You are leaving our main website to go to our chinese website hosted in China. For legal reasons there will not be any links pointing back to the main website.
Neste guia vamos descifrar o antes e o depois da troca e análise de dados à medida que estes evoluem dos sistemas tradicionais herdados para novas plataformas de dados em cloud. Vamos descobrir o desafio fundamental que os analistas enfrentam, revelar a solução que põe fim a todos os problemas, e finalmente olhar para 4 best practices para pôr a mudança em marcha agora. Soa bem, não achas? Rápido e conciso. Agora vamos ao que interessa.
O desafio: os sistemas legacy tornam difícil a troca e análise de dados.
Todos os CEOs estão de acordo: utilizar os dados como um bem estratégico. Em teoria, eles estão em boa posição para o fazer. Contam com volumes crescentes de dados disponíveis para desenvolver inteligência accionável para impulsionar a tomada de decisões.
No entanto, a maioria das organizações armazena grande parte destes dados em sistemas antigos, alguns dos quais com décadas de existência. Estes sistemas criam silos de informação que tornam difícil para as empresas partilhar e analisar a sua riqueza de dados e criar uma "única fonte de verdade". Ao não contar com única fonte de verdade, a desinformação pode propagar-se, prejudicando a confiança do utilizador e impedindo a capacidade do nível C de tomar decisões críticas.
Isso não quer dizer que não estejam a tentar. Peritos em dados com recursos encontrarão ferramentas e processos para contornar estas barreiras e fazer o seu trabalho. Mas estará longe de ser um cenário ideal.
O próprio ambiente de dados também se tornou mais complexo. Há cerca de 10 anos, o aparecimento da Internet of Things (IoT) e novos conjuntos de dados gerados por sensores levou ao desenvolvimento de novas plataformas como a Hadoop e a Google Big Query. Estas plataformas podiam analisar muitos dados em simultâneo, mas não eram escaláveis.
Além disso, era difícil desenvolver aplicações para eles porque utilizavam línguas específicas e exigiam que os criadores possuíssem competências específicas. A segurança é também uma questão para as empresas que procuram proteger os seus dados sem dificultar a troca de informações.
A solução: uma Plataforma de Dados em Cloud construída propositadamente
Hoje em dia, os dados nem sempre são facilmente partilháveis ou rapidamente acessíveis àqueles que mais precisam deles.
O segredo para enfrentar este desafio é mover os dados para uma plataforma de dados em cloud, onde todos os dados da organização podem ser acedidos, partilhados, analisados e protegidos num único local - uma única versão da verdade.
Para o conseguir, as organizações precisam de adoptar uma abordagem diferente na gestão de dados. Num ambiente herdado tradicional, o armazenamento, a capacidade de computação e as condutas de dados estão interligados, criando silos, seja no local ou em cloud.
Estes três processos devem ser completamente independentes, mas ainda fortemente integrados. São os três componentes mais importantes para levar os dados para o cloud. Se vou tirar dados de sete silos da minha organização, não quero criar sete novos silos num servidor de clouds.
Numa plataforma moderna de dados Cloud, as camadas de armazenamento, computação e serviços são logicamente integradas, mas escalonadas infinita e independentemente. Esta dissociação tem ramificações financeiras significativas. Tradicionalmente, comprar mais poder de computação significava comprar mais armazenamento, porque estão ligados. Uma plataforma de dados em cloud permite às agências construir eficientemente um ambiente que pode escalar um único componente sem afectar outros.
Uma plataforma de dados em cloud é o meio termo entre os lagos de dados (onde os dados brutos são armazenados a granel) e os armazéns de dados que submetem os dados a um processo de transformação, normalizando-os para que possam ser facilmente consumidos. Num repositório de dados, as agências podem combinar dados semi-estruturados, tais como linguagem de marcação extensível (XML) e JavaScript Object Notation (JSON), com dados estruturados num único local para permitir consultas ad hoc, separando assim o armazenamento do poder computacional.
As plataformas de dados prontas para os clouds são escaláveis, permitem o acesso a mais fontes e incorporam melhores análises, levando a uma tomada de decisão mais eficiente e mais rápida. Isto também decompõe os silos intra-agência e inter-agência, uma vez que os dados armazenados em cloud podem mover-se entre agências. Finalmente, a segurança é melhorada e simplificada num ambiente de clouds.
