Segundo a Gartner, estas tecnologias compreendem três áreas: 

• Interfaces e experiências: tecnologias que vão mudando fundamentalmente a maneira como interagimos com o mundo.
• Facilitadores de negócios: tecnologias que impactam as empresas mudando práticas, processos, métodos, modelos ou funções.
• Revolução da produtividade: a confluência de várias tecnologias e tendências que ajudam as organizações de forma rápida, precisa e em maior volume, a classificar, prever e resolver problemas que os humanos não conseguem.

Enquanto algumas destas tecnologias estão ao virar da esquina (como é o caso dos assistentes virtuais avançados), outros estão mais distantes (nuvem AR).

Relacionado: As tecnologias mais badaladas desde o ano 2000, Tendências sobre gestão de dados para 2020 

fonte: Gartner

A tecnologia desempenha um papel fundamental no atendimento ao cliente, uma vez que articula e estrutura a organização de operações e processos.

Os consumidores estão no centro de todo o processo

Nos últimos anos tem-se vindo a desenhar uma mudança no serviço a cliente. Os consumidores vivem no imediato, sabem perfeitamente o que precisam e exigem às empresas que sejam capazes de lhes responder. Estão também activos e conectados a qualquer hora e em qualquer lugar, a partir de qualquer dispositivo.

Tecnologia Cloud

A democratização e universalidade da tecnologia Cloud irá trazer os mais recentes avanços para um vasto conjunto de empresas, independentemente dos seus recursos. Assim, este é o ambiente perfeito para desenvolver e executar um conjunto de aplicações que trazem a flexibilidade e escalabilidade pretendidas por pessoas e empresas.

Analítica e IA

O desenvolvimento de tecnologias de analítica, a Inteligência Artificial irá proporcionar às empresas a oportunidade de gerir as interacções dos utilizadores de uma forma mais eficiente e lucrativa. A automatização e o desenvolvimento de soluções baseadas em inteligência artificial irão permitir que as operações diárias dos Contact Centers sejam mais rápidas e eficientes. Em paralelo, as ferramentas de analítica irão proporcionar informações relativamente aos utilizadores alvo da empresa, bem como informações valiosas sobre as suas preferências, dúvidas recorrentes e resoluções já arquivadas. No fundo, proporcionando um serviço de apoio ao cliente de elevada qualidade e verdadeiramente útil para os consumidores.

Canais Digitais

O ambiente online oferece crescentes possibilidades de relações cliente – empresa. Cada vez mais empresas estão a incorporar novos canais, incluindo de mensagens instantâneas como o Facebook Messenger, Slack, Microsoft Teams e WhatsApp, entre outros. Estas opções estão a ganhar relevância porque os novos consumidores estão familiarizados com elas e estas lhes transmitem a percepção de respostas rápidas e habitualmente de elevada qualidade. Para que esses canais sejam mais eficazes, as empresas devem optimizar as operações do Contact Center com plataformas de gestão omnicanal ou bots e RPAs que automatizam os processos mais simples e rotineiros. Por sua vez, a sociedade digital dará acesso a um grande número de dados sobre utilizadores que serão utilizados para oferecer uma experiência mais personalizada para cada cliente.



Estas tendências tecnológicas influenciam directamente as empresas e a maneira como estas gerem os seus serviços de atendimento ao cliente. Algumas até mudam o seu core business pare se transformarem num novo conceito de empresa dedicado ao sector.



Relacionado: Personalização da Experiência do Cliente através da automação


Exemplo: Serviço ao cliente em Portugal pelo Banco Montepio segundo a ITInsight





Fonte: ITInsight, artigo por Alfredo Redondo, CEO da Altitude Software

As ferramentas de software estão a capacitar os analistas de negócios a gerar modelos analíticos e insights sem a ajuda de engenheiros de software.

A IBM espera que a procura por Data Scientist suba pelo menos 28% até ao final de 2020. Para lidar com a escassez de talentos, as empresas estão a desenvolver software que fazem esse trabalho, criando efectivamente Data Scientist a partir de funcionários corporativos que não fazem parte da equipa de TI.

De acordo com o Gartner, a ciência de dados por software inclui recursos e práticas que permitem aos utilizadores extrair informações preditivas e prescritivas dos dados enquanto trabalham em posições fora dos campos de estatística e análise. Estes Data Scientist são “utilizadores avançados”, como analistas de negócios que não têm formação em ciência da computação, mas podem executar tarefas analíticas simples a moderadamente sofisticadas que anteriormente exigiam mais conhecimento. Esta tem sido uma maneira útil de lidar com a escassez de talentos.

O aumento da disponibilidade de ferramentas, tecnologia, dados e modelos está a permitir a disseminação de insights para pessoas que normalmente não teriam essa capacidade

~Brandon Purcell, analista da Forrester Research.

Agora, graças as ferramentas como o SPSS e o Alteryx da IBM, novos Data Scientist (conhecidos como Citizen Data Scientist), muitos com pouca ou nenhuma experiência em código, utilizam software para obter insights. Estas plataformas tornam “muito mais fácil para os analistas de linha de negócios manipular dados do que no Excel”, afirma Purcell.

