Análise
O que é e porque é importante?
A análise utiliza dados e matemática para responder às questões relacionadas com os negócios, detetar relações, prever resultados desconhecidos e automatizar decisões. Esta área diversificada da ciência informática é utilizada para encontrar padrões significativos nos dados e por a descoberto novos conhecimentos, com base em matemática aplicada, estatística, modelos de previsão e técnicas de aprendizagem automática.
História da Análise
No passado, o armazenamento de dados e velocidade de processamento limitavam a análise. Porém, hoje em dia, essas limitações já não existem. Abriu-se a porta a aprendizagens automáticas e aos algoritmos de deep learning que conseguem trabalhar vastas quantidades de dados em vários passos.
Como resultado, a norma descritiva, prescritiva e capacidades de previsão da análise, foram aumentadas através da aprendizagem e automatização, dando início à era da inteligência artificial.
Isto significa que deixámos de perguntar "O que aconteceu?" ou "O que pode acontecer?" e passámos a pedir às máquinas para automatizar e aprender a partir dos seus próprios dados – e até mesmo a dizer-nos o que devemos perguntar.
Atualmente, a maioria das organizações trata a análise como um ativo estratégico, e a análise tem um papel central em muitas funções e competências funcionais.
Uma das áreas em constante desenvolvimento da análise, alimentada pela aprendizagem automática, é o processamento de linguagem natural. Os computadores utilizam o NLP para interpretar voz falada e texto. Os Chatbots utilizam os NLP para responder às questões colocadas no apoio ao cliente ou facultar aconselhamento online em janelas de chat. Também oferecem sugestões, que seguem um guião, para trabalhadores de call center ao vivo.
A aprendizagem automática e a inteligência artificial também trouxeram aplicações úteis, tais como, carros que se conduzem sozinhos e recomendações nos motores de busca, que nos ajudam andar de um lado para o outro enquanto vemos uma série de seguida, conforme nos foi recomendada de acordo com os nossos gostos pessoais.
Claro que a análise molda mais do que apenas a forma como passamos os nossos tempos livres. Com computadores mais rápidos e mais potentes, abundam as oportunidades para usar a análise e a inteligência artificial. Quer seja para determinar o risco de crédito, desenvolver novos medicamentos, encontrar formas mais eficientes de entregar produtos e serviços, prevenir fraudes, detetar ciberataques ou reter os clientes mais valiosos, a análise pode ajudar a compreender o que impulsiona o sucesso da sua empresa – e como é que esta é importante para o mundo à sua volta.
A Análise na Atualidade
Coloque os seus projetos de análise em ação com estes recursos. Encontre o que precisa para planear os seus projetos, restaure a confiança nos seus dados e desenvolva uma estratégia de análise.
10 questões antes de começar os projetos de análise
Quanto custa? Que problema está a tentar solucionar? Onde há resistência? Estas são apenas 3 das perguntas-chave a colocar, para enquadrar o seu projeto de análise.
Porque é que a confiança é importante, quando se fala de análise?
Tirar maior valor da análise e tecnologias emergentes, como a AI, começa na confiança. Como é que os líderes de análise estão a construir confiança nos dados e análise? O MIT Sloan inquiriu 2 400 líderes empresariais para descobrir.
Construir a sua estratégia de análise
Qual a agenda dos diretores de dados e de análise? Definir uma estratégia de análise. Assegurar a fiabilidade da informação. Capacitar decisões tomadas com base nos dados. E muito mais. Descarregue este e-book para ajudar a construir a sua estratégia de análise.
ABC da Análise
Se tem tido curiosidade sobre como o seu pequeno ou médio negócio pode beneficiar da análise, mas não sabe por onde começar, este webinar é perfeito para si. A introdução explica como se pode iniciar na análise, seja qual for o tamanho do seu negócio.
Who's using analytics?
Recent advancements in technology have increased the potential of analytics. More data, better and cheaper storage options, stronger computational power, distributed and shared processing capabilities, and more algorithms make it easier to apply analytics to large problems and derive answers from data – in every industry.
- Select an industry
- Retail
- Manufacturing
- Banking
- Health Care
- Energy
- Telecom, Media & Technology
- Public Sector
- Insurance
Retail
Retail is no longer about products – it’s about customers. With buy-low, sell-high business models being upended by e-commerce giants like Amazon, retailers are embracing advanced analytics and customer intelligence tools to change how they understand and serve customers.
Manufacturing
Manufacturing and logistics companies are leaders in digital transformation. The use of robotics and automation are streamlining the supply chain. And whereas some industries struggle to generate value from IoT, manufacturers are adept at using sensor data to expose product flaws and optimize heavy machinery maintenance.
Banking
Banks worldwide are transforming to attract and retain customers. From AI-driven chatbots to advanced fraud detection, financial institutions are implementing new digital technologies to stave off disruptors and form new digital pathways between customers and the business.
