7 certificações de análise de dados que compensarão

Análise de dados e big data são a força vital de qualquer negócio bem sucedido. Obter a tecnologia certa pode ser um desafio, mas construir a equipe certa com as habilidades certas para empreender iniciativas de big data pode ser ainda mais difícil. Não surpreendentemente, esse desafio é refletido na crescente demanda por habilidades e certificações de Big Data.

Se você está procurando uma maneira de obter vantagem, a certificação de big data é uma ótima opção. As certificações medem seus conhecimentos e habilidades em relação a benchmarks específicos do setor e do fornecedor para provar aos empregadores que você tem as habilidades certas. O número de certificados de análise de dados está se expandindo rapidamente.

Abaixo está o nosso guia sobre as mais procuradas certificações de análise de dados e big data para ajudá-lo a decidir qual é o certificado certo para você.

A certificação de análise de dados e de big data valem a pena?

As organizações estão em busca de cientistas de dados e analistas com experiência em lidar com big data.

Essas habilidades estão em alta demanda e são relativamente raras. Indivíduos com a mistura certa de experiência e habilidades podem exigir altos salários. As certificações certas podem ajudar.

De acordo com uma pesquisa recente da empresa de análise de tecnologia Foote Partners, a explosão de interesse por internet das coisas (IoT) está criando grandes déficits de pessoal. A IDC está prevendo um CAGR de 30% nos próximos cinco anos, enquanto a McKinsey espera que a IoT tenha um impacto econômico global de US$ 4 trilhões a US$ 11 trilhões até 2025, já que as empresas buscam mais insights sobre as tecnologias da IoT.

A Foote Partners acredita que a análise avançada de dados será uma das principais forças que impulsionam a IoT. Ela observa que as principais habilidades avançadas de análise na área de IoT incluem:

  • Apache Hadoop e módulos relacionados (HDFS, HBase, Flume, Oozie, Hive, Pig, YARN)
  • NoSQL and NewSQL
  • Apache Spark
  • Machine learning e data mining

“As capacidades avançadas de análise de dados são críticas demais para se manter competitiva”, diz David Foote, cofundador, analista chefe e diretor de pesquisa da Foote Partners. “Eles se expandiram em popularidade de alguns setores para quase todos os setores e mercados”.

As 7 principais certificações de análises de dados e de big data

  • Certification of Professional Achievement in Data Sciences
  • Certified Analytics Professional
  • Cloudera Certified Associate (CCA) Data Analyst
  • EMC Proven Professional Data Scientist Associate (EMCDSA)
  • MapR Certified Data Analyst
  • Microsoft Certified Solutions Expert (MCSE): Data Management and Analytics
  • SAS Certified Data Scientist Using SAS 9

Certification of Professional Achievement in Data Sciences

Certification of Professional Achievement in Data Sciences é um programa de graduação que visa desenvolver mecanismos com habilidades fundamentais em ciência de dados. O programa consiste em quatro cursos: Algoritmos para Ciência de Dados, Probabilidade e Estatística, Machine Learning para Ciência de Dados, Análise Exploratória de Dados e Visualização.

Organização: Columbia University

Preço: US$ 1.936 por crédito (um mínimo de 12 créditos, incluindo os quatro cursos, são necessários para completar o programa). Além disso, há uma taxa de inscrição não reembolsável de US$ 85 para o programa no campus e US$ 150 para o programa on-line. O programa on-line também inclui uma taxa de tecnologia adicional não reembolsável de US$ 395 por curso.

Como se preparar: um curso de graduação e quantitativa prévia e introdutória à programação de computadores são necessários.

Certified Analytics Professional

Certified Analytics Professional (CAP) é uma certificação analítica geral que certifica o entendimento completo do processo analítico, desde a estruturação de problemas analíticos e de negócios até a aquisição de dados, metodologia, construção de modelo, implantação e gerenciamento do ciclo de vida do modelo. Requer a conclusão do exame CAP e a adesão ao Código de Ética da CAP.

Organização: INFORMS

Preço: US$ 495 se você é um membro do INFORMS, ou US$ 695 se não for. O preço de equipe está disponível para as organizações.

Como se preparar: uma lista de cursos de estudo e uma série de webinars estão disponíveis por meio do registro.

Cloudera Certified Associate (CCA) Data Analyst

Um desenvolvedor de SQL que recebe a certificação CCA Data Analystdemonstra as principais habilidades de um analista para carregar, transformar e modelar dados do Hadoop para definir relacionamentos e extrair resultados significativos de produção crua. Ele exige a aprovação no exame de análise de dados CCA (CCA159), um conjunto controlado de controle remoto de oito a 12 tarefas práticas baseadas em desempenho em um cluster CDH 5. Os candidatos têm 120 minutos para implementar uma solução técnica para cada tarefa. Eles devem analisar o problema e chegar a uma abordagem ideal no tempo permitido.

Organização: Cloudera

Preço: US$ 295

Como se preparar: a Cloudera recomenda que os candidatos façam o curso Cloudera Data Analyst Training, que tem os mesmos objetivos do exame.

EMC Proven Professional Data Scientist Associate (EMCDSA)

A certificação EMCDSA demonstra a capacidade de um indivíduo de participar e contribuir como membro da equipe de ciência de dados em projetos de big data. Inclui a implementação do ciclo de vida de análise de dados, reformulando um desafio de negócios como um desafio analítico, aplicando técnicas e ferramentas analíticas para analisar big data e criar modelos estatísticos, selecionando as visualizações de dados apropriadas e muito mais.

Organização: Dell EMC Education Services

Preço: US$ 600 por streaming de vídeo-ILT; US$ 5 mil por curso ministrado por instrutor

Como se preparar: a EMC oferece um curso de treinamento, disponível em vídeo ou um curso ministrado por instrutor.