Best Practices: Habilita uma única fonte de Dados
Começa por delinear uma estratégia
Que dados tem no teu ambiente actual e que dados queres mover? Como os vais mover para a plataforma de dados em cloud, e o que vais fazer quando lá estiverem? Qual é a melhor forma de partilhar os dados? Há cinco ou dez anos, a forma mais comum de migração era "levantar e deslocar", ou seja, levar os dados como estão e deslocá-los para a sua nova localização, mas isso é apenas deslocar os dados, não é realmente uma migração. É preciso construir essa fundação e depois construir as aplicações em cima dela. É tudo uma questão de fluxo de trabalho e casos de utilização.
Movimentar os dados e construir protótipos
Uma vez implementada a estratégia, começa a mover os dados numa abordagem faseada que dê prioridade àquilo de que necessita para sair dos dados. Em última análise, o plano deve incluir o máximo de dados possível numa única fonte de verdade, pois quanto mais versões houver, mais confusão haverá. A seguir, apresentamos um protótipo para obter resultados rápidos e que incentivem a adesão.
Confia na segurança
O cloud pode aumentar a segurança dos dados, de acordo com a Estratégia Federal de Cloud Computing, especialmente quando as agências se deslocam ou adicionam controlos à própria camada de dados. Uma plataforma de dados em cloud deve incluir uma estratégia de segurança multi-níveis que trate da encriptação, controlo de acesso, armazenamento de dados e infra-estrutura física, bem como monitorização e alerta. Os analistas de dados enfrentam todos os dias tarefas enfadonhas que atrasam ou atrasam o seu verdadeiro trabalho de análise e compreensão dos dados. Os sistemas herdados, por exemplo, abrandam e dificultam a vida aos analistas.
Obter a adesão da liderança e a aceitação geral.
Este tipo de esforço requer uma mudança cultural, e não apenas tecnológica. Para obter a adesão da liderança, podes utilizar um modelo de custos que mostra como a agência pode fazer mais por menos dinheiro, por exemplo, como os empregados podem ser mais produtivos e obter maior satisfação profissional através da utilização de dados. Para que os empregados cheguem a acordo, mostra-lhes que o acesso a mais dados tornará o teu trabalho mais fácil. Quando se começa a mostrar às pessoas o valor dos dados e o valor de devolver esses dados às pessoas que os criam, começa a mudança cultural.
A necessidade de operações e serviços modernos baseados em dados não é nova. Há muito que as empresas têm vindo a trabalhar para implementar a IA, o cloud, a aprendizagem de máquinas e a RPA para optimizar os seus dados. O desafio tem sido quebrar os silos tradicionais que impedem a partilha de dados dentro e entre empresas e que, como a pandemia da COVID-19 demonstrou, são prejudiciais. Eventos recentes mostraram que a partilha de dados é uma necessidade, não um ideal.
As organizações têm também lutado com o sistema de registo de fontes de dados e de as reunir de uma forma útil e significativa. A abordagem mais eficaz para gerir todos esses dados e criar uma única fonte de verdade é que as empresas os consolidem numa plataforma de dados em cloud em que se torne o sistema de registo para todos.
Referência: Todos os direitos reservados Snowflake
Não perca as insights!
Artigos, eventos e muito mais!
Seu endereço de e-mail é utilizado para enviar-lhe a Newsletter da Keyrus e para fins de prospecção comercial. Você pode usar o link de descadastro em nossos e-mails a qualquer momento. Saiba mais sobre a gestão de seus dados e seus direitos.
Continue a ler
Publicação no blog
'Don't Worry, Be Data', o novo slogan dos bancos
Os bancos estão a sentir de perto a respiração dos concorrentes de fora do panorama bancário na maratona para tornarem-se "os melhores" amigos dos utilizadores nas suas transacções e gerenciamentos bancários diários.
