Indiscutivelmente que Big Data Analytics já é realidade. A maioria das empresas que nasceram no mundo da Internet criaram seu modelo de negócios baseado em analítica de dados. São empresas “data-driven” por natureza e o conceito de Big Data Analytics está em seu DNA. Exemplos são inúmeros como Google, Facebook, Netflix, Etsy, Amazon, AirBnb, Uber, Waze, Spotify, Linkedin, etc, etc, etc. Vejam, para exemplificar, o texto “The amazing ways Uber is using Big Data”. Mesmo empresas pré-Internet mais visionárias já estão se transformando através de Big Data Analytics. A conhecida revista Fast Company declarou que a GE (empresa típica da era pré-Internet, pois fundada em 1878, por Thomas Edison) era a mais inovadora companhia da sua lista “The world´s top 10 most Innovative Companies in Big Data” de 2014! O CEO da GE diz claramente que a empresa está se transformando em uma “big data company”.
Por outro lado, apesar de muitos executivos das empresas tradicionais reconhecerem a importância de Big Data Analytics, muitos outros ainda desconhecem todo seu potencial e portanto não movimentam suas empresas de forma mais agressiva na sua adoção, mostrando-se reticentes em investir em iniciativas que demonstrem o real valor da exploração inteligente de dados. Uma pesquisa feita pela Economist em 2014 mostra claramente este conflito. Se por um lado vemos que metade dos executivos reconhecem o valor de Big Data e 23% chegam a afirmar que vai revolucionar a maneira como as empresas serão gerenciadas, por outro reconhecem que seu desconhecimento de como Big Data pode ser aplicado ao negócio é um inibidor de suas iniciativas.
Tenho observado este fato aqui no Brasil, nos eventos e reuniões de negócio com CIOs e executivos de negócios dos mais diversos setores. Existe ainda um grande desconhecimento da aplicabilidade de Big Data Analytics nas empresas. Também observo que que a visão deste potencial é diferente entre os C-level das empresas. Os CIOs reclamam que os outros executivos não entendem o suficiente do conceito para proporem iniciativas realistas. Por sua vez muitos CEOs, CMOs e CFOs consideram que os CIOs não conhecem adequadamente suas necessidades para desenvolverem projetos que realmente os atendam.
Bem aí temos um ponto de atenção. Iniciativas de uso de Big Data Analytics são projetos de negócio e não de TI, pois devem atender demandas claras de negócio. Na minha opinião é um erro alguém falar em projeto de Big Data. O objetivo não é usar Big Data, mas resolver um problema de negócio como reduzir a taxa de desconexão de clientes de uma empresa de telecomunicações (reduzir o churn rate), usando analítica de dados para modelar e identificar com antecedência os clientes mais propensos a se desconectarem. A partir daí, agir para redesenhar o processo de relacionamento com eles. Este é o projeto de negócios! Big Data Analytics é o meio e não um fim em si mesmo.
Mas o desconhecimento do conceito também é grande entre o pessoal de tecnologia. Volta e meio me deparo com afirmativas com a qual discordo. Recentemente li um artigo onde seu autor afirmava que para projetos Big Data Analytics precisava-se de grandes mainframes e que seria um projeto muitíssimo caro! Sugiro olha um artigo que contradiz na prática esta percepção errônea. O texto “Building analytics at 500px” detalha o dia a dia de um data scientist que foi contratado por uma startup de 60 funcionários e colocou em prática a visão dela ser uma “data driven company”, substituindo o modelo “excel managed company” (gestão baseada na proliferação de planilhas Excel por todo o lado) em um ano, usando ambiente de cloud computing (banco de dados Redshift, na Amazon, com dois terabytes e custo em torno de US$ 4.000 por ano) e ferramentas open source como banco de dados MySQL, uma solução de ETL chamada Luigi, criada pela Spotify e como ferramenta de visualização adotou o Periscope, para implementar o conceito de self-service pelos usuários. Os dados ficavam armazenados no S3 da Amazon. O custo total da solução de Big Data Analytics ficou em cerca de 10.000 dólares por ano. E sem data centers!
OK, muitos vão dizer, mas este é um case atípico de uma startup que não tem legado. Verdade, mas a primeira quebra de paradigmas é olhar para fora da prateleira de soluções oferecidas pelas tradicionais empresas de tecnologia. Sim, existe mundo fora delas e este mundo tende a ser mais inovador e bem mais barato. Olhar para o market share atual para soluções que abranjam o ecossistema de Big Data Analytics pode ser enganador, pois as soluções dos novos entrantes cresce em base instalada bem acima da média do mercado. Prestem atenção a nomes como Tableau, Qlik e Hortonworks…Por sua vez, as soluções das empresas tradicionais crescem abaixo desta média. Que significa? Provavelmente mudança de posicionamento na liderança de mercado até o fim da década, com novas empresas que ainda nem surgiram ou recém criadas startups assumindo posição de provedores principais de soluções de tecnologia em Big Data Analytics.
