12 mitos comprometedores da análise de dados

7Bob Violino, da CIO/EUA, diz em um artigo que, à medida que as organizações criam ou expandem suas estratégias de análise, há uma dúzia de mitos que elas podem ter em mente e que devem ser desconsiderados.

Para ele, em TI, quanto maior o entusiasmo, maiores os equívocos, e a análise de dados não é exceção. Veja abaixo os 12 mitos que podem atrapalhar o bom trabalho de análise de dados:

Mito 1: Análise de dados requer um grande investimento
Alguns supõem que a análise de dados é uma tarefa cara e, portanto, limitada a organizações com grandes orçamentos ou muitos recursos internos. Mas, no geral, ela gera benefícios [de custo] significativos para qualquer empresa.

Mito 2: Você precisa do tratamento de Big Data para realizar análises
É um erro pensar que quanto mais dados, melhor, e que as máquinas darão conta de tudo. Em vez de mais dados, os analistas precisam é de dados específicos, relevantes.

Mito 3: O Analytics elimina o preconceito humano
A forma como os sistemas automatizados funcionam não deve ser tendenciosa. Mas a tecnologia é construída por seres humanos, portanto, eliminar todo preconceito é praticamente impossível.

Mito 4: O melhor algoritmo sempre vence
Engenheiros do Google dizem que modelos estatísticos simples, acoplados a quantidades extremamente grandes de dados, alcançam melhores resultados do que um modelo “intelectualmente superior” contendo muitos recursos.

Mito 5: Algoritmos não são seguros
Ainda precisamos desafiar as pessoas que criam algoritmos e modelos para explicar como as respostas são alcançadas. Até podemos depender dos resultados, mas precisamos de transparência para podermos confiar e verificar a análise.

Mito 6: A Ciência de Dados é um mistério
Na verdade, ela é a evolução natural das técnicas de inferência estatística que foram bem compreendidas por décadas. Não há mistério na Ciência de Dados, uma vez que você entenda a Matemática.

Mito 7: Para fazer mais Ciência de Dados, você precisa de mais cientistas de dados
Eles estão entre os profissionais mais procurados hoje. As empresas poderão sobreviver com menos desses profissionais se redirecionarem o que eles estão trabalhando, evitando as tarefas que não agregam valor.

Mito 8: O Analytics demora muito
O Analytics soa como algo que demora muito para ser executado. Mas com a mistura certa de habilidades e a aplicação de metodologias ágeis, grandes perguntas podem ser respondidas em dias ou semanas, não em meses.

Mito 9: A tecnologia é a parte mais difícil
Não. O mais difícil é unir a estrutura organizacional e o modelo operacional para colocar tudo que é necessário sob a perspectiva de pessoas, processos e tecnologia, juntos.

Mito 10: Analytics deve pertencer a um departamento separado
À medida que as organizações se centram mais no cliente, os especialistas em análise orientados por dados devem estar no centro de uma unidade de negócios, e não operando como um departamento que dá suporte aos demais.

Mito 11: Analytics é apenas para PhDs
Construir ‘pods’ com diferentes habilidades, incluindo arquitetos de Big Data, engenheiros de dados, cientistas de dados, especialistas em visualização de dados e muito mais, é o que faz a diferença.

Mito 12: A IA destruirá empregos e arruinará a economia
A capacidade humana de atuar em circunstâncias imprevisíveis não será substituída por nenhuma tecnologia de IA atualmente entendida. Muitos trabalhos mudarão, mas as pessoas serão uma parte crítica desse ecossistema.

Fonte: https://bit.ly/2GLEsQY

1

Posts Relacionados

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Plugar nas redes sociais