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

A IA Inteligência Artificial e a tecnologia de expressão facial estão a ser usadas pela primeira vez em entrevistas de emprego no Reino Unido para identificar os melhores candidatos.

A Unilever, gigante dos bens de consumo, está entre as empresas que usam a tecnologia de IA Inteligência Artificial para analisar a linguagem, o tom e as expressões faciais dos candidatos quando recebem um conjunto de perguntas idênticas sobre o trabalho que filmam no seu telemóvel ou PC.


Os algoritmos seleccionam os melhores candidatos avaliando as suas performances nos vídeos em relação a cerca de 25.000 informações faciais e linguísticas compiladas em entrevistas anteriores daqueles que se mostraram bons no trabalho.

A Hirevue, empresa norte-americana que desenvolveu a tecnologia de entrevistas, afirma que a tecnologia permite que os recrutadores entrevistem mais candidatos no estágio inicial, em vez de simplesmente confiar em currículos, e que fornece um indicador mais confiável e objectivo do desempenho futuro, livre de preconceitos humanos.


No entanto, académicos e activistas opõem-se.

Isso vai favorecer as pessoas que são boas a fazer entrevistas em vídeo e qualquer conjunto de dados terá preconceitos, o que excluirá as pessoas que realmente seriam óptimas no trabalho
~Anna Cox, professora de interacção pessoa-máquina na UCL


Loren Larsen, director de tecnologia de Hirevue, disse ao The Daily Telegraph que 80 a 90% da avaliação preditiva foi baseada na análise de algoritmos do uso de linguagem e competências verbais dos candidatos.

A empresa diz que a tecnologia é diferente do reconhecimento facial e, em vez disso, analisa expressões. As expressões faciais avaliadas pelos algoritmos incluem sulcos na sobrancelha, aumento da sobrancelha, alargamento ou fechamento dos olhos, aperto dos lábios, elevação do queixo e sorriso, que são importantes em vendas ou em outros trabalhos públicos.

O uso de um sistema de IA sem rosto para realizar dezenas de milhares de entrevistas tem implicações realmente assustadoras para os candidatos.

Este algoritmo tentará reconhecer e medir as complexidades extremas da fala humana, linguagem corporal e expressão, que inevitavelmente terão um efeito prejudicial em candidatos não convencionais.

Como em muitos destes sistemas, a menos que o algoritmo tenha sido treinado com um conjunto de dados extremamente diversificado, há uma probabilidade muito alta de que isso possa sofrer algum tipo de distorção, resultando em candidatos de determinadas origens injustamente excluídos e discriminados

~Griff Ferris, oficial jurídico e de políticas da Big Brother Watch


Contraditório: artigo científico pela SciTechDaily






Relacionado: Big Data na gestão de RH



fonte: Data Science Academy

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 esperam em 2020 um mercado de armazenamento mais forte. As tendências chave que durante os últimos anos têm dado forma ao mercado deverão prosseguir, enquanto outras novas emergem. Eis algumas das principais tendências.

Mundo Cloud: regresso ao modelo híbrido
A infra-estrutura de cloud híbrida é o standard de facto do IT moderno. Por outras palavras, a infra-estrutura local continuará a ser uma parte importante do IT no futuro previsível.

Software cada vez mais importante
Durante os últimos anos, as infra-estruturas de TI têm vindo a tornar-se cada vez mais definidas por software, e esta tendência mantém-se num futuro próximo.
Um dos principais drivers para esta tendência do “tudo definido por software” serão os ambientes de cloud híbrida. O hardware ainda será necessário, mas poderá estar localizado em qualquer lugar, enquanto o software coordenará cada vez mais a crescente complexidade das TI.

Gestão automatizada dos dados
No seu estudo “Top 10 Data and Analytics Trends”, a Gartner refere que, com a escassez de skills técnicos neste campo, as organizações necessitam automatizar a gestão dos seus dados. Por seu lado, os fabricantes vão adicionando capacidades de machine learning e inteligência artificial para tornar os processos de gestão de dados autoconfiguráveis e autoajustáveis, de forma que o pessoal técnico mais qualificado possa concentrar-se em tarefas de maior valor.