MapR Certified Data Analyst

A credencial do MapR Certified Data Analyst valida a capacidade de um indivíduo de executar análises em grandes conjuntos de dados usando uma variedade de ferramentas, incluindo Apache Hive, Apache Pig e Apache Drill. O exame testa a capacidade de executar tarefas típicas de ETL para manipular dados para realizar consultas. As perguntas abordam as consultas SQL existentes, incluindo a depuração de consultas malformadas de um determinado fragmento de código, a escolha das funções de consulta corretas para produzir um resultado desejado e as tarefas comuns de solução de problemas. O exame consiste em 50-60 perguntas em uma sessão supervisionada de duas horas.

Organização: MapR Technologies

Preço: US$ 250 para o exame

Como se preparar: o MapR recomenda que os candidatos se preparem com quatro de seus cursos: Introduction to SQL Analytics with Apache Drill, Apache Drill Performance e Debugging, Apache Hive Essentials e Apache Pig Essentials. O MapR também oferece um Guia de Estudo do MCDA.

Microsoft Certified Solutions Expert (MCSE): Data Management and Analytics

A credencial MCSE: Data Management and Analytics demonstra os amplos conjuntos de habilidades em administração SQL, criando soluções de dados em escala corporativa e aproveitando dados de business intelligence (BI) em ambientes locais e em nuvem. Para obter a certificação, os candidatos devem passar em um dos 12 exames.

Organização: Microsoft

Preço: US$ 165 por exame

Como se preparar: para obter essa credencial, você deve primeiro obter uma das sete Certificações Microsoft Certified Solutions Associate (MSCA): MSCA SQL Server 2012/2014; MCSA: SQL 2016 Database Administration; MCSA: SQL 2016 Database Development; MCSA: SQL 2016 BI Development; MCSA Machine Learning; MCSA: BI Reporting; or MCSA: Data Engineering with Azure. Além disso, a Microsoft oferece ferramentas de preparação para cada um dos 12 exames que levam à certificação MCSE: Data Management and Analytics.

SAS Certified Data Scientist Using SAS 9

A credencial SAS Certified Data Scientist Using SAS 9 demonstra que os indivíduos podem manipular e obter insights de big data com uma variedade de ferramentas SAS e de código aberto, fazer recomendações de negócios com modelos complexos de aprendizado e implantar modelos em escala usando o ambiente SAS. A certificação exige a aprovação de cinco exames que incluem perguntas de múltipla escolha, respostas curtas e interativas (em um ambiente SAS simulado). Os exames incluem:

  • SAS Big Data Preparation, Statistics and Visual Exploration
  • SAS Big Data Programming and Loading
  • Predictive Modeling Using SAS Enterprise Miner 7, 13, or 14
  • SAS Advanced Predictive Modeling
  • SAS Text Analytics, Time Series, Experimentation and Optimazation

Organização: SAS

Preço: US$ 180 por cada exame; US$ 250 para Predictive Modeling Using SAS Enterprise Miner

Como se preparar: o SAS recomenda que os candidatos se preparem usando seu currículo SAS Data Science da SAS Academy for Data Science. Ele custa US$ 4.400 para um curso de ensino à distância individualizado, ou US$ 16 mil para um programa de 12 semanas ministrado por instrutor em Cary, na Carolina do Norte.

Fonte: CIO

5 etapas para o sucesso de uma estratégia de Data & Analytic

O Gartner avalia que, com o avanço das demandas por Data & Analytics dentro das empresas, os chamados Chief Data Officers (CDOs) estão sendo cada vez mais responsáveis por uma ampla agenda que abrange as iniciativas de gerenciamento, análise e ciência de dados, além de ética e transformação digital.

Conforme a consultoria, esses especialistas precisam estar preparados para liderarem a transformação baseada em dados de suas organizações. Mas como os novos CDOs que estão assumindo essa posição desafiadora podem ter sucesso em suas jornadas?

Os primeiros 100 dias constituem um período de “lua de mel”, aponta o Gartner, perído em que os CDOs devem se estabelecer e criar percepções que os outros irão associar às suas ações subsequentes. Segundo a consultoria, cada fase inclui resultados-alvo, ações e recursos críticos, bem como algumas ideias opcionais a serem consideradas, conforme o tempo e os recursos permitirem.

De acordo com a Analista e Vice-Presidente da Consultoria, Debra Logan, preparar e comunicar um plano claramente dividido é fundamental neste processo. “Os profissionais precisarão criar planos detalhados e de alto nível para atividades-chave, com análises que incluam benchmarks e medições para mostrar o progresso e as realizações de suas iniciativas”, diz.

Confira abaixo uma lista com cinco etapas para o sucesso de uma estratégia de Data & Analytics, segundo a Gartner.

Preparar – Marque reuniões com sua equipe e com os principais líderes de negócios e de TI antes de participar e prepare um conjunto de materiais introdutórios sobre sua experiência. Se você é um veterano na empresa e passou para a função de CDO, revise sua experiência rapidamente. Demonstrar que você entende “como as coisas funcionam por aqui” é crucial.

Avaliar – Use reuniões face a face para construir uma forte compreensão do negócio e relacionamento com os principais interessados. Dedique pelo menos 50% do seu tempo a atender essas partes interessadas para explicar o papel do CDO e como você as ajudará a atingir seus objetivos críticos de negócios. Uma lista de não mais do que cinco perguntas ponderadas será mais valiosa do que tentar cobrir tudo. Preste muita atenção a pontos crônicos de dor e falhas anteriores e solicite ativamente o feedback sobre as percepções sobre as demandas direcionadas ao cargo de CDO e outras funções baseadas em dados. Também tente ter uma noção de como o CIO e a organização de TI são considerados no negócio.

