Os CDAOs que respondem proativamente às principais tendências em dados e análises (D&A) ajudam suas organizações a tomarem decisões comerciais que geram valor mais rapidamente.
- Gartner client? Log in for personalized search results.
Principais tendências em dados e análise: mais de 100 previsões até 2030
Prever as tendências em dados e análise é fundamental para o planejamento estratégico dos CDAOs
Uma exigência fundamental para todo líder de D&A é a de identificar quais inovações e capacidades em dados e análise vão ajudar a gerar maiores resultados concretos para as principais partes interessadas das empresas.
As premissas do planejamento estratégico são fundamentais para essas decisões. Use o relatório “Mais de 100 previsões de dados e análise até 2030” para identificar, entender e planejar as mudanças.
O relatório inclui as principais tendências em dados em áreas importantes, como:
Dados e análise essenciais, incluindo IA;
Negócio digital;
Segmentos da indústria.
Definir o escopo de diversas tendências de D&A é fundamental para o planejamento estratégico dos CDAOs
Os diretores de dados e análise devem planejar vários cenários futuros para garantir a continuidade da geração de valor comercial tangível de D&A. Use as tendências de D&A para desenvolver as premissas estratégicas necessárias.
- As 4 principais tendências de dados
- As tendências de IA para D&A
- As tendências de governança de D&A
Prepare sua organização para se antecipar às mudanças, tomar decisões e melhorar a eficiência.
Atualmente, os líderes de D&A estão sendo pressionados para monitorar e incorporar novas tecnologias sem deixar de lado as plataformas de dados existentes e a educação dos colegas.
Para alinhar os requisitos tecnológicos e organizacionais de modo a impulsionar a estratégia de maneira eficaz, lembre-se de responder proativamente às principais tendências, incluindo as quatro abaixo:
1: do “bom o suficiente” à “capacidade essencial”
A IA se tornou um conjunto de habilidades essencial. O poder da IA e a visibilidade da IA generativa (GenAI) estão mudando a forma como as pessoas trabalham, as equipes colaboram e os processos são executados. A um nível estratégico, a IA está transformando os setores e é considerada como um dos elementos que definirá o sucesso ou o fracasso de uma organização para os conselhos de administração.
2: do “caótico” à “complexidade gerenciada”
O caos pode ser avassalador. Um problema desencadeia outro, resultando em uma avalanche de fracassos e adversidades. As principais organizações usam dados e análise como ferramentas para transformar o caos em complexidade. A complexidade não é fácil, mas oferece uma compreensão mais realista das mudanças que estão afetando o ecossistema de dados e análises e os negócios para entrega de melhores resultados.
3: de uma “única fonte de verdade” a um “mar de confiança”
Com a abordagem do medalhão, o armazenamento de dados específicos em gerenciamento de dados e a persistência em ferramentas de análise e IA, as organizações foram além de uma única fonte de verdade. Mas nem todos os dados são bons dados. Independentemente se os dados são propositalmente maliciosos ou apenas imprecisos ou incompletos, não é possível confiar em todos eles.
À medida que a IA generativa continua evoluindo em termos de acessibilidade e desempenho, as equipes de D&A devem operar em um mundo em que a “linguagem” de dados confiáveis e precisos é continuamente questionada.
4: da “sobrecarga” à “capacidade”
Para reduzir a carga de trabalho, os líderes de D&A devem capacitar indivíduos e equipes. Para possibilitar que todos se tornem mais poderosos e produtivos, envolva-se com as partes interessadas, as equipes, os parceiros e os colegas por toda a organização.
Todos os funcionários devem ser capazes de utilizar dados e análise para impulsionar a inovação. No entanto, as pessoas precisam confiar nos dados e se sentir capacitadas para utilizá-los para desafiar o status quo.
As 3 tendências fundamentais em ciência de dados e do aprendizado de máquina
As plataformas de ciência de dados e aprendizado de máquina (DSML) representam uma área da tecnologia em rápida evolução, e os líderes de D&A precisam conhecer as principais tendências que influenciam essas esferas para uma melhor visualização das potenciais capacidades.
As principais tendências de aprendizado de máquina (ML) e da ciência de dados se enquadram em três grupos principais, representando os esforços que levarão as organizações para o futuro:
Democratização: a plataforma de DSML é adequada para todos, não apenas para cientistas de dados, mas também para usuários corporativos, analistas e engenheiros de software.