Em 2020, a IA Inteligência Artificial transformar-se-á numa tecnologia fundamental para a construção de infra-estruturas híbridas inteligentes na cloud. Mas isto requererá sistemas inteligentes de armazenamento que possam satisfazer as necessidades de desempenho e capacidade dos sistemas de negócio baseados em inteligência artificial e, ao mesmo tempo, melhorar a disponibilidade, a satisfação do utilizador e a eficiência operativa.

Segurança, aspecto chave
O investimento em segurança de infra-estruturas de armazenamento (especialmente, segurança do armazenamento na cloud) continurá a crescer em 2020. Os gestores de dados e armazenamento enfrentam uma crescente necessidade de demonstrar não só que os seus dados são seguros, como também que são fiáveis, ou seja, que foram recolhidos, armazenados e processados com integridade e responsabilidade.

Tempos de recuperação como referência
Enquanto os tempos de backup estão normalmente optimizados, as empresas têm muitas vezes dificuldades em acelerar o tempo de recuperação dos dados (em caso de ataque por exemplo). Segundo um estudo recente da Google, mais de 50% dos utilizadores abandonam um website se este demorar mais de 3 segundos a carregar.

Optimizar a infra-estrutura de armazenamento não significa mudar para meios mais dispendiosos, mas sim para a arquitectura correcta. Não esqueçamos o duro golpe que representou para muitos CIOs descobrirem que, perante a necessidade de encriptar os dados de extremo a extremo para cumprir o RGPD, o custo dos seus meios All-Flash disparou ao ponto de deixarem de ser uma opção exequível.

Redução do custo por TB
A redução do custo por Terabyte tornou-se num cavalo de batalha, e assim continuará a ser em 2020. Neste sentido, surgiram no mercado novas propostas que prometem fazer frente a este desafio com arquitecturas modernas e mais eficientes que permitem tirar partido do melhor dos meios (disco, DRAM, flash…) em grande escala e com um custo por Terabyte muito menor.

Novos modelos de aquisição
Em 2020 iremos ver cada vez mais novos modelos Capacity on Demand (COD), em que a infra-estrutura pode crescer numa questão de segundos, permitindo iniciar o serviço e depois pagar pela sua expansão. Deste modo, o time-to-market não será limitado pela infra-estrutura de dados.

Tendências tecnológicas de futuro: será 2020 o ano da sua explosão?
Outras tendências se vislumbram no horizonte, mas cuja cristalização se prevê que aconteça mais a longo prazo. Analítica aumentada, inteligência artificial em tempo real, robótica, blockchain, Internet das coisas… A IDC, no seu estudo “ICT Spending Forecast 2018-2022”, assegura que "uma parte cada vez maior do investimento em servidores e armazenamento está a ser dedicada à implementação destas novas tecnologias de back-end".


Relacionado: As empresas preferem a cloud híbrida



fonte: ITInsight

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

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

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.

Segundo as previsões no IDC Directions 2017, a cloud terá um papel determinante na democratização do acesso a ferramentas de análise cognitiva, que serão altamente disruptivas, segundo a IDC.

A IDC indica que os sistemas cognitivos vão representar uma profunda disrupção, com um impacto significante nos negócios, trabalho, cuidados de saúde, sociedade e economia.

Em 2018 o crescimento na área de ferramentas de visual discovery irá abrandar, com os produtos a tornarem-se rapidamente numa commodity.

Em 2020, novos modelos tarifários da nuvem vão servir workloads de analítica específicos, contribuindo para um crescimento cinco vezes superior em analítica na nuvem do que on-premises.

Em 2026, empresas G2000 terão prática para prevenir consequências indesejadas (incluindo problemas éticos e de non-compliance) resultantes de sistemas cognitivos.

