempre associadas e no controle do Banco Central que, como órgão do estado, que poderá regular as taxas quando necessário de forma tão rápida quanto as transações.

Cryto-moedas tem o custo de transação atrelada a complexidade da mineração de novos códigos e outros custos associados à orquestração e demanda da rede de compradores e vendedores de moeda. 

PIX na visão de Data Analytics

A estruturação PIX atende critérios importantes de governança de dados e os 5 critérios de BigData pois terá volume, velocidade, variedade, veracidade e valor (Informações sobre os 5V do Big Data). 

No mundo de analytics, o PIX pode ser também entendido como uma plataforma que centralizará todas os pagamentos digitais do país gerando um grande repositório de dados (Data Lake) com datasets (o que é dataset) extremamente valiosos porque permitirá em tempo quase real: 

Ainda, com um datalake desta magnitude a disposição do estado, será relativamente fácil relacionar de forma rápida dados de transações com com outros órgãos governamentais como por exemplo da saúde e educação em diversas ocasiões como pandemias por exemplo. Ou então, imaginem que os dados poderiam eventualmente ser compartilhadas com a receita federal por exemplo? 

Muitos outros argumentos podem ser montados a partir das estratégia de analytics, e por isso acreditamos que existem um grande potencial de que este banco de dados regido pelo Banco Central se torne um banco de dados mais precioso do país, caso haja a adoção em massa da população.

A imagem abaixo resume a visão do PIX como uma estratégia de Big Data analytics.

A estratégia de dados do PIX na visão da Aquarela.

Características do PIX

O método Pix tem uma estrutura baseada em 7 características fundamentais:

1. Disponibilidade:

Ter grande disponibilidade significa permitir que as transferências ocorram a qualquer hora e sem demoras, gerando agilidade. Esta disponibilidade inclui, logicamente, feriados, sábados, domingos e horários não comerciais.

2. Conveniência:

A conveniência está ligada a praticidade para se fazer as transferências a partir do celular em casa e outros contextos que facilitam a vida do cidadão.

3. Velocidade:

Uma transação não pode demorar 2 horas para ocorrer e as pessoas ficam ali esperando até que ela ocorra. Por isso cada transação deve ser feita em até 10 segundos. É um grande desafio tecnológico. 

4. Segurança:

Este talvez seja o ponto mais crítico da solução, pois, envolve dinheiro, dados pessoais, relacionamentos, informações de tendências de mercado e o que mais a criatividade humana ou artificial puderem criar.

Logicamente, toda solução tecnológica deve obrigatoriamente cobrir as questões de segurança dos dados em seu stack tecnológico (O que é um stack tecnológico?).

No caso do PIX, a segurança está pautada em esquemas de assinatura digital, certificados ICP-Brasil no padrão SPB e criptográficas baseadas em hardware. Para detalhes, ver o manual divulgado pelo Banco Central neste link .

5. Ambiente aberto:

Diferentes provedores de serviços serão conectados. Será o nascimento do ecossistema de pagamentos instantâneos. Os modelos atuais são fechados ou barreiras de entrada muito altas.

6. Multiplicidade de casos de uso:

Pode ser utilizado para muitos tipos de transações que hoje podem obrigam ser um pagamento somente por boleto por exemplo. Exemplos, a utilização do PIX para a conta de luz, o almoço e até impostos. Hoje existem formas que geram transtornos sistêmicos na sociedade. 

7. Fluxo de dados com informações agregadas:

Outras informações além da transação pode ser adicionadas, do ponto de vista de analytics, é mais dados para análise.

Análise comparativa dos métodos

Na tabela abaixo, temos um comparativo das características basilares do PIX em relação aos atuais serviços de pagamento disponíveis no mercado.

