No post I, ver aqui, falamos sobre o quanto é importante o planejamento e se preparar para a nossa guerra contemporânea, que tem como objetivo a informação certa no menor prazo possível.
Nosso soldado data scientist já tem consciência de ferramentas e possíveis estratégias para a batalha da análise de dados. Porém, o fato de ter apenas os métodos comprados e instalados na empresa nem sempre geram resultados, e por que isso acontece?
Disposição de Ferramentas
“7. Prever uma vitória que o homem comum pode prever não corresponde ao auge da habilidade.”
Sun Tzu falava da Disposição das Tropas, nós falamos da Disposição de Ferramentas. Descobrir o óbvio não agrega valor à empresa e é o principal ponto de atenção das equipes de analytics. A exceção a essa regra está nos casos onde análise tem o objetivo de testar um algoritmo ou abordagem e então saber se as ferramentas (metodologia + inteligência artificial) foram capazes de encontrar o que já se sabe e ir além.
Verificamos que a experiência dos analistas é um fator determinante no sucesso dos estudos de analytics. Isso se deve, principalmente, por prever erros estruturais nos fluxos de análise e a criatividade para desenvolver testes contra os algoritmos. Ainda, compará-los em diversas dimensões e eventualmente encontrar explicações esperadas de validação e no auge da habilidade, informações não previstas que geram oportunidades reais de melhoria.
Forças normais e extraordinárias
“5. Na batalha, valha-se da força normal para o combate e utilize a extraordinária para vencer.”
Existem forças normais que podemos usar para complementar as extraordinárias, é o exemplo das ferramentas livres e open source ou mesmo estratégias coerentes de indicadores (KPIs – Key Performance Indicators) já fazem uma diferença bastante grande no desempenho com impacto direto nos níveis de maturidade de analytics.
Agora dependendo do nível da competição, do timing e tamanho do mercado, utilizar ferramentas fechadas podem fazer a diferença do extraordinário, por isso, fique atendo a soluções fechadas disponibilizadas por APIs.
O preço da dúvida
“9. Na guerra, o perito age de maneira sutil e insubstancial, não deixa pistas; divinamente misterioso, é inaudível; torna-se, ele próprio, senhor do destino de seu inimigo.”
No mundo analytics, cases detalhados são raramente divulgados. Do que dá certo ou errado, cada um guarda para si, mais ou menos como no investimento em ações. Aparentemente, uma das formas mais plausíveis de se obter conhecimento real das tentativas e erros é pela incorporação e disseminação de processos de gestão do conhecimento e contratações estratégicas.
Conclusão: Estratégias
“4. Na guerra, tanto a vantagem quanto o perigo são inerentes às manobras.”
Há uma expectativa bastante grande com relação a qualquer iniciativa de Data Analytics dentro das organizações e isto acontece independentemente do nível de maturidade de dados em que elas se encontram. O fato é que, para chegar a modelos preditivos realmente assertivos, o caminho é tortuoso e multidisciplinar. Por tanto, projetos com poucos recursos (horas de analistas, computadores parrudos, ferramentas de análise e capacitação) tendem a ter resultados coerentes com o investimento.
Então é isso pessoal, espero que a analogia ajudou no entendimento e que gere valor no seu negócio. Um forte abraço de toda a equipe da Aquarela Advanced Analytics.
People Manager na Aquarela Advanced Analytics. Graduada em Psicologia e entusiasta em novas tecnologias e como elas podem oferecer qualidade de vida para as pessoas.
Fundador e Diretor Comercial da Aquarela, Mestre em Business Information Technology com especialização em logística – Universiteit Twente – Holanda. Escritor e palestrante na área de Ciência e Governança de Dados para indústria e serviços 4.0.
Saudações a todos! O conceito Web 3.0 e seu stack tecnológico (tecnologias envolvidas) são importantes e aqui explicamos o porquê.
A cada dia o volume de dados e informações na internet cresce exponencialmente. Novos sites, imagens, vídeos e outras mídias são postadas a cada segundo. Assim, com esse volume de dados, como tornar as buscas por informação relevante com um custo benefício aceitável para atividades diárias? Portanto:
Em um contexto complexo de informações intensivas em constante mudança, as ferramentas da Web 3.0 são valiosas para usuários na organização de informações e processos de negócios em grande escala.