O Big Data & Analytics, um dos quatro pilares da 3ª plataforma, aproximam-se cada vez mais do seu ponto de viragem – à medida que existir um pouco mais de investimento e diferenciação produzir-se-ão grandes resultados.






fonte: ITChannel

Video YouTube, Changing the customer conversation with predictive data analysis

Com a analítica preditiva, a capacidade de explorar, segmentar e prever o comportamento do cliente alarga as suas fronteiras.








fonte: Computerworld

A CIONET considera que uma transformação digital efectiva exigirá a colaboração, planeamento e inclusão de todos os departamentos nas organizações e identificou as nove tendências de inovação para 2017.

Aumento da agilidade e adaptabilidade no negócio

A cultura da empresa moderna que tem que estar preparada para a mudança e ter colaboradores que a consigam abraçar. Irá registar-se um esforço geral nos CIOs em aumentar a agilidade da empresa.

Maior importância da experiência do utilizador

A experiência do utilizador é considerada o principal objectivo da transformação digital. Os clientes poderem interagir com o seu negócio e a experiência ser consistente e positiva, verdadeiramente omnicanal.

Inovação deve acontecer rapidamente

A inovação prende-se sobretudo com a velocidade com que surge, sendo esse o seu factor diferenciador e aquilo que torna uma empresa competitiva. As novas tecnologias têm que ser avaliadas, testadas, analisadas ​​e julgadas mais rapidamente do que nunca.

Força de trabalho remota

Os Millenials ou Milenares colocam a flexibilidade acima de tudo e querem trabalhar em qualquer local, e as empresas deverão apostar em políticas que o permitam.

Realidade Aumentada e Realidade Virtual

Depois do sucesso do jogo Pokémon Go, não há quem não esteja familiarizado com a Realidade Aumentada. A mudança dominante em direção à VR e AR fornece novas maneiras de se conectar com os clientes e possuir uma oferta única.

Interfaces de programação de aplicações (API)

As APIs permitem que várias plataformas convivam no mesmo ecossistema e são consideradas pela CIONET uma boa porta de entrada rumo à transformação digital. Empresas como a plataforma de compras em linha eBay ou o Paypal, têm contado de forma significativa com estas tecnologias, as quais permitem gerir um volume extremamente elevado de transacções.

Big Data e analytics

A analítica impulsiona os negócios, mostrando como os seus clientes pensam, o que querem e como o mercado vê a sua marca. Na idade da transformação digital, quase tudo pode ser medido. Toda decisão importante pode, e deve, ser apoiada em Big Data e Analytics.

Transformação digital impulsionada pela IoT

A IoT permite que tudo esteja conectado. Desta forma, é também possível entrar na mente do cliente, além de mudar a forma como o dia-a-dia funciona ao ajudar a criar cidades mais eficientes. Estima-se que em 2020 existam mais de 50 bilhões de IoT Sensors e mais de 200 mil milhões de "coisas" na Internet em 2030.

Máquinas inteligentes e de Inteligência artificial

A CIONET refere que as máquinas de aprendizagem avançada vão substituir postos de trabalho de baixa qualificação, sendo a inteligência artificial capaz de trabalhar em colaboração com "profissionais humanos" para resolver problemas muito complexos.





fonte: ITChannel

Video YouTube, Data Driven #2: Machine Learning

A Aprendizagem Automática (machine learning) é a ciência que faz com que os computadores exerçam o seu papel de forma natural sem serem explicitamente programados para tal, mas aprendam os conceitos utilizando os dados. Na última década, a aprendizagem automática foi responsável pelo surgimento dos carros automáticos, por recursos de reconhecimento de voz, optimizou as pesquisas na web e possibilitou um avanço enorme na compreensão do genoma humano. Actualmente a aprendizagem automática está tão difundida, que provavelmente a utilizamos várias vezes ao dia sem que nos apercebamos.


Usos da aprendizagem automática:

• Detecção de fraude
• Resultados de pesquisas web
• Publicidade em páginas web e dispositivos móveis em tempo real
• Análise de sentimentos baseada em discurso escrito
• Previsão de falhas de equipamento
• Modelos de atribuição de preços
• Detecção de intrusão nas redes de computadores
• Reconhecimento de padrões e imagens
• Filtragem de e-mail não solicitado

fonte: Syncfusion, SAS