O Citizen Data Scientist preenche a lacuna entre a análise realizada por utilizadores de negócios e a análise avançada atribuída aos cientistas de dados. Já os cientistas de dados profissionais criam e escalam modelos e algoritmos em toda a empresa.

O TD Bank usa uma ampla gama de ferramentas analíticas básicas e sofisticadas para melhor alinhar os dados históricos e actuais dos clientes, bem como para conduzir análises de fraude. Por exemplo, o banco usa o software da AtScale para ajudar os utilizadores de negócios a consultar dados em tempo real da base de dados Hadoop e obter resultados rapidamente. Os analistas do TD Bank visualizam as informações no sistema de auto-serviço Tableau.


A Salesforce, por exemplo, oferece o Einstein Prediction Builder, que permite aos analistas de negócios criar modelos de IA Inteligência Artificial personalizados, adicionando variáveis ​​para prever resultados. O Sensei da Adobe, outra ferramenta de ML Machine Learning, ajuda os profissionais de marketing a criar campanhas em minutos, economizando horas de trabalho.


Obviamente, nem todo desafio de bigdata será facilmente levado a cabo por um cidadão cientista de dados. As empresas ainda precisam de estatísticos e outros especialistas de técnicas matemáticas avançadas, revela Bill Roberts, da Deloitte Consulting.

Além disso, Roberts observa que, embora as ferramentas de auto-serviço possam servir bem uma empresa, se elas não funcionarem correctamente poderão gerar problemas. “Quando há um problema, será preciso alguém com formação ou grau avançado em matemática que o possa resolver”, conclui.



Relacionado:
As tecnologias do local de trabalho digital dos próximos cinco anos
A diária de um cientista de dados
Diferenças entre Business Intelligence e Data Science
Cinco armadilhas do auto-serviço de BI




fonte: CIO.pt

Big Data é a enorme quantidade de dados estruturados ou não estruturados que inundam uma empresa diariamente e, portanto, não podem ser processados pelas técnicas tradicionais de processamento de dados.

Duas profissões importantes que lidam com Big Data são frequentemente definidas de maneira vaga e às vezes usadas de forma intercambiável entre si, minando claramente a distinção entre elas. Essas duas profissões são Analista de Dados e Cientista de Dados. Ambas as profissões exigem um conjunto diferente de competências. Aqui estão algumas das distinções entre as duas funções.

Analistas de Dados

O que fazem
Os Analistas de Dados examinam uma grande quantidade de dados e extraem insights e padrões a partir deles. São responsáveis pela colecta, organização e obtenção de resumos estatísticos fornecidas através de visualizações e relatórios para decisões estratégicas das empresas.

Competências
Conhecimentos de programação, matemática, estatística, e de preferência capacidade de comunicação e conhecimento de ciência da computação. Linguagens R e Python são amplamente usadas em análise de dados e fornecem um arsenal de ferramentas para colecta, limpeza, transformação, processamento e interpretação dos dados.

Sólido conhecimentos em Linguagem SQL e, com expressões comuns, podem dissecar facilmente os dados e criar significado a partir deles. Além disso, eles precisam ajudar as organizações a tomar decisões, fazendo sentido dos padrões e tendências encontrados nos conjuntos de dados.

Proficiência em Analítica baseada no Hadoop, como HBase, Hive, Impala, Spark e Big Query. Além disso, eles precisam estar familiarizados com várias ferramentas de ETL extract, transform, loadpara transformar dados de diferentes origens em Analytics Data Stores.

Onde actuam
São procurados principalmente pelos sectores da saúde, viagens, finanças e TI. Estão também envolvidos activamente no processamento de dados e análise de dados em todos os tipos de negócios.

Cientistas de Dados

O que fazem
Podem fazer previsões que ajudam as empresas a tomar decisões precisas. Eles podem executar quase todas as tarefas que um Analista de Dados pode fazer, pois também são proficientes em matemática, estatística e programação. Eles são eficientes na escolha e resolução dos problemas certos que podem ajudar uma empresa a destacar-se.

Competências
Um Cientista de Dados possui todas as competências de um Analistas de Dados, com profundos conhecimentos de modelação, estatística, matemática e ciência da computação. Com sólidas competências em matemática, estatística e mineração de dados, os Cientista de Dados são especialistas em modelação preditiva e aprendizagem automática. Portanto, eles podem criar modelos preditivos complexos que podem fornecer recomendações válidas com base em dados históricos.

O factor de diferenciação, no entanto, é a perspicácia comercial robusta que os diferencia dos analistas. É necessário que um Cientista de Dados possa transmitir as descobertas na forma de uma história para os profissionais de TI e os gestores de negócios, para que estes possam correr riscos calculados e tomar decisões viáveis com base nas informações fornecidas pelo Cientista de Dados.

Onde actuam
Os Cientista de Dados são procurados por empresas de comércio electrónico, optimização de mecanismos de busca (SEO), serviços financeiros e na área de saúde. Além disso, as empresas precisam prever as tendências futuras do sector a partir dos dados existentes e tomar decisões lógicas com base nessas tendências futuras. As suas competências podem ser usadas por qualquer empresa interessada em analisar dados e prever tendências a partir dos dados.


