Gartner orienta como evitar falhas na análise de Big Data

O Gartner, Inc., líder mundial em pesquisa e aconselhamento imparcial em tecnologia, afirma que os grandes projetos de análise de Big Data não falham por uma razão única, nem devido à tecnologia por si só. Uma combinação de fatores normalmente corrompe as implementações de Big Data. Problemas e falhas ocorrem devido a fatores que incluem estratégia, pessoas, cultura, capacidades, falta de atenção aos detalhes de análise ou nuances de ferramentas implementadas, todas agravadas pelo rápido avanço da economia digital. Essas e outras informações serão apresentadas durante a Conferência Business Intelligence, Analytics & Information Management 2016, que acontecerá nos dias 10 e 11 de maio (Terça e Quarta-feira), no Sheraton São Paulo WTC Hotel, em São Paulo.

A Diretora de Pesquisas do Gartner, Svetlana Sicular, explica que diante de grandes escolhas e novos desafios, os profissionais técnicos muitas vezes se desviam das prioridades fundamentais: encontrar os problemas corretos em soluções de Big Data, questionar as informações e compreender as nuances dos modelos de análise que são aplicados.

“Para ter sucesso, você deve desenvolver uma estratégia viável que entregue valor ao negócio a partir de uma iniciativa de Big Data. Em seguida, deve mapear, adquirir ou desenvolver as competências ausentes e especializadas que são necessárias. Uma vez que as prioridades de estratégia e de habilidade são endereçadas, você pode passar para a análise de Big Data”, afirma Svetlana.

Aprender com as armadilhas enfrentadas por outros:

Muitas vezes ouvimos histórias de sucesso de Big Data, mas algumas das informações mais reveladoras que podem ajudar os planejadores de Analytics para Big Data são as informações sobre falhas. Uma das falhas mais comuns envolve a definição de expectativas excessivamente otimistas quando a equipe envolvida no projeto não está devidamente qualificada.

O CEO de uma rede de varejo reconheceu que, para se manter competitiva, sua empresa precisava de um mecanismo de recomendação, como a famosa frase “clientes que compraram isso também compraram…”. O varejista nunca tinha realizado quaisquer projetos de Big Data antes, mas os executivos prometeram ao CEO que o mecanismo seria operacional no prazo de seis meses.

A equipe de TI trabalhou duro para implementar um algoritmo de filtragem colaborativo que geralmente reforça o mecanismo de recomendação, porém enfrentou dificuldades com a dispersão e a escala de grandes conjuntos de dados de itens comprados e histórico de navegação do cliente, bem como o inventário disponível, que foi mudando constantemente, o que exigiu habilidades de aprendizagem adicionais.

Para cumprir o prazo, a equipe criou um mecanismo de recomendação fictícia de lençóis como produto recomendado, independentemente do que estava sendo comprado. Enquanto não havia nenhum dado analítico real por trás dele, a ação produziu um elevado crescimento de vendas. Foram então necessários dois anos a partir da diretriz do CEO para terem o desenvolvimento de um mecanismo eficaz. Nesse tempo, eles tinham adicionado especialistas comportamentais à equipe, especialistas em pesquisa e engenheiros de operações para estabilizar a grande infraestrutura de dados da empresa.

Isso demonstra que um fator-chave para o sucesso da implementação de análises de Big Data é a capacidade da organização para construir, crescer e sustentar uma equipe multidisciplinar com a experiência necessária para lidar com os problemas de negócios identificados.

As organizações devem também permitir tempo suficiente para entregar resultados significativos. Como alternativa, podemos considerar a compra de um mecanismo de recomendação comercial. Neste caso, a estratégia deve incluir a decisão sobre desenvolver um aplicativo ou comprá-lo. As pesquisas do Gartner estão disponíveis para clientes no relatório ‘Big Data Analytics Failures and How to Prevent Them’.

Fonte(s): Assssoria de imprensa do Gartner