A evolução da Web
Desde o surgimento da primeira versão da Web, criada no início da década de 90 por Tim Berners-Lee na Suíça, suas tecnologias sofreram significativas evoluções, principalmente na interatividade com o usuário e na massificação da utilização da rede.
Em resumo, de acordo com nossas pesquisas, a história da web se deu em três fases importantes:
A Web Statica – Web 1.0
A Web 1.0 apresentava dados e informações de forma predominantemente estáticas, era caracterizada pela baixa interação do usuário, permitindo pouca ou nenhuma interação.
As tecnologias e métodos da Web 1.0 ainda são utilizadas para a exibição de conteúdos como leis, informativos e manuais. Assim, essa geração da Web foi marcada pela produção centralizada de conteúdos como os portais, UOL, ZAZ, Terra, AOL e os diretórios, Yahoo, Cadê e Craigslist.
Nestes portais e diretórios, o usuário é apenas o consumidor de conteúdos em um contexto onde poucos produzem para muitos. Isto é, um modelo muito próximo de broadcasting (TVs, rádios, jornais e revistas).
A grande virtude da Web 01 é a democratização do acesso à informação.
A Web Interativa – Web 2.0
A Web 2.0 em contraste à Web 1.0, tem seu conteúdo gerado predominantemente por seus usuários em um processo onde: muitos produzem e muitos consomem.
Um exemplo, talvez um dos principais, desse modelo é a plataforma Wikipédia. Da mesma forma, também se beneficiaram deste conceito foram os blogs, as redes sociais e o conhecido Youtube.
Na Web 2.0 o usuário deixa de ser apenas consumidor e se torna um produtor, ou coprodutor de conteúdos.
A grande virtude da Web 2.0 está na democratização da produção de conteúdo.
A Web da interação inteligente – Web 3.0
A Web 3.0 ou Web Semântica reúne as virtudes da Web 1.0 e 2.0 adicionando a inteligência das máquinas.
Em 2001 Tim-Berners Lee, o criador da Web, apresenta um artigo na revista Scientific American estabelecendo os pilares para a Web Semântica.
No texto, Berners-Lee explica como dois irmãos combinam a logística do tratamento médico que a mãe deles precisava fazer.
Na estória de Berners, os irmãos usando agentes inteligentes fazem todo o planejamento do tratamento, incluindo a marcação das consultas e a escala de caronas que os dois deveriam revezar, os agentes interagem com os sistemas das clínicas, entre si e com os dispositivos da casa.
Na Web 3.0, as máquinas se unem aos usuários na produção de conteúdo e na tomada de ações, tornando a infraestrutura da internet, de coadjuvante para protagonista na geração de conteúdos e processos.
Assim, os serviços da Web 3.0, unem-se aos usuários e aos produtores profissionais na criação ativa de conhecimento. Dessa forma, com sua grande capacidade de processamento, a Web 3.0 é capaz de trazer para as pessoas e para as empresas, serviços e produtos com alto valor agregado por conta da sua assertividade e alta personalização,
A grande virtude da Web 3.0 é a democratização da capacidade de ação e conhecimento, que antes só estava acessível às empresas e aos governos.
Resumo comparativo das Webs
Resumo da análise da evolução da Web
Exemplos Web 3.0
Alguns exemplos de aplicações da Web 3.0 são o Wolfram Alfa e na Siri da Apple: estes dois aplicativos conseguem resumir grandes quantidades de informações em conhecimento e ações úteis para as pessoas.
Wolfram Alpha
Para entender melhor a diferença entre a Web 2.0 e a 3.0, podemos fazer um pequeno comparativo entre o Wolfram Alfa e o Google, usando as duas ferramentas, digitando a frase “Brasil vs Argentina” em ambos buscadores, vemos a diferença nos resultados, veja na figura abaixo:
Comparativos dos resultados das ferramentas de busca
Comparativo Google e Wofram Alpha como exemplo de aplicação Web 3.0
Primeiramente, no caso do Google, os resultados são voltados aos conteúdos mais frequentes, enfatizando os jogos entre Brasil e Argentina. Nota-se que a palavra “futebol” ou “jogos” não foram mencionadas na busca.
Por outro lado, no resultado do Wolfram Alpha, a ferramenta entende que a busca se trata de uma comparação entre os dois países. Consequentemente retorna dados estatísticos, históricos, geográficos (mapas), demográficos, linguísticos entre outros aspectos úteis de comparação.