CaracterísticasTradicionalPIXCriptos moedas
DisponibilidadeLimitado aos dias úteis e horario comercial24/724/7
ConveniênciaAcesso presencial, caixas eletrônicos e (recentemente) pelo celularAplicativo de celular QR CodeAplicativo de celular com ou sem QR Code
VelocidadeDe poucos minutos até 2 dias úteis10 segundosInstantâneo ou até 24 horas dependendo da ocupação da rede
SegurançaSenhas simples, cartões e/ou biometriaAssinatura digitalChaves criptográficas
Ambiente abertoNãoSimSim
Multiplicidade de casos de usoSim, mas baixa interoperabilidaeSimSim
Fluxo de dados com informações agregadasNãoSimSim
Comparativo das características do Pix e outros métodos de pagamento.

Fluxo de adoção do PIX

Nesta visualização, apresentamos nossa interpretação de um fluxo simplificado (visão macro da jornada) de um usuário até a sua primeira transferência monetária utilizando o PIX. Todavia, caso tenha adições importantes, deixe seu comentário no artigo que tão pronto revisaremos. 

Fluxo de adoção de usuários da plataforma.

Conclusões

Neste artigo apresentamos o resultado de nossa pesquisa sobre o PIX, comparamos suas características com outros modelos de métodos de pagamento. Em síntese, o baixo custo e a facilidade de acesso colocam o PIX em vantagem diante do que temos disponível hoje no país.

Acreditamos que com a adoção em massa da solução pelos brasileiros, o PIX conseguirá agregar informações que o tornarão o banco de dados mais valioso da américa latina e uns dos mais valiosos do mundo. Por esse motivo, nosso principal alerta se dá para manutenção de sua segurança em seus vários aspectos.

Do ponto de analytics, o banco central teme pela perda do rastreamento dos fluxos financeiros das operações no mundo. Desta forma, este controle (centralização) permite muitos benefícios tais como evitar fraudes financeiras, lavagem de dinheiro e relatórios precisos da realidade do país. 

Sem o custo dos pagamentos este dinheiro ficará no setor produtivo que poderá produzir outros bens e serviços na sociedade. Ainda, acreditamos que será um grande passo do Brasil no caminho da digitalização de serviços que impulsionarão estratégias de precificação dinâmicas em diversos setores que se beneficiam com uma economia cada vez mais digital.

Comentários?

Deixe seu comentário para sabermos como podemos continuar melhorando estes conteúdos. 

O que é um stack tecnológico ?

O que é um stack tecnológico ?

À primeira vista, traduzindo literalmente o stack tecnológico é uma pilha de tecnologias, como se uma fosse uma tecnologia fosse colocada em cima da outra. No entanto, o sentido real do termo significa representar o conjunto de sistemas necessários para executar um único aplicativo sem outro software adicional. 

Acima de tudo, um dos principais objetivos de um stack de tecnologia é melhorar a comunicação sobre como um aplicativo é construído. Além disso, o pacote escolhido de tecnologia pode conter: 

  • as linguagens de programação utilizadas;
  • estruturas e ferramentas que um desenvolvedor precisa para interagir com o aplicativo;
  • atributos e limitações de desempenho conhecidos;
  • levantamento de pontos fortes e fracos do aplicativo em geral. 

Via de regra, os stacks devem ter um propósito específico, por exemplo o stack da web 3.0 (que é a web 3.0?) é bastante diferente de um stack de análise de dados em linguagem estatística R. Ou seja, a construção de um stack deve sempre perguntar: Qual é o objetivo do negócio?  

De onde vem este termo? 

O termo é originário da comunidade de desenvolvimento de software e junto com ele também é bastante comum falarmos de desenvolvedor full-stack.

Um(a) desenvolvedor(a) full-stack é, por sua vez, o(a) profissional que sabe como trabalhar em todas as camadas de tecnologias de um aplicativo/aplicação 100% funcional. 

Por que o stack tecnológico é tão importante? 

Se por um lado o contador tem todas as transações da empresa registradas para o gerenciamento financeiro, por outro lado os desenvolvedores e líderes de projetos precisam das informações do time de desenvolvimento.