Planejar – A fase de planejamento transforma as lições aprendidas das fases “preparar” e “avaliar” em um plano de ação. Compartilhe uma visão com sua equipe, gerentes de linha e as partes interessadas da empresa que você entrevistou. Apoie isso com uma avaliação de como a organização se compara à sua visão e descreva como você poderá desenvolver as operações e estruturas. Lembre-se de expressar esses objetivos em termos dos principais indicadores de desempenho de negócios (KPIs) que são importantes para as metas definidas por executivos e gerentes.

Agir – Reúna-se com suas equipes operacionais para definir seu escopo de operação e considere as métricas de desempenho. Pergunte o que você pode fazer para ajudá-los a ter sucesso. Realize uma reunião de status de gerenciamento sênior e desenvolva um cronograma trimestral. Estas serão algumas das reuniões mais valiosas que você tem. A equipe executiva determinará como integrar suas necessidades em sua estratégia e deverá deixar clara sua visão sobre o que constitui o sucesso. Isso lhe dará objetivos e estrutura claros para futuras reuniões. Mantenha a agenda simples: -O que você vai fazer durante este período? -Qual é o valor comercial das ações que você está planejando abordar? -Que valor comercial a equipe executiva gostaria que você entregasse durante o próximo período?

Mensurar – Você deve articular o valor comercial dos esforços de suas equipes de projeto, para que as reuniões regulares do relatório de progresso se concentrem nas informações mais relevantes para os líderes empresariais e financeiros.

Para entender e conquistar clientes é preciso dados, não suposições

Conhecer os clientes e construir relacionamentos têm sido princípios básicos para o bom andamento dos negócios em todo o mundo. Estamos na era da hiperconectividade e você, com toda certeza, já deve ter ouvido falar em Big Data, inteligência artificial (IA), CRM, ‘machine learning’, Google analytics, ‘business intelligence’, entre inúmeros outros termos e ferramentas que se valem da análise de dados para impulsionar resultados nos mais diferentes setores. E, caso ainda não esteja familiarizado com o ‘data science‘ na gestão da sua empresa, esse é um bom momento para começar.

O mercado está cada vez mais focado em entender a jornada do cliente e sua experiência de compra. Afinal, a razão para aquela grande ideia de negócio ter nascido é a satisfação do público-alvo, seja na entrega de um produto ou de um serviço. Avanços tecnológicos, como a inteligência artificial e o machine learning, vêm transformando as estratégias de atração e relacionamento com clientes.

A utilização de análise de dados no marketing possibilita aprimorar processos, obter ‘insights’ preciosos para analisar grandes volumes de dados e tomar decisões estratégicas com o objetivo de aumentar as vendas e o ROI, fidelizar clientes e aprimorar a experiência do usuário, por exemplo. Essa nova era do marketing, conhecida por ‘data driven’, está colocando em cheque o trabalho das agências de publicidade tradicionais – que não estão preparadas para tamanha complexidade.

Companhias que analisam seus dados conseguem responder rapidamente a mudanças do mercado, prever padrões de comportamento e prevenir riscos com mais agilidade. Analisando dados, as empresas aumentam as possibilidades de entender o cliente e responder às suas necessidades, o que leva ao crescimento.

Essas informações podem ser coletadas em diferentes lugares, como redes sociais, sites de pesquisa, e-mail, newsletters, fóruns, aplicativos e ‘gadgets’. Ao acessar um site, os ‘logs’ de acesso e de visualização ou de cliques do usuário mostram seu ponto de interesse. Quando ele faz uma compra online, é possível construir um histórico de estatísticas que mostra hábitos de consumo. Por meio dos comentários – positivos ou não – em redes sociais, ele registra uma percepção sobre aquela marca/serviço.

Porém, não é uma tarefa simples agregar valor a essa infinidade de dados, de forma que tenham sentido para gerar negócios de relevância. É preciso analisar as informações de forma inteligente, com as ferramentas e a abordagem certas para formular ‘insights’ – o ‘data science’ nada mais é do que um estudo metódico dos dados e informações referentes a um negócio, abrangendo diversas perspectivas sobre um determinado assunto.

Os profissionais de marketing – e de outras áreas – têm percebido a importância de entender métodos básicos de ciência de dados para se comunicar com as equipes de análise e avaliar as oportunidades. Atualmente, tudo o que é feito nos canais de mercado transforma-se em informação valiosa para estabelecer um padrão que caracterize o cliente certo para determinado negócio.

Está mais do que comprovado que o mercado, hoje, se baseia em números para crescer, e as companhias não podem mais focar seu planejamento e gestão em suposições. São esses dados, concretos e bem analisados, que serão de grande valia para a validação do modelo de negócio e para indicar para onde devem ser direcionadas as estratégias para que a satisfação, o engajamento e a fidelização do público-alvo sejam alcançados.

Fonte: It Forum 365

IBM explica venda de sua plataforma de marketing

Na semana passada, a IBM anunciou, em Nova York, um acordo definitivo para a venda de sua divisão Watson Marketing, plataforma que utiliza inteligência artificial para oferecer soluções de comunicação aos clientes. O comprador é o fundo de investimentos Centerbridge Partners e a ideia dos novos donos é construir uma empresa independente, e que ofereça um portfólio abrangente de produtos para atender aos maiores desafios do CMO em marketing e publicidade.

As soluções da plataforma incluem ferramentas de automação de campanhas, análise de dados e experiência dos clientes, um sistema de gerenciamento de conteúdo com tecnologia de inteligência artificial, além de diversas outras APIs. Como a transação ainda está sob revisão dos órgãos regulatórios, a IBM deu apenas poucos detalhes sobre como a negociação pode impactar algo na operação brasileira.

