Professional Documents
Culture Documents
SUMÁRIO EXECUTIVO
O foco do mundo dos negócios em Vários temas essenciais surgiram de uma análise dos resultados
ML pode parecer um acontecimento da pesquisa.
repentino, mas a agitação em torno
dessa tecnologia vem crescendo •O
ML está acontecendo agora. A maioria dos entrevistados (60%) já
regularmente desde os primeiros dias implementou estratégias de ML e quase um terço afirmou que está em uma etapa
de big data. de maturidade com suas iniciativas.
Os benefícios
esperados pelos planejadores do aprendizado de máquina são
diversos daqueles dos atuais executores do ML em um aspecto:
os primeiros acreditam firmemente que ganharão um melhor en-
tendimento do comportamento, das necessidades e desejos do
cliente e de futuros clientes, com 50% dos planejadores do ML
confirmando essa expectativa, em comparação com apenas 35%
dos atuais executores do ML.
2
P9 Se sua organização estiver atualmente usando o ML, o que você está buscando
ganhar?*
50%
Mais análise extensiva de dados; mais percepção.
50%
Vantagem competitiva
46%
Os usuários do ML dizem
Análise de dados mais rápida; mais rapidez para percepção
que eles 45%
estão buscando mais Capacidades de P&D ampliadas (produtos de próxima geração)
análise e percepção de 44%
dados Maior eficiência nos processos internos (operações)
39%
Melhor entendimento do cliente e de potenciais clientes
35%
Redução de custos
31%
Maior eficiência nos processos externos (cadeia de valor)
26%
*Várias respostas permitidas. Todos os percentuais foram arredondados.
Estabelecer uma métrica de ROI para tais programas é difícil, afirmou ele.
Algumas empresas – especialmente aquelas cujos modelos de negócios
dependem de coleta e análise de grandes volumes de dados – “simplesmente
sabem que precisam fazer analítica de big data para fornecer uma experiência de
cliente melhor e aumentar sua receita, mas não têm tempo para desenvolver um
© agsandrew – stock.adobe.com
Em muitos outros casos, disse ele, as empresas não realizam ROI porque os
projetos não são bem-sucedidos. “O que a indústria está vendo é que mais de
50% dos projetos de big data falham, e falham de maneira lastimável”, disse
Poutonnet. “As empresas estão gastando muito tempo com as fases de coleta e
preparação de dados, além de tentar descobrir a arquitetura de dados, e acabam
sem tempo para executar os dados.”
3
P10 Se sua organização estiver usando o ML atualmente, o que você realmente ganhou?*
45%
Mais análise extensiva de dados; mais percepção.
45%
Análise de dados mais rápida; mais rapidez para percepção
35%
Os usuários do ML Capacidades de P&D ampliadas (produtos de próxima geração)
dizem que a tecnologia 35%
levou a uma análise Maior eficiência nos processos internos (operações)
de dados e percepção 30%
mais ampliada. Melhor entendimento do cliente e de potenciais clientes
27%
Vantagem competitiva
26%
Redução de custos
23%
Maior eficiência nos processos externos (cadeia de valor)
19%
Além disso, afirmou ele, executar centenas ou milhares de consultas para descobrir
um padrão ou percepção pode consumir muito tempo. Até mesmo executar uma
simples consulta em sistemas tradicionais pode levar 30 minutos ou mais, um
processo demorado que o aprendizado de máquina baseado em nuvem pode
ajudar a eliminar.