Os desenvolvedores não podem gerenciar seu trabalho de forma efetiva sem que ao menos que saibam o que está acontecendo, quais são os ativos de tecnologia disponíveis (sistemas, bancos de dados, linguagens de programação, protocolos de comunicação) e assim por diante. 

O stack tecnológico é tão importante quanto o levantamento do controle de estoque de uma empresa que comercializa produtos físicos. É no stack tecnológico que se concentram tanto a estratégia de negócio como os principais aprendizados (maturidade) de testes de sistemas pelos quais a empresa já passou. 

O stack tecnológico está para o time de desenvolvedores como os dicionários de dados analísticos estão para os analístas de dados. É um item de maturidade da governança da das organizações. 

Sem o conhecimento prévio do stack tecnológico, a gestão não se consegue fazer o planejamento de contratações, planos de mitigação de riscos, planos de aumento da capacidade de atendimentos e logicamente a estratégia sobre o uso dos dados na área de negócios.  

Os stack de tecnologia são particularmente úteis para contratar desenvolvedores, analistas e cientistas de dados.

“As empresas que tentam recrutar desenvolvedores geralmente incluem seu stack tecnológico nas descrições de cargos”. 

Por este motivo, os profissionais interessados em progredir em suas carreiras devem prestar atenção na estratégia de desenvolvimento pessoal de suas habilidades de modo alinhado com a demanda do mercado. 

Exemplo de stack tecnológico

A rede social profissional, Linkedin, por exemplo: é composto de uma combinação de estruturas e linguagens de programação e algoritmos de inteligência artificial que operacionalizam o sistema. Logo, aqui vão alguns exemplos de tecnologias usadas no stack deles: 

Stack Tecnológico – Linkedin para 300 milhões de acessos – Autor Philipp Weber (2015)

Existe stack tecnológico de analytics?

Sim, atualmente a área de analytics, machine learning, inteligência artificial são conhecidas pela utilização massiva de técnicas e tecnologias de sistemas de informação. Igualmente, as soluções analíticas demandam stacks bastante específicos para atender requisitos de negócio funcionais (o que o sistema deve fazer) e não-funcionais (como o sistema vai fazer – segurança, velocidade e etc), de cada aplicação.

Como a fundação de uma casa, a ordem na qual o stack é construído é importante e está diretamente ligado a maturidade dos times de TI e analytics, portanto recomendamos uma leitura deste artigo – Os 3 pilares da maturidade dos times de analytics.

Em mais de 10 anos de pesquisa em diferentes tipos de tecnologias, já passamos por diversas composições tecnológicas até chegarmos na conformação da atual plataforma Aquarela Vortx. Os principais resultados de stack para os clientes são: 

  • Redução do risco tecnológico (os aprendizados já estão incorporados no stack);
  • atualização tecnológica ;
  • velocidade da implantação e integração dos sistemas (go-live);
  • maturidade da manutenção dos sistemas em produção e; 
  • a qualidade das interfaces e fluxos no ambiente em produção já que o stack torna a manutenção do conhecimento dos técnicos mais eficiente. 

Conclusões e recomendações

Em conclusão, contamos um pouco da nossa visão sobre o conceito de stack de tecnológico, um tema tão importante para os negócios e para a saúde dos projetos de inovação tecnológica quanto o planejamento estratégico. Ainda, vale lembrar que assim como os negócios, os stacks estão sempre evoluindo.

O sucesso da definição de stacks de sucesso estão diretamente ligados à maturidade dos times de TI e analytics (Os 3 pilares da maturidade dos times de analytics).

Independentemente do setor, as decisões envolvidas na conformação do stack tecnológico são um fator de sucesso e fracasso em projetos de TI e analytics. Pois, interferem diretamente na operação e na estratégia do negócio.

Por fim, recomendamos a leitura deste outro artigo sobre a mitigação de tecnológico com apoio de empresas especializadas – Como escolher o melhor fornecedor de data analytics