Relacionado: A diária de um cientista de dados


fonte: Data Science Academy

Quando as tecnologias emergentes tomam conta das notícias em destaque, como podemos distinguir a febre mediática do que é comercialmente viável?

Em pouco tempo, inovações tecnológicas como a internet sem fios e as redes sociais tornaram-se uma parte omnipresente do nosso dia a dia, transformando silenciosamente a maneira como vivemos, trabalhamos e comunicamos. Outras tecnologias promissoras têm um curto tempo de fama e acabam por desaparecer na obscuridade.



Definição de Hype Cycle pela Gartner




fonte: Visual Capitalist

Segmentação ou personalização? Há um aumento significativo de oportunidades potenciais ao nível do envolvimento do cliente em novos canais digitais, dispositivos e muito mais, apresentando o risco de uma jornada fragmentada e complexa do cliente. Os retalhistas enfrentam a necessidade de manter toda a jornada focada exclusivamente no contexto de cada comprador, e não em pontos de contacto sequenciais desconectados, informados pelas propensões do segmento, para oferecer uma experiência ininterrupta ao cliente em todas as interacções.

New Customer Experience Architecture, por IDC Retail Insights, 2017

A figura acima mostra como a plataforma de experiência do cliente é um loop perpétuo e as declarações internas são repetidas ad infinitum, optimizadas dinamicamente por meio de um núcleo inteligente.


Começando de baixo, os dados chegam à organização na forma de ficheiros, mas também em streams a partir de dispositivos conectados, logs, dispositivos móveis e terceiros.

O nível de informação acelera a ingestão de dados, entende e governa os dados, criando um lago de informações unificado, que é a principal etapa para a definição e configuração de uma estratégia de hiper-micro segmentação.

A partir de cima, chegam dados contextuais em tempo real através dos pontos de contacto da jornada do cliente, circulando pela fundação de IA Inteligência Artificial, ponto central desta plataforma. A IA permite uma abordagem inovadora, alterando o mapa de conhecimento do comportamento do cliente para a caracterização de seu contexto social, necessidades potenciais e tomada de decisão.

Exemplo: A Alibaba está a usar a IA para personalizar a experiência do cliente, os comerciantes que vendem no site de comércio eletrónico da rede Alibaba podem personalizar suas fachadas virtuais para visitantes individuais, oferecendo recomendações em tempo real e personalizadas de produtos com base em históricos de compras, dados comportamentais e uma série de outras informações.

A automação é uma maneira essencial de alcançar a personalização da experiência do cliente em escala.
A personalização não importa apenas quando o consumidor está a pensar em fazer uma compra; o consumidor espera suporte individualizado durante toda a relação com o retalhista, desde o contacto inicial até o suporte ao cliente. A IA Inteligência Artificial é um facilitador essencial, não apenas para os aplicativos front-end, mas também para todos os processos de back-end que oferecem suporte à hiper-micro personalização.

Os retalhistas estão a adoptar uma ampla gama de tecnologias de IA, incluindo ML Machine Learning, reconhecimento de voz / voz, processamento de linguagem natural e reconhecimento / análise de imagem, aproveitando uma grande quantidade de novas fontes de dados, como dados contextuais não estruturados.


Relacionado:
Tecnologia cognitiva e robótica revitalizam a CX nos Seguros
Analítica, integração e qualidade dos dados;
Analítica preditiva em expansão;
Aprendizagem automática baseada nos dados;
O que é Big Data?


Estudo da IDC: Infra-estrutura antiga e visão estratégica desconexa são barreiras à nova geração de CX


(editado)

fonte: IDC UK • Ireland

Ferramentas e tecnologias emergentes na actividade seguradora criam oportunidades para uma melhor gestão dos dados, desenvolvimento de produtos e marketing, entre outras áreas.

Tarefas como processamento de aplicações de back-office, sinistros e relatórios financeiros já estão a ser automatizadas. Com a melhoria da produtividade nessas funções, as seguradoras estão a expandir as suas funções noutras áreas - como gestão dos dados, desenvolvimento de produtos e marketing - com o objectivo de desenvolver produtos e serviços mais personalizados. Por exemplo, o acesso a ferramentas que permitem o reconhecimento e inteligência dos padrões de estilo de vida torna possível criar campanhas de marketing mais focadas e personalizadas.

Como quase todos os sectores, o sector de seguros está a passar por uma mudança demográfica para os clientes da Geração X, Geração Y e Geração Z. Essa tendência, por sua vez, está a levar a uma preferência cada vez maior pelo envolvimento do cliente através de canais digitais. Com a ajuda da robótica e de inovações técnicas como NLP Natural Language Processing, NLG Natural Language Generation e ML Machine Learning, agora são possíveis interacções mais eficientes e eficazes.

Embora as seguradoras líderes usem há muito tempo análises avançadas para obter insights mais aprofundados dos clientes quanto à subscrição e fixação dos preços dos riscos, os métodos tradicionais geralmente são muito lentos para responder ao volume e à velocidade a que os dados não estruturados são capturados. As tecnologias cognitivas são formas poderosas para acompanharem os fluxos de informação continuamente em expansão de hoje em dia.

