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

Relacionado  The 2019 backend technologies roadmap



fonte: https://roadmap.sh/, Github sob licença CC BY 4.0 por Kamranahmedse.

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

O supercomputador foi construído para resolver problemas do mundo
Esta super máquina foi encomendada pelo Departamento de Energia dos EUA em 2014 com o objectivo de servir o mundo. Em termos mais técnicos, o Summit é um supercomputador de nova geração oito vezes mais potente que o seu sistema anterior, o Titan.

Segundo a IBM, o Summit consegue realizar 200 mil biliões de cálculos por segundo (200 seguido de 15 zeros) ou, usando as medidas aplicadas aos supercomputadores, 200 petaflops.



No combate ao novo Coronavírus
Summit, o supercomputador da IBM equipado com Inteligência Artificial, realizou milhares de simulações para analisar quais os compostos químicos poderiam efectivamente impedir o vírus de infectar as células hospedeiras. Como resultado, o supercomputador identificou 77 produtos. Este é um passo promissor para criar um tratamento mais eficaz contra a COVID-19.

Estes resultados foram publicados pelos investigadores do Laboratório Nacional Oak Ridge na revista ChemRxiv.

Este supercomputador, mostrou como diferentes compostos químicos podem impedir que o SARS-COV-2 se espalhe para outras células.

Como combate
Os vírus infectam as células hospedeiras injectando-as com um “espigão” de material genético. Então, o trabalho do Summit é encontrar compostos químicos que possam ligar-se a esse pico e potencialmente parar a propagação.

O investigador Micholas Smith, de Oak Ridge, criou um modelo do espigão (proteína em forma de) do coronavírus com base numa investigação publicada em Janeiro. Posteriormente, este usou o poder do Summit para simular como os átomos e partículas da proteína viral reagiriam a diferentes compostos.

O supercomputador fez simulações de mais de 8.000 compostos que poderiam ligar-se à proteína em forma de espigão do vírus. Com esta informação, os cientistas poderão limitar a sua capacidade de se espalhar às células hospedeiras. O Summit identificou 77 e classificou-os com base na probabilidade de se ligarem.

Próximo passo
Agora são necessários estudos experimentais para provar quais as substâncias químicas que funcionam melhor.

Os nossos resultados não significam que encontrámos uma cura ou tratamento para o coronavírus.

~Jeremy Smith, diretor do Centro Nacional de Laboratório de Biofísica Molecular da Universidade do Tennessee/Oak Ridge




fonte: Pplware

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