Health Care
Digital transformation is accelerating improvements in areas such as diagnostics, care and monitoring. Look no further than AI being used to improve cancer detection. Digital tools bring the promise of more precise diagnoses and better targeting of treatments with predictive models. Simply put, we’re living longer, healthier lives through the use of technology.
Energy
Better forecasting technology helps energy companies save millions. It also helps provide more consistent power for energy-starved nations. Sensors on turbines help utilities squeeze value from existing machinery and proactively address mechanical issues before machines fail.
Telecom, Media & Technology
Plummeting revenues have pushed many TMT companies to take a more aggressive approach to transformation. This includes creating new, innovative services and mining data to improve the customer experience. Expect strong investments in digital transformation projects as TMT companies look for new growth opportunities.
Public Sector
Smart cities. Cyberdefense. Digital services. The public sector is increasingly using technology to improve the lives of citizens. With a plethora of big data at their disposal, governments have ample opportunity to further cut costs and drive revenue. The key is change management and fostering a culture of innovation.
Insurance
Commonly limited by legacy technology, insurers are investing in cloud infrastructure to support the adoption of new technologies and agile processes. In many cases, business units within companies are driving digital transformation – serving as proofs of concept for embedding digital technologies elsewhere in the business.
Democratizando a análise
As pressões do mundo digital estão a atingir-nos a todos, e o excesso de dados já não se limita às "pessoas dos números" dentro de uma organização. Consegue lembrar-se e apontar alguém que, dentro de uma organização, não esteja a precisar de maior velocidade, agilidade, flexibilidade e inovação? É isto que faz da análise uma prioridade para quase todas as pessoas, não só para quem trabalha em estatística e para cientistas de dados.
Como resultado, as organizações estão à procura de novas formas de tornar a análise disponível para mais utilizadores, colocando as recomendações e informações de uma forma mais simplista e fácil de compreender, isto, ao incluir desde logo as recomendações personalizadas e informações em aplicações de linha da frente, ou ao automatizar decisões relevantes.
As tecnologias que oferecem processos de 'apontar e clicar', para a criação dinâmica e automática de modelos, estão a permitir que a análise fique ao alcance de mais utilizadores. Até mesmo as questões mais complexas podem ser respondidas ao selecionar as fontes dos dados e mencionando o seu objetivo, tudo isto enquanto é construído um modelo campeão no background e a geração de linguagem natural explica o modelo.
As organizações que lideram através da análise podem contar com diferenciações significativas, maiores retornos e por vezes sobrevivência a longo prazo.
Soluções perfeitas para todos os percursos
Veja como a Levi Strauss & Co. iniciou a sua jornada com a SAS® para construir uma cultura orientada para a análise e preparada para a tomada de decisões, que a ajuda a ligar-se às pessoas que adoram a sua marca de vestuário.
Serve-se da análise para otimizar planos e prever oportunidades através do planeamento da comercialização, alocação e gestão de inventário.
Como Funciona a Análise?
Todos os negócios podem ser também negócios de análise. Cada processo é um processo de análise apto a ser melhorado. E cada empregado pode, de certa forma, tornar-se um utilizador de análise. Não interessa qual seja o seu objetivo com a análise, o primeiro passo é sempre o mesmo para um projeto de análise: ter dados. Assim que tiver os dados, precisa de os analisar. Depois precisa de implementar os resultados da sua análise para orientar a tomada de decisões. Quanto mais rapidamente percorrer o ciclo de vida analítico, mais rapidamente irá atingir valores tangíveis dos seus investimentos em análise.
Na SAS, vemos estas 3 categorias – dados, deteção e implantação – como passos iterativos do ciclo de vida da análise. Independentemente do âmbito do seu projeto, deve incluir sempre estes 3 passos. Vamos observá-los de perto.
Dados
Atualmente, os dados são rápidos, muitos e complexos. As soluções de análise têm de analisar dados de todos os tipos, incluindo dados estruturados tradicionais e formatos emergentes, tais como, dados de sensores de transmissão, imagens e vídeo.
Para aceder, preparar, limpar e governar esses dados, também precisa de uma estratégia de gestão de dados.
Como é que irá recolher, limpar e armazenar os dados? Estima-se que a preparação de dados consuma 80% do tempo gasto num processo analítico. Não seria mais útil gastar este tempo a criar modelos?
Uma plataforma de análise inteligente simplifica a preparação de dados com motores de acesso nativos, qualidade de dados integrada e ferramentas de preparação de dados que automatizam tarefas morosas com IA.
Por último, a governança de dados garante que se pode confiar nos seus dados porque sabe a fonte e conteúdo dos mesmos, além disso, pode monitorizar a qualidade dos dados. A governança de dados também torna mais fácil a proteção dos dados, quando é apropriado.
Descoberta
A descoberta gira em torno da exploração, visualização e construção de modelos. Encontrar o algoritmo certo costuma ser um processo de tentativa e erro. Todavia, quando é fácil documentar, guardar e comparar esses ensaios, o processo flui melhor.