Por meio de um comunicado, no entanto, a companhia deixou claro que a venda da divisão está alinhada com os própositos estratégicos do grupo. “Podemos adiantar que como parte da estratégia da IBM para liderar nos segmentos emergentes e de alto valor da indústria de TI, atuamos com um modelo integrado que prioriza a inovação e a expertise em áreas como inteligência artificial, blockchain, cloud e supply chain”, diz o texto.

Dentro deste cenário, a IBM tambem aprofundou suas predileções em termos de direção de negócio. “As soluções de marketing e commerce vem sendo cada vez mais vendidas como produtos autônomos e não mais como parte central desse modelo integrado. Esse acordo definitivo assinado com Centerbridge é consistente com a nossa estratégia e acreditamos que a Centerbridge está bem posicionada para progredir com essas soluções no mercado”, finaliza o comunicado.

Nos próximos dias, a companhia deve anunciar um novo nome e identidade para a marca.

Fonte: Meio e Mensagem

Verbete Draft: o que é Marketing Holístico

Não precisa acender incenso. O Marketing Holístico leva em conta que todas as partes envolvidas com a empresa se relacionem em uma estratégia ampla e, portanto, mais eficiente. Conheça.

MARKETING HOLÍSTICO

O que acham que é:  Marketing voltado a terapias alternativas.

O que realmente é: Marketing Holístico é uma abordagem que visa contemplar partes diversas (como stakeholders, clientes, funcionários, fornecedores) ao criar e implementar estratégias de marketing. No conceito está a ideia de que a melhor solução nasce de uma perspectiva ampla e inter-relacionada. Quatro vertentes, necessariamente, precisam trabalhar juntas no Marketing Holístico: Marketing de Integração, de Relacionamento, Interno e Socialmente Responsável. Segundo Guilherme Pereira, diretor acadêmico dos MBAs da FIAP, o Marketing de Integração deve criar uma experiência unificada para o cliente, da mensagem ao entendimento. “Já o Marketing de Relacionamento visa gerar vínculo e criar envolvimento a longo prazo da marca com o cliente e o Marketing Interno é um conjunto de ações direcionadas ao público interno da organização ou empresa”, afirma. Eventualmente é possível adicionar mais vertentes como endomarketing, webmarketing, branding etc. Para Eduardo Prange, CEO da Zeeng, que analisa big data nas áreas de marketing e comunicação, o Marketing Holístico parte do pressuposto de que todas as partes envolvidas com a organização sofrem interferência e se relacionam. “Todos os processos de desenvolvimento, projeto ou a implementação de programas e atividades de marketing devem ter consciência dessa correlação.”

Quem inventou: Os acadêmicos e autores norte-americanos Philip Kotler e Kevin Lane Keller.

Quando foi inventado: Em 2006.

Para que serve: Para, por meio da sinergia criada entre todas as partes, impactar positivamente o resultado, fazendo com que o produto ou serviço venda mais. “Basicamente, o Marketing Holístico procurar enxergar o entorno de forma mais ampla e complexa, visando construir valor para a marca e para a empresa”, diz Silvio Sato, do curso de Publicidade e Propaganda da FAAP.

Quem usa: Qualquer empresa ou marca que deseje integrar estratégias.

Efeitos colaterais: Ineficiência, caso haja resistência na mudança da cultura da empresa (advinda da integração das áreas).

Quem é contra: Empresas que acreditam que a eficiência vem da segmentação. “São organizações que acreditam que o departamento de marketing é o pensador e o executor das estratégias, e não a empresa como um todo”, afirma Pereira.

Fonte: Projeto Draft

Aliadas, tecnologia e dados de consumo ajudam marcas a otimizar sua performance em vendas

Por Ricardo Rodrigues (*)

Você sabia que, em média, menos de 2% dos visitantes que chegam a um e-commerce compram no ato? Desse dado é possível concluir muita coisa. Primeiro que nenhum negócio consegue sobreviver exclusivamente de compras por impulso. A conta de investimento em atração de público versus vendas nunca vai fechar desse jeito. O que nos leva ao segundo ponto: só porque 98% de usuários deixam um site sem comprar nada, não significa que eles não gostaram dos produtos ou não têm intenção de converter com a marca em algum momento. Essas pessoas simplesmente não estavam prontas para comprar.

E isso pode acontecer por diversos motivos – o consumidor estava sem o cartão de crédito na hora, com pressa para buscar o filho na escola ou se distraiu com um e-mail de trabalho. Isso acontece porque a jornada de compra não é linear. Ao mesmo tempo, as marcas não podem simplesmente desperdiçar todo esse volume de potenciais clientes, que entraram no site e demonstraram interesse nos produtos. Portanto as empresas precisam ajudar as pessoas a tomarem uma decisão de compra e o melhor caminho para fazer isso é através dos dados de consumo, que indicam o perfil e comportamento do público de uma empresa e podem orientar campanhas mais assertivas.

Desvendando o perfil do consumidor através dos dados

Para otimizar a estratégia de marketing digital, o primeiro passo é  identificar quem são os visitantes do site – as necessidades e desejos do consumidor. Entender com profundidade o comportamento desses usuários  enquanto navegam nas páginas do site e quais são os produtos e categorias em que tem mais interesse é essencial para que as marcas criem campanhas mais direcionadas e personalizadas, com maior potencial de conversão, fazendo com que cada consumidor se sinta especial, mais próximo e querido pela empresa.

Todo este processo, desde a primeira identificação do cliente com a marca até a fidelização e recompra, é definido pela jornada de compra.  O objetivo de qualquer negócio online é buscar a evolução do visitante nesse processo, para que se torne um comprador fiel e constante, justamente pela boa experiência vivida no e-commerce.

