Praticamente tudo o que fazemos hoje, de alguma forma, gera dados: o que pesquisamos na Internet, como usamos o nosso telefone, o caminho que fazemos para ir ao trabalho ou à faculdade, o que publicamos nas redes sociais, entre outros.

Com o avanço da tecnologia, inúmeras “coisas” poderão (ou já podem) gerar dados, como, por exemplo, quantos itens temos na nossa geladeira, além de outros objetos em nossa casa, como lâmpadas ligadas, portas e janelas abertas, a forma como dirigimos nossos veículos, como nos comportamos ao andar de bicicleta ou sair para correr. Podemos também monitorar nosso corpo enquanto dormimos, gerando dados para análise. Muitas dessas “coisas” fazem o uso de sensores para medições, o que tem total relação com a Internet das Coisas (Internet of Thigns – IoT).

O aumento da capacidade de armazenamento e processamento de nossos computadores tem permitido que utilizemos sistemas (software) cada vez mais complexos e que processemos volumes de dados cada vez maiores. É nesse ponto que entra Analytics ou Data Analytics: assunto multidisciplinar, trata-se do uso de técnicas estatísticas, matemáticas, computacionais, de pesquisa operacional e de outras que se fizerem necessárias, para a interpretação e descoberta de padrões a partir de grandes volumes de dados.

Outros dois termos bastante utilizados hoje em dia e que tem relação com Data Analytics, são “Ciência de Dados”, tradução de Data Science, e “Aprendizado de Máquina”, do inglês Machine Learning. Essa última, agrega técnicas ainda mais complexas para que a máquina “aprenda” a reconhecer padrões e, assim, resolver problemas complexos, como reconhecimento de imagens, reconhecimento de voz, entre outros.

São muitas as possibilidades para aplicação das técnicas envolvidas. Vejamos alguns exemplos:

  1. Predição (ou previsão): baseado em padrões do passado, podemos prever acontecimentos futuros com boa margem de acerto. Vendas, clima, chance de nosso cliente passar a consumir uma marca concorrente, identificação de possíveis falhas em máquinas de uma linha de produção (e consequente criação de um plano de manutenção) são exemplos de previsões que podem ser feitas.
  2. Classificação automática de texto (avaliação automática de opiniões de usuários): o uso de redes sociais, fóruns e blogs especializados pode nos dizer muito a respeito do produto que uma empresa vende. Seria ótimo sabermos o que nossos consumidores estão falando sobre nossos produtos ou sobre nossa marca, não? Hoje em dia, temos a tecnologia para fazer isso acontecer de forma automatizada, ou seja, podemos “ensinar” a máquina a entender o que os usuários estão dizendo e ela poderá fazer a coleta, classificação e sumarização dessas opiniões.
  3. Qualidade de Dados (data quality, monitoramento de dados): diversos processos geram dados constantemente, como vendas, logística, ensino etc.Sabemos que, para que boas decisões sejam tomadas, precisamos nos basear em dados. Mas, será que podemos confiar nos dados que temos? Eles estão corretos? Eles refletem a realidade? Erros em dados podem ser gerados por usuários (digitação incorreta, por exemplo), por erros de comunicação (problemas de rede, de Internet), por problemas em sensores (sensor lendo temperatura incorretamente, por exemplo), entre outros. Podemos fazer com que erros nos dados sejam detectados automaticamente, também com boa margem de acerto.
  4. Classificação de imagens: diversos usos podem ser dados para a classificação de imagens, desde a identificação de pessoas, animais, objetos, reconhecimento de texto (placas de veículos, por exemplo), reconhecimento de ambientes, contagem de veículos em uma rodovia, análise de comportamento de pessoas em um ambiente, entre outras tantas.
  5. Reconhecimento de voz: muitos dispositivos, hoje, já recebem comandos por voz, a exemplo dos smartphones, automóveis, assistentes pessoais, entre outros. Além de dar comandos para dispositivos, o reconhecimento de voz já é utilizado para geração automática de legendas em filmes e vídeos.
  6. Saúde: profissionais da saúde podem contar com a ajuda das máquinas, tanto no diagnóstico de doenças quanto no dia a dia de um hospital, otimizando, por exemplo, a logística de pacientes entre seus quartos e salas de exame e de operação, o uso dos recursos, como aparelhos para exame, qual profissional deve atender qual paciente, entre outras situações.
  7. Agronegócio: uma possibilidade de aplicação nessa área está relacionada à classificação de imagens, já mencionada, tentando identificar pragas em plantações, qualidade da produção, nível de maturidade do plantio, etc.
  8. Análise de risco: para concessão de crédito/financiamentos, precificação de seguros, entre outros.
  9. Monitoramento de sistemas: seja uma rede elétrica, uma linha de produção, um cruzamento entre movimentadas avenidas, se conhecermos os padrões de possíveis problemas, permitindo adiantar uma ação para evitar tais ocorrências.
  10. Busca de respostas para perguntas não triviais: utilizando técnicas específicas e aprofundando a análise dos dados relacionados a um problema, um profissional de Data Analyticspode ser de grande valia na busca de respostas para problemas de maior nível de complexidade.

Todo processo que gera dados é uma oportunidade para aplicação de Data Analytics. Se a sua empresa ou negócio precisa de respostas e os dados existem ou podem ser obtidos, pense em Data Analytics.

O Eldorado tem know-how em Analytics e desenvolve soluções únicas, agregando valor por meio de identificação de padrões, tendências e predições, sempre buscando a solução de problemas complexos.