Escolher os algoritmos certos depende de vários fatores, tais como: tamanho dos dados, necessidades de negócio, tempo de treino, parâmetros, pontos de dados e muito mais. Até mesmo os cientistas de dados mais experientes não lhe vão conseguir dizer qual o algoritmo com o melhor desempenho antes de testarem múltiplas abordagens.
De facto, é comum na fase de descoberta, comparar modelos diferentes, escritos numa linguagem de programação diferente, com características de dados diferentes.
Por exemplo, uma análise de projeto recente que utilizou a deteção de objetos para identificar tumores em scans médicos de fígados, começou por explorar várias redes neurais, e demorou algumas semanas a fazer a documentação e comparação dos resultados dos diferentes modelos.
Este processo colaborativo funciona melhor quando os cientistas de dados, com diferentes aptidões, conseguem escrever código numa linguagem da sua escolha, e quem não percebe de programação consegue utilizar uma interface visual de apontar e clicar para explorar os resultados de várias abordagens analíticas.
Implantação
Se quer tirar proveito dos seus esforços de análise, precisa de implementar os resultados das suas descobertas e pô-los em prática. A aprendizagem automática e outros modelos não são feitos para ficar a ganhar pó – deve utilizá-los para retirar valor comercial dos mesmos. Ainda assim, a fase de implantação é onde a maioria das organizações tem mais dificuldades.
Quer esteja a construir um só modelo, ou milhares, passar dos modelos escolhidos à implementação exige gestão de modelos. A gestão de modelos dá-lhe controlo de versões e ajuda a registar, validar e gerir de forma centralizada os seus modelos. Ajuda a desenvolver procedimentos e regras para a implementação e monitorização de modelos. Para além disso, ganha transparência acerca dos dados e utilização do modelo.
O seu objetivo deve ser criar modelos uma vez e implementá-los onde quer que seja – para dashboards executivos, diretamente em sistemas operacionais ou integrados noutras aplicações através de APIs.
O Ecossistema de Análise
A análise está a florescer. Centenas de empresas no ecossistema da análise facultam tecnologia e serviços que ajudam organizações a armazenar, aceder, analisar e a apresentar dados. Estas vão desde a gestão de dados e visualização à análise avançada e soluções de análise pré-construídas, incluindo várias opções de análise open source.
A SAS tem um posicionamento único que lhe permite integrar cada interveniente no ecossistema. A plataforma SAS pode ser utilizada no hardware de qualquer fornecedor, ingere todo o tipo de dados, compara modelos de diferentes idiomas e oferece uma governança consistente em todos os dados, nas fases de descoberta e implantação do ecossistema de análise.
Está a armazenar dados em AWS ou Hadoop? Extrair dados do X ou Google Analytics? Está a analisar dados em Python e SAS? Está a executar programas em Intel ou chips NVIDIA? Está a implementar resultados em desktops ou dispositivos da internet das coisas (IoT)?
A plataforma SAS pode tratar de todos, além de quaisquer outras soluções antigas que já tenha adotado. O resultado? Todos: desde os cientistas de dados até aos decisores de IT, podem trabalhar em harmonia a partir do mesmo sistema de análise. Além do mais, beneficiará da gestão de modelos, monitorização de modelos, transparência de modelos, linhagens de dados e integração em vários projetos de análise e pacotes.
Ao coordenar todos os elementos no ecossistema de análise, uma plataforma de análise ajuda a acelerar o ciclo de vida de análise, e faz-lhe a ponte dos dados aos resultados tangíveis. Por último, isto melhora a rentabilidade do investimento para todos os seus investimentos em análise – dados, tecnologia e pessoas – e coloca-o na rota do sucesso.
Próximos Passos
Veja como a extração de dados, estatística, previsão, otimização e mais contribuem para as análises avançadas.
Soluções de Inteligência Artificial
A análise evolui para inteligência artificial quando a aprendizagem é incorporada nos modelos, e as capacidades de aprendizagem são automatizadas. O SAS Analytics já tem uma estrutura forte em AI, com soluções para análise avançada, aprendizagem automática, deep learning, processamento de linguagem natural e visão computacional. Aprenda a preparar líderes empresariais e cientistas de dados para o futuro da AI, através da tecnologia, aptidões e apoio que precisa para transformar a sua organização para um futuro com AI.
Leitura recomendada
- Article Public health infrastructure desperately needs modernizationPublic health agencies must flex to longitudinal health crises and acute emergencies – from natural disasters like hurricanes to events like a pandemic. To be prepared, public health infrastructure must be modernized to support connectivity, real-time data exchanges, analytics and visualization.
- Article Proactive detection – A new approach to counter terrorTo counter terror, investigative teams can better utilize the data they already have by applying a fresh approach with these steps to proactive detection.
- Article Can data sharing lead to cancer discoveries?Clinical trials can bring new drugs – and new hope – to the market for cancer patients. Now, a new data sharing platform for clinical trial data brings even more hope.
Desde 1976 que empresas a nível mundial confiam na SAS.