Uma estratégia baseada em dados

Uma vez identificados os perfis de consumo dos consumidores, é possível aplicar uma comunicação humanizada, adequada ao momento em que aquele usuário está na sua jornada de compra.

Por exemplo: resultados preliminares de uma pesquisa de neurociência e linguística, liderada pela Social Miner, mostram que quando um novo visitante entra num site e está na fase de consideração da sua jornada de compra, usar uma linguagem mais afetiva e empática pode performar até 17% melhor. Ou seja, para cadastrar mais leads, o ideal é que as marcas sejam receptivas e encantem o seu potencial cliente. Na fase de avaliação, o compartilhamento de informações sobre os produtos – utilidades e vantagens – pode garantir resultados até 23% melhores.

Já na fase de conversão, a oferta de benefícios financeiros, como descontos e condições especiais, são mais relevantes em 60% dos casos e, na fase de retenção, o cuidado com a experiência pós-compra, bem como conteúdos que proporcionam uma boa experiência garantem a fidelização.

Estudamos ainda a relação entre a navegação do usuário em um site com a sua intenção de compra. E descobrimos que quanto mais engajado esse consumidor está, visitando mais páginas, maiores são as suas chances de conversão. Isso significa que podemos prever, com baixíssimo grau de erro, a probabilidade de um visitante comprar ou não, baseado em seu comportamento de navegação. Uma boa estratégia de engajamento ajuda as marcas a guiarem a navegação dos seus visitantes dentro do site, multiplicando as oportunidades de venda.

Automação x humanização: é possível ter os dois ao mesmo tempo?

A automação, aliada à personalização, permite que as marcas tratem os seus clientes com exclusividade e melhor: faça isso de forma escalável. Ou seja, a tecnologia faz o trabalho duro de análise de dados, enquanto as equipes de marketing podem focar no que realmente importa: as pessoas e o que elas esperam das marcas.

É, portanto, um recurso essencial tanto para grandes, quanto para pequenas e médias empresas. Num cenário de grandes e-commerces, os recursos ajudam a vencer o desafio de criar campanhas humanizadas, em escala. Já para o pequeno e médio empreendedor, oferece diferencial competitivo – baseada na experiência de compra humanizada – já que nem sempre essas organizações podem brigar por preço. Chamamos essa metodologia, que garante até 3,5 vezes mais conversões para as marcas, de People Marketing.

Por fim, é sempre importante buscar parceiros de confiança para que a sua marca esteja em boas mãos, afinal é a sua reputação que está em jogo. Existem empresas que podem te ajudar nesse sentido: criando verdadeiros laços entre a sua marca e seus clientes. Nós da Social Miner promovemos uma comunicação humanizada e automatizada para e-commerces aumentarem suas vendas. Minha dica é: valorize seu consumidor e fale com ele como se fossem bons amigos. Seja autêntico e, com certeza, você irá se destacar no mercado.

(*) Ricardo Rodrigues é cofundador da Social Miner

Fonte: Proxxima

GARTNER IDENTIFICA CINCO MITOS SOBRE O USO DE INTELIGÊNCIA ARTIFICIAL NAS EMPRESAS

Os líderes de TI e de negócios geralmente ficam confusos sobre o que a Inteligência Artificial (IA) pode fazer por suas organizações e são frequentemente desafiados por falsas ideias sobre como aplicar os conceitos dessa tecnologia em suas organizações. O Gartner Inc., líder mundial em pesquisa e aconselhamento para empresas, avalia que os gestores de TI e negócios que desenvolvem projetos de inteligência artificial devem separar a realidade dos mitos para elaborar suas estratégias de inovação para o futuro.

“Com a tecnologia de IA ​​entrando nas companhias, é crucial que os líderes de negócios e de TI compreendam completamente como as soluções inteligentes podem criar valor para seus negócios e onde estão suas limitações”, diz Alexander Linden, Vice-Presidente de pesquisa do Gartner. “As tecnologias de Inteligência Artificial só podem gerar valor se fizerem parte da estratégia da organização e forem usadas da maneira correta”.

Para evitar concepções erradas, o Gartner anuncia cinco mitos sobre o uso da Inteligência Artificial:

Mito 1: A Inteligência Artificial funciona da mesma maneira que o cérebro humano

A Inteligência Artificial é uma disciplina de engenharia da computação. Em seu estado atual, consiste em ferramentas de software destinadas a resolver problemas. Embora algumas formas de IA sejam altamente capacitadas e habilidosas, seria impossível pensar que as aplicações inteligentes atuais são semelhantes ou equivalentes à inteligência humana.

“Algumas formas de aprendizado de máquina (ML – de Machine Learning, em inglês), que é uma categoria de inteligência artificial, podem ter sido inspiradas pelo cérebro humano, mas não são equivalentes”, afirma Linden. “A tecnologia de reconhecimento de imagem, por exemplo, é mais precisa do que a maioria dos humanos, mas não é útil quando se trata de resolver um problema de matemática. A regra com a Inteligência Artificial, hoje, é que ela resolve uma tarefa extremamente bem, mas, se as condições da tarefa mudarem um pouco, essa tecnologia falhará”.

Mito 2: Máquinas inteligentes aprendem por conta própria

A intervenção humana é necessária para desenvolver uma máquina ou um sistema baseado em Inteligência Artificial. O envolvimento pode vir de experientes cientistas de dados humanos, que são imprescindíveis para executar tarefas como definir e enquadrar quais são as questões a serem executadas, preparar os dados, determinar conjuntos de informações apropriados para a análise, remover possíveis erros (ver mito 3) e – o mais importante – para atualizar continuamente o software, permitindo a integração de novos conhecimentos e de aprendizagem para o próximo ciclo de inovação presente nas máquinas.