As seguradoras também estão a usar ferramentas cognitivas para analisar dados de vários canais e criar experiências e produtos mais personalizados para os clientes. Dados de dispositivos conectados, sensores e media sociais, por exemplo, ajudam as companhias a afastarem-se de uma prática antiga de "encontrar clientes para produtos" para um modelo no qual os produtos são criados especificamente para atender às necessidades e riscos dos seus segurados. Além disso, as seguradoras também podem projectar as jornadas dos clientes a partir do zero, oferecendo uma experiência mais personalizada, em vez de envolver os clientes de uma maneira genérica.


Embora as companhias de seguros possam ser vistas como conservadoras e lentas na adopção da mudança, essa inércia não será uma opção viável na era da IA Inteligência Artificial. As seguradoras que deixarem de adoptar a jornada cognitiva provavelmente acabarão por ceder vantagem estratégica aos concorrentes e aos novos players do mercado.



Fonte: Deloitte, The Wall Street Journal

Em breve as empresas poderão capturar muito mais dados sobre suas cadeias de distribuição — dados que alimentam a automação de processos, a análise preditiva, a inteligência artificial e a robótica. Estas são as tecnologias que em breve assumirão a gestão da cadeia de distribuição.



Video YouTube, ROWA Vmax Introduction

A Elevada quantidade de produtos, os espaços cada vez mais reduzidos e os custos elevados de áreas nas grandes cidades, aliados às altas necessidades de gestão dos stocks em tempo real, exigem um novo conceito de armazenamento de alta densidade e de altos níveis de controlo.

ROWA® – ARMAZENAGEM E DISPENSAÇÃO ROBOTIZADA DE PRODUTOS UNITÁRIOS, exemplo: Solução ROWA para o segmento de Cosmética e Perfumaria.


A cadeia de distribuição é o ponto central das operações de uma empresa. Para tomar as melhores decisões, os gestores precisam de acesso a dados em tempo real sobre sua cadeia de distribuição, mas as limitações das tecnologias herdadas (legacy) podem frustrar o objectivo da transparência ponta a ponta.

No entanto, esses dias podem pertencer ao passado. Novas tecnologias digitais disruptivas têm potencial para assumir totalmente a gestão da cadeia de distribuição transformando as formas de trabalho tradicionais. Dentro de 5 a 10 anos, a função da cadeia de distribuição pode estar obsoleta, substituída por um utilitário que gere de forma optimizada os fluxos de trabalho de ponta a ponta e requer muito pouca intervenção humana.


Relacionado:
Analítica preditiva em expansão,
Benefícios da analítica em tempo real,
Analítica comportamental na cloud




fonte: hbr.org

Os analistas internacionais acreditam que a análise de dados será a nova revolução na agricultura.

Jeff Bradshaw, CTO da Proagrica, analisou as grandes tendências nesta área na publicação Precision Ag, e deixa quatro previsões para o sector agrícola em 2020.


Mais produtividade depende de mais conectividade
Cada vez mais as empresas aproveitam os benefícios da comunicação instantânea, eficiente e autónoma, quer com clientes quer com parceiros da cadeia de abastecimento. A conectividade aumenta a produtividade e reduz a ineficiência.

De acordo com um relatório publicado pela Gartner, o custo de processamento de facturas é reduzido em 20% quando realizado electronicamente. Através da combinação do sistema de facturação, CRM e plataforma logística é possível criar uma fonte de informação única e centralizada, garantindo uma visão completa das práticas de negócios, o que ajuda a erradicar ineficiências e a delegar recursos a áreas que criam o maior valor agregado.

Juntar-se a uma rede digital que ligue, sem esforço, os sistemas e dados da sua empresa a uma rede de negócios mais ampla, em toda a cadeia de fornecimento, será transformador para a agricultura e para a saúde animal. As oportunidades de eficiência e agregação de valor são enormes

~Jeff Bradshaw, CTO da Proagrica

Proporcionar conhecimentos aplicáveis
A análise de dados, através de sistemas internos ou através de uma rede, tem a capacidade de gerar informação útil. Podem permitir a identificação e visualização dos melhores/piores fornecedores, classificar as lojas por eficiência, ver a cotação de mercado das empresas em tempo real e justificar o motivo da cotação.

A análise de dados também pode prever a procura de determinados bens ou alertar sobre surtos de pragas, garantindo que todos os envolvidos na cadeia de abastecimento tenham esta informação.

Acessibilidade à informação deve ser a norma, não um privilégio
Os recursos de dados inteligentes podem ajudar, garantindo a sincronização de dados em tempo real de preços e detalhes de produtos, para que os retalhistas agrícolas possam assegurar a disponibilidade de informações precisas sobre as compras. Esta oportunidade permitirá impulsionar as vendas, o lucro e garantir maior confiança.

Fechar essa lacuna de informação entre o agricultor e o seu retalhista agrícola é uma ferramenta poderosa, pois beneficia cada actor da cadeia

~Jeff Bradshaw

Integração é a prioridade para os utilizadores
A IoT Internet of Things tem crescido devido a dispositivos inteligentes, cada vez mais capazes de oferecer esta integração. Em 2020, de acordo com a agência Gartner, 20,5 mil milhões de dispositivos conectados deverão estar em funcionamento, em 2016 eram 6 mil milhões. As empresas que utilizam a conectividade nos seus processos operacionais e dispositivos estão bem posicionadas para fornecer uma oferta produtiva e lucrativa no mercado.