4
Melhor benefício obtido Na verdade, só 5% informaram não ter interesse em ML e nenhum plano de
dos atuais executores implementar uma estratégia de ML em um futuro próximo. Desse último grupo,
do aprendizado de muitos demonstram frustração por suas organizações não terem conhecimento,
máquina: apoio ou financiamento de ML. “Não temos o entendimento das potenciais
45%
implicações positivas” do ML, observou um entrevistado de uma grande empresa
de investimentos do Reino Unido. “Os gerentes só veem os riscos.” Outros
participantes disseram que simplesmente não entendiam como poderiam aplicar
citam maiores o potencial do ML à sua empresa. “Sei que é possível; mas simplesmente não sei
percepções através de como tirar vantagem disso”, afirmou um entrevistado, um executivo de nível C de
análise de dados uma pequena empresa industrial do México.
mais ampliada
Claramente, no entanto, uma sólida maioria de entrevistados vê o potencial de ML
e estão avançando com seus planos de adotá-lo. Dos 60% que tinham iniciado
uma estratégia de ML,cerca de um terço (32%) estava nas etapas iniciais das
suas estratégias, experimentando um ou vários casos de uso de ML. Quase a
mesma porcentagem de participantes (28%) descreve sua estratégia de ML como
“madura”, com um a cinco casos de uso de ML.
5
P16 Qual percentual do seu orçamento de TI para 2017 está destinado para ML?*
26%
26%
21%
17%
15%
13%
Os usuários informam
que mais de 15% do
orçamento de TI é
dedicado ao ML
Mais de Entre 5% Menos Entre Não sei/
15% e 10% de 5% 10% e 15% Outro
50%
Melhor entendimento do cliente e de potenciais clientes
50%
Vantagem competitiva
48%
Os planejadores estão Mais análise extensiva de dados; mais percepção.
buscando um melhor 45%
entendimento dos Maior eficiência nos processos internos (operações)
44%
clientes e dos potenciais
Capacidades de P&D ampliadas (produtos de próxima geração)
clientes como razão para 39%
implementar o ML. Análise de dados mais rápida; mais rapidez para percepção
37%
Redução de custos
33%
Maior eficiência nos processos externos (cadeia de valor)
24%
Outros
6%
26%
os itens mais críticos a resolver. A falta de definições de dados mestre apropriadas
e outras discrepâncias infestam o processo, e o melhor resultado vem de seres
humanos que conferem e reconferem e acompanham os itens mais importantes
de quem está planejando
durante todo o processo.” O trabalho é muito manual, dependendo de planejadores
implementar o ML
que despejam e-mails com milhares de linhas para decifrar os itens não resolvidos
informam que os
e evitar a exaustão de estoques e interrupções do suprimento.
adeptos provavelmente
virão da alta Com um aplicativo de ML, continuou o entrevistado, esse trabalho podia ser feito
administração. pelo sistema e os planejadores poderiam responder a mensagens de exceção
7
“Isso é o que está fazendo os líderes não
dormirem à noite: como colher dados e
compreendê-los para ter vantagem
competitiva.”
–Fausto Ibarra, diretor de gestão global de produção da Google Cloud Platform.
Poutonnet recomenda que uma grande porção do orçamento seja alocada para
adquirir capacidade de ML: “O potencial do aprendizado de máquina é enorme, e
os cientistas de dados têm o poder para liberar isso.”
Analítica de dados/
liderança
Equipe dedicada
13%
de ML
19%
Liderança de TI
Cientista de dados 15%
16% *Planejadores de ML; todos os percentuais foram
arredondados
9
Liderando a carga de aprendizado de máquina
Com o custo e as complexidades do ML, essas iniciativas exigem um adepto que
possa comunicar a visão do que o ML pode alcançar e o que requer em termos de
recursos, habilidades e tecnologias para uma implementação de sucesso.
Olhando à frente
Está claro que os primeiros usuários do ML estão ou estarão ganhando vantagem
de mercado e avançando rapidamente à frente dos seus colegas que estão ficando
para trás. Mesmo para aqueles que não definiram onde deve estar o ML nas suas
empresas e como aplicá-lo, é essencial estar atento a essa tecnologia.
Na maioria dos casos, ainda estamos nos primeiros dias para o ML e muitas
perguntas ainda persistem. Mas os primeiros a adotar o ML deixam claro que a
relevância da empresa e a capacidade de competir vão depender cada vez mais do
trabalho com máquinas para interpretar e aprender com dados.
www.technologyreview.com/media
10