Mito 3: Inteligência Artificial pode ser livre de preconceito

Toda tecnologia de Inteligência Artificial é baseada em dados, regras e outros tipos de informações fornecidas por especialistas humanos. Semelhante aos humanos, as aplicações inteligentes também são intrinsecamente enviesadas por uma forma ou outra de análise.

“Hoje, não há como banir completamente o preconceito, no entanto, temos que tentar reduzi-lo ao mínimo”, diz Linden. “Além de soluções tecnológicas, como diversos conjuntos de dados, também é crucial garantir a diversidade nas equipes que trabalham com a Inteligência Artificial e fazer com que os membros da equipe revisem o trabalho uns dos outros. Esse processo simples pode reduzir significativamente o viés de seleção e confirmação”.

Mito 4: A Inteligência Artificial só substituirá trabalhos repetitivos e que não exigem graus avançados

A Inteligência Artificial permite que as empresas tomem decisões mais precisas por meio de previsões, classificações e agrupamentos da análise de dados. Essas habilidades das soluções baseadas em IA permitiram que as empresas reduzissem as demandas acerca das tarefas mais comuns, mas, por outro lado, também aumentaram a complexidade das tarefas remanescentes. Um exemplo é o uso de Inteligência Artificial na avaliação de imagens na área da saúde. Uma radiografia de tórax baseada em IA pode detectar doenças mais rapidamente que radiologistas. No setor financeiro e de seguros, robôs estão sendo usados ​​para o gerenciamento de rendas ou detecção de fraudes. Essas capacidades não eliminam o envolvimento humano nessas tarefas, mas permitem que os humanos lidem apenas com os casos incomuns ou mais específicos. Com o avanço da Inteligência Artificial ​​no local de trabalho, os líderes de negócios e de TI devem ajustar os perfis de trabalho e o planejamento das habilidades de suas equipes, além de oferecer opções de certificações e reciclagem de conhecimento para os profissionais já presentes na companhia.

Mito 5: Nem todas as empresas precisam de uma estratégia de Inteligência Artificial

Todas as organizações devem considerar o impacto potencial das soluções de Inteligência Artificial ​​em suas estratégias e investigar como essa tecnologia pode ser aplicada às demandas de suas operações. Evitar a exploração da Inteligência Artificial é o mesmo que abandonar a próxima fase da automação, o que, em última análise, poderia colocar as companhias em desvantagem competitiva.

“Mesmo que a estratégia atual de uma empresa não utilize a Inteligência Artificial, é importante que os líderes de negócios dessa companhia avaliem esse tema para tomar uma decisão consciente, baseada em muita pesquisa e avaliação do cenário. E como em relação a qualquer outra estratégia, é sempre recomendável que as companhias revisitem periodicamente seus planos, alterando suas diretrizes e rumos de acordo com as necessidades da organização. As ferramentas de Inteligência Artificial podem ser necessárias mais cedo do que o esperado”, finaliza Linden.

Fonte: Digitalks

4 dicas para escolher uma plataforma de inteligência de dados

Os dados são nossos parceiros de negócio e essa já é uma realidade instalada no mercado atual. Há algum tempo, as pessoas, empresas e profissionais de áreas comentam sobre como as informações, geradas tanto no ambiente online quanto no off-line, têm servido para compor estratégias e mudar verdadeiramente o rumo de ações e campanhas

Artigo produzido por: Eduardo Prange

Como você já deve ter percebido: estou falando de uma nova era, a era das plataformas de inteligência de dados.

Segundo a Gartner, principal empresa de consultoria e pesquisa do mundo, 2,2 milhões de terabytes de novos dados são criados todos os dias e a expectativa é que, até 2020, exista um total de 40 trilhões de gigabytes de dados espalhados pelo mundo.

Isso quer dizer que, em pouco tempo, tudo o que conhecemos de informação será apenas uma ponta (muito pequena) do iceberg conhecido como Big Data.

A tendência é que a quantidade de dados gerados nos próximos anos seja tão grande que parecerá impossível mensurá-la e, para as empresas, fazer leituras deste cenário se torna imprescindível.

Pensando em ajudar você nessa jornada de competição acirrada, separei algumas dicas para auxiliar na escolha de uma ferramenta de inteligência que atenda tanto os seus desejos, como os dos leads, que poderão contar com um fornecedor que oferece mais do que bons produtos, mas ótimas experiências. Confira!

1. Captura de dados eficiente: As plataformas de inteligência de dados são ambientes que reúnem enormes quantidades de informações de diferentes bases públicas, mídias sociais, etc., e que precisam ser eficientes para cruzamentos e análises de conteúdo complexos.

O objetivo é que, além das grandes coletas de dados, as informações capturadas sejam eficazes do ponto de vista estratégico. Que sirvam para identificar comportamentos e conhecer os perfis dos consumidores, por meio de cruzamento de dados usando ferramentas como o Analytics de forma inteligente.

A ideia é que os dados coletados sirvam como base para melhores tomadas de decisão. Por isso, procure por uma solução que entregue: usabilidade, praticidade, organização e que também está pronta para as grandes análises de dados.

2. Gestão de dados inteligente: Além do auxílio na coleta de informações significativas para a empresa, uma plataforma de dados tem como proposta aumentar sua capacidade de gestão.

Com uma solução que faz uma leitura de dados complexa existem mil maneiras de melhorar os resultados do negócio. Em vez de despender tempo fazendo uma coleta e seleção enorme de informações, você já tem os dados mais interessantes distribuídos em dashboards e relatórios, basta fazer a leitura.