Contudo, a maioria dos agricultores não está à procura de mudanças significativas, procura apenas que os sistemas já existentes funcionem melhor.

Os fornecedores de soluções para agronegócios devem considerar seu papel neste processo e investigar como poderão garantir uma experiência mais simplificada para o agricultor, o que, por sua vez, levará a uma maior interacção e confiança na cadeia.



fonte: Vida Rural

A agricultura de precisão é cada vez mais o método por excelência que os agricultores utilizam para trabalhar a sua terra. O digital deixa de ser algo apenas dos urbanos e de quem trabalha num escritório e está no campo agrícola, contribuindo para produções mais rentáveis e sustentáveis.

O projecto "Smart Farming: Ferramenta avançada para operacionalização da agricultura de precisão" tem este cariz tecnológico e teve como objectivo conceber uma ferramenta com a capacidade de processar de forma inteligente, e o mais autónoma possível, múltiplos e diversificados dados, bem como o conhecimento agrónomo e actuar, de forma precisa e eficiente, num conjunto específico de processos agrícolas. A iniciativa, promovida pela ProdFarmer, em parceria com uma equipa de investigadores do INESC TEC – Instituto de Engenharia de Sistemas de Computadores, Tecnologia e Ciência e do Instituto Nacional de Investigação Agrária e Veterinária (INIAV), e a colaboração da Herdade do Esporão e da Herdade Maria da Guarda, começou em 2016 e terminou em 2018.

A ProdFarmer desenvolveu e está a comercializar a plataforma informática que resulta deste projecto.

O INIAV foi a fonte de conhecimento agrícola que possui conhecimento no domínio da agricultura e cujos especialistas desenvolveram modelos clássicos, baseado no conhecimento existente, e que também participaram no desenvolvimento de modelos inteligentes, fornecendo conhecimento que permitiu identificar as características/variáveis com maior poder preditivo. O INESC TEC desenvolveu modelos inteligentes, baseados no histórico de dados fornecidos pelas herdades e o hardware de automação e controlo. A Herdade do Esporão forneceu dados da vinha e a Herdade de Maria da Guarda disponibilizou informação sobre o olival.

O projecto foi um sucesso. Deste resultou uma ferramenta informática que será comercializada pela ProdFarmer e que pode auxiliar os agricultores na gestão das suas herdades. Além de outras funcionalidades, neste projecto foram desenvolvidos algoritmos e modelos inteligentes que permitem, por exemplo, prever o potencial hídrico e definir o plano de rega para cada talhão. Também resultou o desenvolvimento de um módulo (hardware) de automação e controlo que permite controlar sistemas de rega/fertirrega. Foi submetido um pedido de patente para este módulo de controlo e automação

~Carlos Ferreira, responsável pela área de processamento inteligente do Smart Farming


A ferramenta final tem várias valências, desde logo permite determinar as necessidades de rega e de fertilização, mas também definir um calendário de operações culturais, calendário de fases fenológicas, evolução da maturação dos frutos e segmentação da colheita. A S-FARM tem ainda a possibilidade de determinar riscos de doenças. As potencialidades deste produto vão um pouco mais além, pois permite que sejam definidas acções que executa de forma autónoma, tais como rega sectorial e de precisão, controlando directamente cada um dos sistemas de fertilização, determinando as operações culturais necessárias e a sua distribuição geográfica, bem como o cálculo de índice de maturação e determinação automática de zonas e volumes de colheita.



fonte: Vida Rural

Um estudo da Gartner revelou que 75% das organizações têm colocado um foco cada vez maior em tecnologia de customer experience, tendo aumentado o investimento nesta área em 2018.
A análise de clientes continua a ser um dos maiores investimentos, com 52% das organizações a pretender aumentar o financiamento em 2019, concentrando-se na análise da jornada do cliente, análise de necessidades, voz do cliente (VoC) e marketing digital.

A investigação revela que, quando as organizações crescem na maturidade de customer experience, existe um maior foco de investimento em tecnologia colocado no aumento da compreensão do cliente e na entrega de acções precisas, analisando os dados.

De acordo com o estudo, as principais prioridades do projeto customer experience em 2019 são métricas (64%); VoC (50%); aumento da velocidade de lançamentos de produtos e serviços (45%); proliferação e personalização de produtos (45%); priorização de investimentos customer experience (44%); e automação da jornada do cliente (44%).

Saber onde estão seus pontos fortes e desafios e os próximos passos necessários para melhorar a maturidade vão ajudar na priorização e no planeamento do projecto

~Olive Huang, vice-presidente de pesquisa da Gartner.

Segundo a Gartner, as três principais tecnologias emergentes que deverão ter o maior impacto nos projetos de customer experience nos próximos três anos incluem inteligência artificial (53%), assistentes virtuais de clientes e chatbots (39%) e soluções de engagement omnichannel (37%).


fonte: ITInsight

Relacionado: A diária de um cientista de dados




fonte: TodoBI

Video YouTube, Are You Ready for the Digital Workplace?