Então, olhando de forma inovadora, vemos que soluções para analítica de dados pode ser bem mais barato que pelo paradigma adotado nos últimos anos. Mas, outra argumentação que leva os CIOs a serem mais conservadores em suas iniciativas de projetos de analítica é o desafio de “preciso arrumar a casa primeiro”. Em algumas situações pode ser a casa esteja realmente caótica, mas esperar que tudo fique 100% arrumado para fazer alguma coisa, é ignorar a evidência que isso será impossível, pois ao arrumar o quarto, a sala já estará desarrumada, pela velocidade das mudanças que ocorrem no cenário de negócios. Um rápido olhar ao passado recente mostra quão impressionante é o ritmo das mudanças. Em 1995, há apenas 20 anos, éramos 35 milhões de navegantes na Internet mundial. Hoje somos quase três bilhões, cerca de 40% da população mundial. 80 milhões usavam celulares, hoje três em cada quatro pessoas do mundo tem um, ou mais de 5,2 bilhões. As quinze maiores empresas ligadas à Internet representavam na bolsa americana cerca de 17 bilhões de dólares. Hoje valem mais de 2,4 trilhões de dólares, que é mais que o atual PIB brasileiro. Menos de uma década após seu IPO, a receita do Google cresceu de três para 60 bilhões de dólares. Sim, a velocidade realmente impressiona: há apenas seis meses o Facebook registrava um bilhão de vídeos vistos diariamente. Hoje são quatro bilhões. A própria Internet está mudando rápido: hoje já é móvel. 55% dos seus acessos são oriundos de smartphones e tablets e pelo menos 30% dos vídeos vistos o são por estes dispositivos.
A transformação digital está desafiando e criando rupturas em todos os setores de indústria, criando novos modelos de negócio e novas maneiras de fazer uma empresa operar. A magnitude desta transformação não pode, em absoluto, ser ignorada pelos executivos das empresas. Klaus Schwab, chairman executivo do World Economic Forum foi claro no último evento em Davos : “Neste novo mundo não é peixe grande que come o peixe pequeno, é o peixe rápido que come o peixe lento”. A mudança afeta qualquer empresa. Este exemplo é emblemático, “Vendas on-line de produtos de barbear ameaçam domínio da Gillette no varejo”. Em um ano as vendas de lâminas e aparelhos de barbear, nos EUA, saíram do zero e chegaram a 8% do mercado, pegando de surpresa as empresas tradicionais do setor.
Aquele mesmo artigo que afirmava que Big Data analytics precisava de mainframes e era muito caro também dizia que era primeiro fazer BI para depois chegar ao nível da analítica. Novamente discordo. Se a empresa baseia-se em planilhas e no BI tradicional para competir neste novo cenário, o ambiente torna-se mais perigoso. Com dados de sistemas estruturados internos você consegue no máximo responder a perguntas do tipo “o que aconteceu”. Se você ampliar a variedade dados (da mesma forma que heterogeneidade de ideias é incentivada para grupos de inovação, a heterogeneidade de dados se aplica a geração de novos insights) pode não apenas fazer diagnósticos mais precisos do “porque aconteceu”, mas através de algoritmos preditivos ser mais preciso no “que acontecerá” (análises preditivas) e posteriormente, com aprimoramento do conceito de data-driven company chegar às análises prescritivas (“o que posso fazer para influenciar que o que identifiquei vai realmente acontecer?). Portanto, esperar para arrumar a casa, fazer BI e só depois pensar em analítica de dados é colocar em risco a sobrevivência do negócio.
Big Data Analytics não é futuro. É uma realidade que permite as empresas tomarem decisões e criarem novos modelos de negócio. Ser uma “data driven managed company” não é questão de opção, mas necessidade de sobrevivência. Esperar arrumar a casa, fazer BI antes, etc., provavelmente não será a estratégia mais adequada. Basta lembrar que o renomado CEO da Cisco, John Chambers, em sua ultima aparição antes de se aposentar, disse diante de 25.000 pessoas, no evento Cisco Live, agora em junho: “Forty percent of businesses in this room, unfortunately, will not exist in a meaningful way in 10 years”. Reflitam…
[Crédito da Imagem: Big Data Analytics – ShutterStock]
Cezar Taurion é head de Digital Transformation da Kick Ventures e autor de nove livros sobre Transformação Digital, Inovação, Open Source, Cloud Computing e Big Data.
You must be logged in to post a comment.
