Por Marcell Biemann, arquiteto de Soluções Analíticas da Via Consulting
Data analytics – Data science – Data engineering – Data architecture – Data-driven – Business Intelligence – Big Data – DataOps – Machine Learning – Data wrangling – Data muning – Data disrupt, and data so on… Essa sopa de letrinhas se resume a um único objetivo: dados!
Vamos iniciar uma série de dez textos para desmistificar esse assunto que está em evidência nas principais empresas. E este primeiro será sobre o acesso aos dados.
“Se você quer construir um navio, não angarie pessoas para coletar madeira, e não atribua tarefas e trabalho a eles, mas sim ensine-os a ansiar pela infinita imensidão do mar.”
Antoine de Saint-Exupéry
Vamos deixar uma coisa clara desde já: os silos de dados são uma porcaria! A maioria das empresas passa a maior parte do tempo reunindo dados e não os analisando. Empresas orientadas a dados percebem que, para serem bem-sucedidas, devem permitir que seus membros acessem e usem todos os dados disponíveis – não alguns dados, não um subconjunto, não uma amostra, mas todos os dados.
Um advogado não iria ao tribunal com apenas algumas das provas para apoiar o seu caso – ele iria com todas. Da mesma forma, empresas orientadas a dados usam todos os seus dados para entender seu domínio, necessidades e desempenho de negócios. Empresas bem-sucedidas reservam um tempo para entender todos os dados que coletam, para entender seus usos e conteúdo e para permitir acesso fácil.
Alguns artigos recentes sugerem que “Big Data” (grandes volumes de dados, estruturados e não estruturados) e “Data Science” (ciência e análises de dados) são mutuamente exclusivos: o foco no aumento da coleta de dados (Big Data) ocorre às custas das análises de qualidade (Data Science). Nós discordamos. Eles são mutuamente conducentes à descoberta de insights e valores, à tomada de decisões orientada a dados e ao grande retorno pela inovação analítica. Big Data não é só sobre o volume de dados, mas sim sobre “todos os dados” – entrelaçando diversas fontes de maneira nova e interessante que facilitam a exploração de dados, de todas as fontes, para poderosas análises preditivas e prescritivas. Você não pode ter ciência de dados sem democratizar o acesso a todos os dados. Isso significa padronizar metadados, protocolos de acesso e mecanismos de descoberta. Você não está maduro até ter feito isso para todos os dados.
Aqui é onde os incentivos culturais são tão importantes. Muitas empresas ainda usam os dados como barganha: não podemos obter dados porque uma única pessoa é o administrador e o acesso deve ser controlado. A governança é essencial, mas não pode ser um pretexto para uma pessoa ou um grupo manter o poder controlando o acesso aos dados. Deixe ir e deixe a descoberta de dados e a inovação começarem!
Alguns especialistas condenam os riscos de segurança envolvidos em ter funcionários em toda a empresa acessando dados que eles não deveriam ver. Verdade, quanto maior o acesso aos dados, maior o risco de segurança, e isso é um desafio. Outros questionam a capacidade do pessoal não técnico de ler e interpretar dados com precisão e temer as decisões erradas que possam resultar. Outros, ainda, expressam preocupações de que dados distribuídos em várias equipes da empresa, em vez de isolados em um grupo central de análise de dados, produzam esforços duplicados, confusão e custos adicionais.
Por outro lado, qual é o sentido de ter uma cultura orientada a dados, se o acesso a eles é restrito? À medida que os dados se tornam cada vez mais importantes para o sucesso estratégico da empresa, precisamos considerar as formas de expandir o acesso, disponibilizando os dados e as análises em toda a empresa. Há diversos softwares e plataformas de governança de acesso a dados disponíveis para garantir que isso seja gerenciável e mais seguro.
Traduzido de:
• www.oreilly.com/data/free/files/ten-signs-of-data-science-maturity.pdf
• www.analyticsinsight.net/not-just-for-the-data-scientists-the-need-to-expand-data-access-across-the-organization