Tecnologias de Digital Workplace que, de acordo com a Gartner, devem ter adopção generalizada até 2023

A influência do reconhecimento de voz é verificável no dia-a-dia. Consumidores e colaboradores interagem cada vez mais com aplicações sem tocar num teclado

~Matthew Cain, vice-presidente e analista, Gartner

Os chatbots e assistentes pessoais virtuais devem apresentar um forte crescimento nos próximos anos. Apesar de menos de 4% das organizações terem já implementado interfaces de conversação (incluindo chatbots), 38% das organizações já planeiam implementar ou estão activamente a experimentar a tecnologia, de acordo com a Gartner.

Apesar da principal área de aplicação dos chatbots ser o serviço ao cliente, é provável que venham a ser aplicados noutras áreas da organização. Quando usados como interface para aplicações, a forma como trabalham irá progredir de modo a que, em vez de o utilizador ter de aprender a utilizar a interface, a interface aprenda a adaptar-se ao utilizador, estimulando assim a adopção, formação, produtividade e eficiência no local de trabalho.



Analítica aumentada e analítica pessoal estão a levar a analítica a cada vez mais colaboradores leigos, permitindo que qualquer pessoa se torne num citizen data scientist.

A analítica aumentada, explica a Gartner, utiliza machine learning (aprendizagem automática) automatizado para transformar a forma como os dados são trabalhados, consumidos e partilhados. A analítica aumentada deve ser aceite como parte da estratégia de transformação digital das empresas.

A Gartner prevê que, em 2020, devido maioritariamente à automação de processos de ciência de dados, os volumes de analítica avançada produzidos por citizen data scientists ultrapassem os de cientistas de dados profissionais.

A analítica pessoal é a camada de analítica dos assistentes pessoais virtuais, a qual, até 2020, atingirá a adopção generalizada. É intrinseca ao engagement dos indivíduos com a tecnologia, e à maneira como estes obtêm insights a partir de uma variedade de dados não estruturados, como fotos, interacções sociais, compras, preferências e indicadores de saúde. A analítica pessoal pode existir sob a forma de assistentes pessoais virtuais, consultores financeiros e assistentes de compras

~Nick Ingelbrecht, research director, Gartner


A Gartner prevê que, até 2020, mais de 40% das tarefas de ciência de dados serão automatizadas, resultando num aumento da produtividade e no uso mais amplo por citizen data scientists.



Plataformas de aprendizagem adaptativa ajustam a forma como o conteúdo instrucional é apresentado aos utilizadores com base nas suas respostas ou preferências, e são usadas para optimizar a destreza digital das forças de trabalho. A tecnologia está a ganhar território a um ritmo que deverá conduzir à sua adopção mainstream nos próximos cinco anos.

As plataformas de aprendizagem adaptativa constituem uma forma importante de apoiar e suplementar a aprendizagem no local de trabalho, mas são difíceis de implementar

~Glenda Morgan, research director, Gartner




fonte: ITInsights

Relacionado: Analítica, integração e qualidade dos dados




fonte: DXC.technology

Os níveis de riqueza das empresas medir-se-ão, cada vez mais, em função dos dados e do valor que deles extraem.
No white paper "Dados 2025", publicado em 2017, a IDC prevê que o volume de dados gerados em todo o mundo aumente dez vezes num período de oito anos (2017-2025), totalizando os 163 zettabytes (ZB). E em 2025, os negócios, i.e., as empresas vão gerar 60% dos dados mundiais.

Big Data não significa ter quantidades de informação ilimitada – diz muito mais respeito a ter informação de alta qualidade formatada ao seu negócio quando precisa dela. Big Data significa também saber o que perguntar para melhorar o negócio e ter a capacidade de prever os padrões futuros.

Na era em que vivemos, para se ser bem-sucedido é fundamental estar em vantagem no conhecimento da realidade; e esta é a tecnologia para adquirir essa vantagem.

in “Big Data & Analytics: uma realidade ao alcance das PME"


O Big Data e a Analítica são a chave para os padrões escondidos em grandes volumes de dados, para desbloquear os insights que têm o poder de transformar verdadeiramente os negócios através da identificação antecipada das oportunidades.


É em nome deste novo asset que é necessário transformar os dados estruturados (oriundos de fontes mais tradicionais) ou não estruturados (de fontes mais emergentes, como a IoT ou as redes sociais) em conhecimento, levando a optimização de recursos e a mais eficiência na utilização, sendo crucial a qualidade dos dados a integrar.


As organizações nacionais, sobretudo as que se relacionam com o consumidor final, estão a olhar para estas tecnologias como uma oportunidade de diferenciação. Tiram partido quer da diversidade das fontes de dados quer da capacidade de processamento superior a custo inferior comparativamente a alguns anos atrás.

Por norma, os sectores onde a competitividade é maior estão mais avançados nesta matéria, caso do retalho, logística e telecomunicações.