A tecnologia, portanto, facilita muito o trabalho de controle sobre o que está servindo de insumo para as estratégias da empresa.

O gerenciamento das informações – uma prática fundamental quando se lida com dados – deixa de ser uma tarefa morosa e passa a funcionar como um meio muito eficiente para geração de insights.

3. Visualização facilitada: Outro fator que deve ser levado em consideração é optar por ferramentas totalmente visuais. Ou seja, os dados precisam ser apresentados de maneira que todos tenham acesso prático, desde as pessoas de negócios até os profissionais que lidam diariamente com inteligência.

Uma boa plataforma deve ser funcional ao ponto de permitir avaliações rápidas de cenários para reverter problemas pontuais, como mudar uma campanha de marketing com o objetivo de aumentar as conversões em leads, por exemplo.

4. Análise estratégica: Uma plataforma de inteligência de dados muito completa permite que a empresa se diferencie das outras no mercado e isso está totalmente relacionado ao seu poder de análise.

Para que a empresa ganhe destaque entre seus concorrentes diretos e indiretos, é importante que ela tenha potencial analítico e encontre facilmente respostas para seus planos, ações e estratégias em dados muito valiosos.

Com o auxílio de boas plataformas é possível diminuir o risco das avaliações apressadas de cenário. Todo e qualquer levantamento feito pela sua empresa será fundamentado em dados estratégicos, pois a própria solução funciona de maneira inteligente, oferecendo relatórios comparativos, simplificando o trabalho de análise.

Com isso, a produtividade das equipes acaba aumentando e insights diferenciados surgem para melhorar os negócios da empresa.

O tempo de retrabalho é reduzido, assim como os custos, e gestores e líderes passam a desempenhar funções ainda mais estratégicas, mudando positivamente a realidade das empresas, agora muito mais inteligentes.

Para finalizar, posso dizer que por ter acompanhado os resultados da segunda edição do estudo “Índice de Inteligência Empresarial”, realizado pela Zebra Technologies Corp., empresa inovadora na estrutura de negócios com soluções e parceiros que permitem às companhias capturar sua vantagem competitiva, percebi que o número de empresas enquadradas na categoria “smart” dobrou em 2018, em relação ao ano anterior.

Isso quer dizer que elas estão aproximando cada vez mais o mundo físico com o digital, impulsionando suas ações por meio de tecnologia e plataformas inteligentes.

*Eduardo Prange é CEO da Zeeng – Data Driven Platform, e atua com Marketing Digital há mais de doze anos, com participação em mais de cem projetos relacionados ao tema.

Fonte: Crypto ID

Big Data ou Small Data? Entenda as diferenças e saiba como usar cada um

gerenciamento de dados nunca foi tão importante quanto é hoje. Não à toa, o Big Data nasceu da necessidade cada vez maior em conseguir lidar com a grande quantidade de informações gerada a partir dos processos cotidianos de uma empresa.

Baseando-se em três princípios: volume, velocidade e variedade, o objetivo é armazenar e analisar estes dados, sendo possível, por exemplo, organizar relatórios que mostrem os comportamentos, preferências e necessidades dos clientes.

Hoje é fundamental contar com soluções de Big Data para garantir o sucesso contínuo da empresa, pois, apenas ele é capaz de lidar com tanta rapidez e eficiência com a quantidade gigantesca de dados que as companhias geram e salvam atualmente.

Já o Small Data vem ganhando protagonismo no mercado nos últimos tempos graças às expectativas e necessidades dos clientes que querem personalização e um atendimento diferenciado, o que incentiva as organizações a buscarem maneiras inovadoras de trazer algo único para seu público-alvo.

A ferramenta analisa os dados de forma qualitativa, enquanto o Big Data faz isso quantitativamente. Além disso, ainda possibilita a análise de detalhes e opiniões sobre a experiência do cliente, seus desejos e necessidades, permitindo insights e decisões que, talvez, o Big Data não pudesse proporcionar. O resultado é maior conhecimento para entregar ao cliente a melhor experiência possível e produtos desenhados exatamente de acordo com o que ele deseja.

Para entender como o Big Data e o Small Data podem ser vantajosos para o seu negócio, a seguir, listo as principais diferenças entre essas tecnologias e como elas podem gerar resultados para a sua marca:

Condições dos dados

Como o Big Data lida com uma grande quantidade de informações, estas ficam armazenadas de forma não-estruturada, exigindo um trabalho minucioso de agregação e de interpretação para que possam ser analisadas. Enquanto isso, o Small Data atua com um volume menor, o que faz com que os dados dessa ferramenta estejam prontos para análise sempre que necessário.

Localização

O Big Data opera com todas as informações da organização, colhendo-as a partir dos sistemas na nuvem, do SQL Server, dos bancos de dados, dos PCs da empresa, entre outros lugares nas quais são geradas. Já o Small Data costuma trabalhar apenas com elementos vindos dos PCs, dos CRMs, de pesquisas e das redes sociais. A partir desses meios, é possível ter acesso direto às opiniões, hábitos, dúvidas, reclamações e necessidades dos clientes.

Tamanho e complexidade

A medida que o Big Data atua com medidas como terabyte e petabyte, o Small Data — que, lembre-se, recolhe dados de poucas fontes — lida com quantidades que, além de pequenas, também são consideravelmente mais simples. Uma única venda já é capaz de gerar subsídios muito importantes para o Small Data.

Importância e utilidade

Ao contrário do que algumas pessoas pensam, o Small Data não chegou para substituir o Big Data. A mineração e a análise de dados continuam tendo uma importância crescente dentro das companhias, que nunca geraram tantas informações digitais como hoje.

Com isso, é possível perceber que ambas são tecnologias complementares. Elas solucionam diferentes necessidades das empresas, possibilitando melhores resultados, decisões mais embasadas e eficientes, além de um crescimento contínuo das organizações.