Engenharia de IA e novos cargos: democratize a DSML e a IA em todos os cargos técnicos. As habilidades compostas de diversas habilidades geram mais valor comercial;
Fórmulas e projetos: diminua a diferença entre software e código personalizado e permita a reutilização do que os especialistas já descobriram;
Ferramentas de IA responsáveis: incentive a confiança dos usuários e a responsabilidade das partes interessadas por meio de desenvolvimento automatizado e monitoramento de marcos, além de um registro detalhado de todas as ações nos modelos.
Dinamismo: as soluções podem ser acessadas de qualquer lugar e utilizam técnicas de ciência de dados combináveis e novos algoritmos.
IA de borda: use técnicas de IA integradas aos endpoints da Internet das Coisas (IoT), gateways e servidores de borda em aplicações que variam de veículos autônomos a análise de streaming;
IA composta: combine o poder de diferentes técnicas em soluções práticas. Isso adiciona bom senso para aceleração da eficácia da ciência de dados.
Transformadores (modelos de base): incorpore um tipo de arquitetura de rede neural profunda que calcula uma representação numérica de artefatos no contexto dos artefatos circundantes, enfatizando sequências, como grandes modelos de linguagem.
Centralização nos dados: o resultado das soluções de IA é mais impulsionado pelo aprimoramento e enriquecimento dos dados do que pelo ajuste dos modelos.
- Dados sintéticos: alivie a carga da obtenção de dados do mundo real e sua rotulação para que os modelos de ML possam ser treinados de forma eficaz;
- Lojas de recursos: criadas para atender à necessidade de reutilização, reprodutibilidade e confiabilidade dos recursos em portfólios de ML;
- Aprendizagem federada (Federated learning): acelere o desenvolvimento dos modelos enquanto protege a privacidade;
- Ciência de dados de grafos (Graph data science): solucione problemas complexos em que os efeitos e os relacionamentos da rede não podem ser facilmente modelados com o uso de dados tabulares, mas geralmente são melhores indicadores de previsão de um resultado.
Utilize novos recursos de tecnologia para uma governança de D&A eficaz.
Os negócios digitais exigem uma abordagem de governança ágil, flexível e adaptativa. As necessidades de governança de dados e análise nunca foram centralizadas e consolidadas. Contudo, soluções isoladas já foram, muitas vezes, as únicas ferramentas utilizadas no plano de gestão de dados.
Sem um plano de governança de dados e análise que reflita as realidades dos negócios digitais, as operações essenciais apresentarão problemas de funcionamento ou não funcionarão. Isso resultará em danos significativos e de longo prazo à organização.
Líderes de dados e análise enfrentarão desafios complexos na área de governança. A Gartner recomenda três ações principais:
- Lide com a governança de D&A como uma disciplina holística, utilizando um modelo adaptativo que permita a aplicação de diferentes estilos de governança de acordo com o contexto de vários cenários de negócios;
- Projete e crie provas de conceito que capitalizem as capacidades de tecnologia críticas necessárias. O primeiro passo é identificar a relevância dessas tecnologias e sua conexão com os resultados de negócios. Em seguida, analise a capacidade de oferecer suporte a casos de uso específicos, como gestão de riscos e conformidade;
- Minimize o número de ferramentas e soluções implementadas analisando a abordagem estratégica para a governança de dados e análise, e também utilizando os recursos de tecnologia disponíveis no mercado em cenários de ponta a ponta.
Perguntas frequentes sobre as tendências de D&A
Quais são as principais tendência em dados em 2024?
A Gartner identifica quatro tendências principais relacionadas a dados e análise:
- As organizações precisam reconhecer a importância de D&A e usar tecnologias como a IA generativa para agir com sucesso nas transformações da indústria;
- O caos pode ser avassalador; as principais organizações estão trabalhando para transformar o caos em uma complexidade gerenciada;
- Mesmo adorando a ideia de uma única fonte para os dados, as organizações precisam gerenciar continuamente fontes de informações imprecisas e incompletas;
- O ritmo e a complexidade dos negócios modernos sobrecarregam os colaboradores. Ainda assim, as organizações podem promover o sucesso das equipes oferecendo as habilidades para que se tornem bem-sucedidos.
Conferência Gartner Data & Analytics
Transforme o futuro da sua organização! Nos dias 28 e 29 de abril de 2025, em São Paulo, mergulhe em estratégias de Data & Analytics, tendências emergentes, IA generativa e muito mais. Não perca esta oportunidade única de inovação e aprendizado.
Descubra os principais destaques do que vai acontecer na conferência e garanta o seu lugar!