As empresas que actuam em mercados B2C, quer por questões de abertura do próprio mercado quer por gerarem um maior conjunto de informação, são as que mais necessitam de ter capacidades de análise ágeis e estruturadas, de forma a oferecer uma melhor experiência ao consumidor final

~Flávio Simões, solutions advisor, SAP Portugal


A adopção de ferramentas de BI Business Intelligence e de self-service analytics está de algum modo “massificada”, segundo Jorge Loupa, da Oracle. “Onde ainda não existe grande adopção é ao nível da utilização de tecnologias de Big Data”. Os clientes da tecnológica optam, por norma, por um de dois caminhos: “Ou apostam numa abordagem de inovação, com a criação de um laboratório de dados, para explorar e monetizar a informação ou têm uma abordagem mais operacional, mais do ponto de vista de criar um data lake corporativo”. A melhor arquitectura de gestão da informação passa por conjugar estas duas realidades.



Para uma seguradora automóvel, por exemplo, pode ser a oportunidade de adaptar um plano de seguro ao estilo de condução do cliente, uma possibilidade que ganha mais força à medida que os automóveis se tornam verdadeiros dispositivos de IoT Internet of Things, conectados e povoados por sensores de todo o género. A manutenção preditiva é outro dos use cases que alia a IoT a Big Data e a Analítica, e que permite “prever a forma como a produção pode ser afectada”, indica Nuno Maximiano (IBM), detectando anomalias antes destas ocorrerem.

Cinco tendências importantes

O white paper "Dados 2025", da IDC, evidencia tendências que estão a influenciar os dados:

• Mais vitais do que nunca: Em 2025, cerca de 20% dos dados globais serão críticos para o nosso dia-a-dia, e 10% serão “hiper-críticos”;
• Internet of Things (IoT): Em 2025, cada pessoa vai interagir com dispositivos conectados a cada 18 segundos, perto de 4800 vezes por dia;
• Mobilidade: Em 2025, mais de um quarto dos dados serão gerados em tempo real; 95% destes dados serão oriundos da IoT;
• Mais analítica: Dentro de sete anos, a quantidade de dados sujeitos a análise crescerá por um factor de 50, para 5.2 ZB;
• Novos tipos de dados: apesar de, nos últimos dez anos, a criação de dados se ter caraterizado sobretudo por um aumento de conteúdo de entretenimento, na próxima década haverá uma mudança ao nível da natureza dos dados, que serão impulsionados pela produtividade e que estarão embutidos em dispositivos.

Relacionado: Cinco armadilhas do auto-serviço de BI, Aprendizagem automática baseada nos dados, Benefícios da analítica em tempo real, Analítica preditiva em expansão



fonte: ITInsigtht

fonte: Gartner

O auto-serviço de Business Intelligence pode ter vantagens, mas levar a análise e reporte para as unidades de negócio, contornando o TI pode ter consequências imprevistas e onerosas.

Em Novembro de 2016, o relatório “Self-Service BI Market – Global Forecast to 2021”, da Research and Markets, previa que o mercado global de auto-serviço BI deverá duplicar para 7,31 mil milhões de dólares em 2021.

Com o BI self-service, os utilizadores podem aceder aos dados e informação que precisam, quando precisam, sem necessidade de recorrer ao TI, o que pode, muitas vezes, provocar o estrangulamento do BI tradicional. Ao dispensar o TI, o negócio pode capitalizar melhor as oportunidades e reagir rapidamente aos problemas.

Dave Mariani, fundador e CEO da startup AtScale, fornecedor de uma plataforma semântica universal para BI sobre bigdata, acredita que o BI em auto-serviço traz muitas vantagens, mas também identifica várias consequências não intencionais que as organizações que adoptam aquele modelo precisam atentar. Quando era vice-presidente de engenharia para análise de publicidade e, mais tarde vice-presidente de desenvolvimento, dados de utilizador e analítica na Yahoo, Mariani teve de lidar com as várias armadilhas.

Cinco efeitos colaterais que uma estratégia de auto-serviço de BI vai querer evitar:

1. Caos nas métricas de negócio

Passou-se de um modelo centralizado em que havia um controlo apertado das métricas de negócio, para um modelo em que isso está nas mãos das massas e são criado conflitos entre definições

~Dave Mariani (AtScale)

2. Utilizadores de negócio forçados a tornar-se engenheiros de dados

Algumas organizações tentaram dar resposta a este problema ao incluir utilizadores de negócio das unidade de TI ou ao alocar profissionais de TI em determinada unidade de negócio, em que estes actuam como mediadores entre as linhas de negócio e de TI.

~Dave Mariani

3. Segurança de dados sofre

Com as unidades de negócio a deter e gerir os seus próprios "data marts", o negócio, globalmente, perde o controlo sobre a segurança dos seus dados.