Siri Apple
A Siri da Apple, por sua vez, usa técnicas de reconhecimento de voz e inteligência artificial para trazer resultados e efetuar ações, como por exemplo:
“onde fica a pizzaria mais próxima?”, “estou a quantos quilômetros do próximo posto de gasolina” ou ainda “marque uma reunião para às 15h00 amanhã”.
Na Web 1.0 e 2.0 a busca é espécie de pesquisa “cara-crachá” do texto em relação ao que existe publicado na rede, muitas vezes com o viés do que é mais abundante, não trazendo o que é mais relevante para o usuário naquele momento.
Uma das distinções dos buscadores da Web 3.0, com relação aos da Web 1.0 e 2.0, está no tempo que usuário pode gastar navegando em um mar de informações até realmente encontrar o que ele realmente procurava.
Já os sistemas que operam nos padrões Web 3.0 buscam conhecimento contextualizado para auxiliar as pessoas em suas tarefas, apontando uma série de possibilidades de análise e informações relevantes.
Conclusões e recomendações
A Web 3.0 surge de maneira gradual, tal qual foi da versão 1.0 para a 2.0, se encaminhando para um ambiente mais dinâmico onde o conhecimento em ação pode acelerar exponencialmente negócios em processos de:
Lembrando que o conhecimento é a informação justificada e contextualizada capaz de mudar algo ou alguém, o que pode ser traduzido como capacidade de ação. Portanto, entendemos que:
a Web 3.0 começa a trazer conhecimento capaz de promover mudanças em larga escala para as pessoas, organizações promovendo a democratização da capacidade de ação e conhecimento em uma magnitude muito maior se comparada com o que foi alcançado com as Web 1.0 e 2.0.
Empresas como Apple e IBM vêm investindo pesado em tecnologias da Web 3.0, por exemplo, a Google Inc. na última década fez várias aquisições de empresas que trabalham com as tecnologias da Web Semântica, como por exemplo a Applied Semantics, e a Metaweb Technologies, Inc, entre outras.
Vale a pena aos inovadores, sejam eles empresários, políticos ou pesquisadores, entender mais sobre esse novo horizonte de possibilidades e estarem preparados para a nova geração de negócios.
Sem a visão das mudanças da Web 3.0 há um risco grande de empresas tradicionais tornarem obsoletas no momento da virada de paradigma, assim como aconteceu com gigantes do passado como Kodak, Nokia e Altavista, que em seus mercados, não se modernizaram em tempo.
Fundador da Aquarela, CEO e arquiteto da plataforma VORTX. Mestre em Engenharia e Gestão do Conhecimento, entusiasta de novas tecnologias, tendo expertise em linguagem funcional Scala e em algoritmos de Machine Learning e IA.
Fundador e Diretor Comercial da Aquarela, Mestre em Business Information Technology com especialização em logística – Universiteit Twente – Holanda. Escritor e palestrante na área de Ciência e Governança de Dados para indústria e serviços 4.0.
Neste artigo apresentamos uma breve visão sobre quatro conceitos fundamentais para a leitura dos próximos conteúdos deste blog. Trataremos aqui da noção de dados, informação, conhecimento e sabedoria, conceitos que estão associados a diferentes potenciais de inovação (capacidade de transformação da realidade). Ilustramos tal relação no gráfico a seguir:
Complexidade x Valor
Entendemos que o potencial de inovação é sustentado por duas forças, a complexidade e o valor, respectivamente dispostas no gráfico acima em suas coordenadas vertical e horizontal. Logo, quanto mais acima e à direita, maior o potencial de impacto inovador.
Além do plano formado pela complexidade e valor, representando as capacidades de transformação da realidade (potenciais de inovação), o gráfico também aponta os elementos relacionados com o universo humano e computacional dentro deste plano.
A seguir são apresentados os significados das cores dos elementos do gráfico.
Vermelho Ser humano com seus sentidos, práticas e vivências.
Laranja – Elementos potencializadores da inovação.
Verde – Fases de desenvolvimento do potencial de inovação até a tomada de decisão.
Azul claro – Ferramentas digitais e computadores que servem de apoio ao trabalho humano, entendidos aqui como próteses cognitivas, as quais nos ajudam a executar tarefas criativas em crescente complexidade.