Publicação no blog
Level Up para as análises avançadas! Game Over para análises básicas
Imagina que estás num jogo de vídeo. O típico onde se tem de fugir do mau da fita até chegar a um castelo onde se estará a salvo. Estás a dar o teu melhor, vê o castelo à distância, mas... oh oh mesmo antes de lá chegar cais num penhasco. Por isso tens a opção de ficar no limite e deixar que o mau da fita o apanhe ou saltar de um penhasco... do qual não sabe se vai conseguir sair com vida. O que farias?
Publicação no blog
Fly me to the... Cloud! A Analítica Cloud em 6 passos
Um dos fundamentos de qualquer organização orientada para os dados é estabelecer uma série de processos analíticos capazes de simplificar o acesso a todos os tipos de dados. Do mesmo modo, quando se começa a utilizar tecnologias de nuvem, os processos analíticos tornam-se mais abrangentes, permitindo-lhe deixar para trás tarefas enfadonhas de gestão de informação e começar a fornecer grandes experiências de dados.
Publicação no blog
Fusão lendária: Data Science + Marketing para conseguir uma hiper-personalização
Criar uma boa cultura de dados para começar a colher os benefícios da personalização à escala. A Data Science permite aos marqueteiros consolidar e extrair insights de todos os seus dados (independentemente do formato), reconhecer padrões nesses dados, e prever comportamentos futuros para criar campanhas de personalização à escala quase em tempo real.
Publicação no blog
Contar com uma plataforma de dados moderna não será o sonho do setor de Marketing?
Já passou uma década desde que o termo "Big Data" se tornou omnipresente, e o investimento dos departamentos de marketing em tecnologia para aproveitar os benefícios destes "Grandes Dados" aumentou significativamente desde então.
Publicação no blog
Um dilema em mãos: porque é que os analistas de marketing não estão a analisar?
Se és um analista de marketing, conheces demasiado bem as expectativas em torno de uma tomada de decisão ágil e baseada em dados. A pressão para fornecer uma visão mais rápida da eficácia das campanhas recai directamente sobre os teus ombros, incluindo permitir uma tomada de decisão ágil para que as campanhas possam ser optimizadas. Mas porque é que os analistas de marketing não estão a analisar, não estão a trabalhar o suficiente, estão a fazer snowboard, a jogar ténis de paddle ou a trabalhar à distância com as suas séries favoritas em segundo plano?
Publicação no blog
O fim de uma lenda e a razão pela qual os teus Dados Externos podem fazer história
Diz a lenda que não há muito tempo havia uma empresa muito boa que todos invejavam porque tinha os melhores analistas do mercado, as melhores plataformas internas e uma riqueza de dados proprietários com os quais tomava todas as suas decisões. Viveram num mundo idílico, até que de repente os seus concorrentes começaram a ultrapassá-los de uma forma surpreendente.
Publicação no blog
As 7 Práticas de Análise de Dados que possas estar a utilizar e que o estejam a atrasar
A análise de dados está a tornar-se rapidamente a chave para uma estratégia empresarial de sucesso. Mas sem a abordagem, competências e tácticas correctas, as suas iniciativas de dados podem não ter sentido. A análise de dados tornou-se um dos mais importantes diferenciadores empresariais e tecnológicos para as empresas, permitindo-lhes obter conhecimentos detalhados sobre praticamente todos os aspectos das suas operações, ganhando assim uma vantagem sobre a concorrência.
Publicação no blog
A revolução actual da Gestão de Dados para capacitar o machine learning
Graças ao Machine Learning pronto para melhorar e, em alguns casos, até mesmo substituir a tomada de decisões humanas, os Responsáveis de Dados, Cientistas de Dados e CIOs estão a reconhecer que as formas tradicionais de organização de dados para consumo humano não serão suficientes na próxima era de tomada de decisões baseada na inteligência artificial (IA). Isto deixa um número crescente de empresas focadas no futuro com apenas um caminho em frente: para que as suas estratégias de machine learning tenham sucesso, terão de ser perturbadoras na cadeia de valor de gestão de dados de ponta a ponta.
Publicação no blog
A supply chain está pronta para o Tsunami de Dados?
Actualmente, é inconcebível que uma organização não analise os dados da sua supply chain, mas será que as empresas estão realmente preparadas para a enorme avalanche de dados que se avizinha?