A perda de controlo sobre os dados, significa também a perda de segurança
Têm-se TDE [Transparent Data Encryption files] em portáteis, activos centrais de dados podem agora andar através da organização sem forma de se assegurar a sua segurança

~Dave Mariani

4. Auto-serviço não escala

O TI pensa a longo prazo e pensa sobre o futuro mais do que muitas unidades de negócio que estão apenas a tentar resolver um problema

~Dave Mariani

Mas o negócio odeia o modelo centralizado porque não querem esperar e não acreditam que o TI vai conseguir entregar o que eles precisam num prazo aceitável. Na Yahoo levei um mês a acrescentar uma nova dimensão para visualizar os anúncios apresentados. O negócio não pode esperar um mês

~Dave Mariani

5. Incremento do custo de licenciamento

Em ultima instância, o auto-serviço de BI custa, muitas vezes, mais do que a tecnologia centralizada que substitui. Em primeiro lugar, existe o custo da tecnologia. Cada unidade vai precisar comprar licenças para as suas ferramentas preferidas e serão perdidas todas as economias de escala de comprar para toda a organização. Por outro lado, permitir aos utilizadores trabalhar com as suas ferramentas preferidas poderá compensar. Para além do custo da tecnologia há também a custa do trabalho humano.





fonte: Computerworld

Há cada vez mais dispositivos inteligentes: espelhos, texteis, calçado, mobiliário, wearables, sensores IoT e que estão ligados e a emitir para a rede. Estes dispositivos são cada vez mais rápidos e avançados. Há milhares de milhões destes dispositivos ligados à internet com poder de computação e a gerar uma quantidade de dados massiva.

A maioria destes dispositivos são de recursos limitados. Para superar os desafios colocados pelas capacidades reduzidas e satisfazer as exigências do domínio aplicacional, torna-se evidente a procura por uma camada de computação intermédia. Assim surge o conceito de fog computing, que é uma camada de computação mais próxima da camada de percepção, onde residem os sensores e actuadores, proporcionando os serviços de computação, rede e armazenamento.




A proximidade da camada de fog da camada de percepção proporciona uma série de vantagens sobre a cloud. Uma delas é o seu conhecimento sobre localização. Esse conhecimento advém da distribuição geográfica em larga escala dos dispositivos que compõem a camada fog. Cada gateway de entrada na camada de fog gere um subconjunto de nós na camada de percepção ou de sensores. Estes dispositivos de recursos limitados estão localizados próximo uns dos outros e a gateway que os gere pode facilmente localizar cada dispositivo.

A sua distribuição em larga escala contrasta com a camada de cloud, que, embora distribuída geograficamente, está mais centralizada comparativamente à camada fog.

Os benefícios combinados do conhecimento da localização e a distribuição geográfica de larga escala suportam os requisitos de mobilidade dos dispositivos ou coisas ao nível da percepção. A proximidade entre a camada de fog e os nós proporciona um modo de interacção em tempo real com os sensores e actuadores na camada de percepção. A distribuição geográfica da camada de fog e, subsequentemente, a baixa latência da comunicação, estão entre as características críticas da camada de fog.

Alguns domínios aplicacionais de IoT (saúde, automóveis de condução autónoma) estão muito dependentes desta característica. A difusão das tecnologias de informação segue, com frequência, da dicotomia centralização/distribuição. Depois do impulso nos últimos anos para a adopção das plataformas cloud, neste momento o pêndulo está a virar-se para o limite, o edge. Edge e cloud não competem: complementam-se.

Os dados gerados pelo fog não viajarão até ao centro da cloud para serem processados.

O modelo futuro será híbrido: cloud e edge. Mais uma vez, estamos a assistir a uma alteração de paradigma. A hiperdistribuição obrigará a repensar protocolos, normas, infra-estruturas e papéis.




Relacionado: Ubiquity symposium: the internet of things: Fog computing: distributing data and intelligence for resiliency and scale necessary for IoT, What is the role of Fog Computing in the IOT reference model




fonte: ITInsight

Siri, Cortana, Alexa e Google Assistant são exemplos do quão forte as grandes tecnológicas estão a apostar em assistentes pessoais virtuais, mas Xabi Uribe-Etxebarria, fundador e CEO da Sherpa, não está impressionado com os resultados finais.

Actualmente apenas são utilizados para pequenos truques, não são um verdadeiro assistente e ainda estamos muito longe do que vemos nos filmes.

~Xabi Uribe-Etxebarria


A startup de Bilbau quer criar uma assistente que não se limite a responder a questões e que seja capaz de antecipar necessidades e ajudar a tornar a vida do utilizador mais fácil e interessante. Para tal, esta assistente tem de aprender a partir dos hábitos e interesses do utilizador e manter o foco na análise preditiva.

A Sherpa tem vindo a trabalhar nesta geração de assistentes há três anos e vai lançá-la no próximo ano. Aliás, para o segundo trimestre de 2018 está prometido o lançamento de uma app gratuita e também de uma plataforma que irá ser utilizada por fabricantes de automóveis e de colunas inteligentes.

O objectivo é complementar a oferta já disponibilizada por parte de Apple, Microsoft, Amazon, Google e outras, sem concorrer com estas companhias. Por exemplo, um factor diferenciador da Sherpa é conseguir tornar a pessoa mais feliz – um exemplo: se a assistente detecta que o utilizador está triste, faz sugestões para o animar baseado nas preferências dele.





fonte: Exame Informática

Video YouTube, Are You Ready For Blockchain?

O blockchain será a maior revolução tecnológica das últimas duas décadas e mudará para sempre a forma como os negócios operam

Tecnologia blockchain em artigo dedicado pela ITInsight aqui.