O que são dados, informação, conhecimento e Sabedoria?
Para definirmos cada um dos elementos potencializadores da inovação (dado, informação, conhecimento e sabedoria), utilizaremos como metáfora o caso da leitura de um termômetro:
A metáfora do termômetro – O que são dados, informação, conhecimento e Sabedoria?
Olhando a figura, o que podemos inferir dela? O que é dado, informação e conhecimento? E quais possíveis conclusões podemos tirar a partir da leitura de um termômetro (intuição e sabedoria)?
No caso da leitura de um termômetro, temos a seguinte descrição quanto aos elementos potencializadores da inovação:
Dados – são os sinais não interpretados, o menor grão e a matéria prima da escala do conhecimento e base para qualquer atividade com potencial de inovação. Eles surgem a partir daquilo que vivenciamos (eventos da vida) e capturamos por meio dos nossos sentidos e pelos dispositivos eletrônicos. No exemplo, o número 36,2 é apenas um número. Dados poderiam também ser caracteres como “@”, “T”, “——-” e assim por diante.
Informação – é a listagem dos dados de maneira organizada dentro de uma escala, mostrando uma série de eventos (dados) agrupados. No termômetro a letra ”C” (Celsius) representa a escala, a qual poderia ser também representada por graus Fahrenheit, porém seriam valores diferentes. Nós, humanos, memorizamos de alguma forma os dados obtidos pelos sentidos (organizamos e classificamos em escala), ao passo que os sistemas computacionais, a memorização se dá por meio de dados em listas, planilhas, documentos e banco de dados, entre outros.
Conhecimento – é um tipo de informação contextualizada capaz de mudar algo ou alguém, sendo justificável de alguma maneira. Saber que a temperatura de 38 graus (dado) na escala Celsius (informação) indica que a pessoa está com febre (a temperatura média de uma pessoal saudável é de 36,4 graus) e assim, alguma ação deve ser tomada. Nós seres humanos podemos refletir sobre um problema e tomar uma decisão, já os sistemas computacionais, utilizam algoritmos para isso, ambos com base em dados e em informações. Um algoritmo, por exemplo, pode descobrir padrões de consumo de produtos em um supermercado ou ser usado para melhorar o trânsito de uma cidade.
Sabedoria – no topo da escala, a sabedoria se torna subjetiva e aparentemente irracional (ilógica) por ser um conjunto complexo de raciocínios que navegam rapidamente pelas três fases anteriores. Qual tratamento deve ser aplicado ao paciente com febre? Pessoas com grande vivência podem dar conselhos sábios. Nos sistemas computacionais utilizamos instrumentos capazes de conectar dados de diversas áreas para trazer respostas cada vez mais inteligentes (Web 3.0, também conhecida como Web Semântica).
Conclusões
Apresentamos uma visão resumida da Aquarela sobre dados, informação, conhecimento e sabedoria. Muito embora não haja um entendimento definitivo sobre o tema, sua apresentação e definição tornam-se necessárias. Em particular, os conhecimentos apresentados aqui são instrumentais para explicar como o caminho da Web 3.0 (a Web Semântica) e a Indústria 4.0 estão sendo pavimentadas pelo Data Analytics e pelos Linked e Open Data.
SANTOS, Marcos. Um modelo para a gestão colegiada orientada ao significado por meio da realização de PCDAs. Dissertação (Mestrado em Engenharia e Gestão do Conhecimento). Programa de Engenharia e Gestão do Conhecimento, Universidade Federal de Santa Catarina (UFSC), Florianópolis, 2003.
GETTIER, E. L. Is justified true belief knowledge? Analysis, [S.l.], v. 23, n. 6, p. 121–123, 1963.
DRUCKER, P. F. The new realities. New Brunswick, NJ: Transaction Publishers, 2003.
Fundador da Aquarela, CEO e arquiteto da plataforma VORTX. Mestre em Engenharia e Gestão do Conhecimento, entusiasta de novas tecnologias, tendo expertise em linguagem funcional Scala e em algoritmos de Machine Learning e IA.
Fundador e Diretor Comercial da Aquarela, Mestre em Business Information Technology com especialização em logística – Universiteit Twente – Holanda. Escritor e palestrante na área de Ciência e Governança de Dados para indústria e serviços 4.0.