*Alexandre Glikas é diretor-geral da Locaweb Corp, unidade corporativa da Locaweb

Fonte: Computer World

Privacy by Design: Uma resposta inteligente para a alucinante jornada de proteção de dados pessoais e adequando à LGPD

Mesmo as leis bem ordenadas são impotentes diante dos costumes“ — Nicolau Maquiavel 1469 – 1527.

As montadoras hoje não entregam um carro sem sistema de freios, espelhos retrovisores, ABS, airbags frontais, materiais internos não inflamáveis, dentre outros. Muitos destes não eram itens de série nos veículos há 40 anos ou não tinham seu uso aplicado em massa. Dentro do contexto da época, muitos destes itens eram considerados dispensáveis, na perspectiva do fabricante e dos proprietários. As estatísticas do trânsito demostram hoje o quão importante são.

economia de dados e toda a revolução que ela provocou nos últimos 10 anos segue um caminho similar. E essa travessia vem enlouquecendo todo o mercado – de grandes players de tecnologia a startups –  pois escancara os gapsque existem hoje em seus produtos (ou em sua implementação), do ponto de vista de segurança da informação e privacidade de dados.

GDPR e LGPD são movimentos naturais que surgiram para direcionar e trazer o equilíbrio necessário entre inovação e proteção de dados. A necessidade destas leis é inquestionável. Porém, não há lei que traga sozinha resultados efetivos caso não haja disrupção na forma de como o desenvolvimento de produtos e soluções hoje tratam o tema de cybersecurity e privacidade de dados pessoais. Vale a provocação aqui de que uma plataforma ou um app, por mais cool and inspiring que seja, não sobrevive ileso a um vazamento de dados ou abuso na utilização destes. Privacidade pode não ser relevante no MVP de uma startup, porém, será essencial com a ampliação da base de clientes.

Privacy by Design é uma abordagem elaborada na década de 1990 por Ann Cavoukian, na época responsável pelo Gabinete de Informação e Privacidade do estado de Ontário/Canadá. A GDPR dedica o capítulo 25 inteiro ao tema de Privacy by Design. Curiosamente, este é um dos capítulos mais generosos da GDPR no sentido de prover direcionamento e recomendações ao mercado.

Menção feita pela autoridade de proteção de dados da Europa (ICO – Information Commissioner’s Office) sobre Privacy by Design: “Em essência, isso significa que você precisa integrar a proteção de dados em suas atividades de processamento e práticas de negócios, desde a concepção e por todo o ciclo de vida dos dados. Privacy by Design envolve considerar antecipadamente proteção de dados e privacidade em tudo que você faz. Contribuirá para a conformidade com os princípios e requisitos fundamentais do GDPR e demonstra comprometimento efetivo com o tema.”

Independentemente do método que a sua tribo utilize – agilescrum, kanban, squads, cascade, extreme go horse (!!) – o desenvolvimento de um produto ou serviço deve cuidar de questões relevantes no contexto de privacidade. Exemplos:

  1. Natureza dos dados que serão coletados ou tratados (cadastrais, transacionais, sensíveis, dados de navegação e rastreamento);
  2. O consentimento do cliente para o uso dos seus dados;
  3. A transparência com o cliente sobre como os dados serão tratados e com quem serão compartilhados;
  4. Personalização de campanhas de marketing e ofertas de produtos –  cuidados na seleção de público utilizando critérios ou algoritmos enviesados;
  5. Controle de acesso aos dados;
  6. Tracking do uso das informações (logs para monitoramento);
  7. Proteção contra vazamento ou divulgação indevida.

Product ownersscrum mastersUX designers, gestores ou especialistas de negócio, arquitetos de dados, estatísticos, desenvolvedores, testadores, times de devops e equipes do ongoing – todos estes possuem papel específico na implementação de segurança e privacidade.

Privacy by Design baseia-se em 7 princípios:

  1. Preventivo não reativo – a concepção, desenho e implementação são conduzidas contemplando requisitos para evitar incidentes de privacidade dados;
  2. Privacidade como configuração padrão – o produto é entregue tendo suas configurações iniciais setadas com a adequada privacidade;
  3. Privacidade embutida no design da solução – privacidade incorporada a modelos de negócio e arquitetura de sistemas, aplicações e bancos de dados;
  4. Full Funcionallity (no zero sum) – abordagem win win – os requisitos de negócio igualmente balanceados com os requisitos de proteção dos dados;
  5. End-to-End Security – medidas de segurança e privacidade são aplicadas em todo o ciclo de vida dos dados – da coleta, armazenamento, tratamento, processamento, uso e descarte;
  6. Visibilidade e Transparência – cliente com visão clara de como o produto trata os seus dados pessoais. Uma política de privacidade de dados bem elaborada pode salvar uma empresa. Com isso, evitamos uma abordagem “Privacy Zuckering”, uma referência aos escândalos recentes de mau uso de dados;
  7. Respeito pelo cliente – abordagem user-centric. Aqui está a alma do conceito de proteção dos dados pessoais dos cidadãos. A avaliação da user experience definitivamente passa pelo conforto que o cliente tem de que o produto zela pelos seus dados.

Privacy by Design confere um tom concreto e prático à jornada de implementação de compliance com a GDPR e LGPD. Provém um enfrentamento efetivo a impactos em processos de negócio, arquitetura de sistemas, banco de dados, nas práticas internas de segurança da informação e na forma como a empresa se relaciona com os seus clientes e parceiros.

E assim o baile seguirá nos deleitando com a deliciosa e instigante dança entre inovação e privacidade de dados, em harmonia.

Fonte: Digitalks