Era uma vez um executivo que analisava os dados através de um relatório gerado a partir de informações referentes as vendas do último mês, trimestre, semestre ou ano. 

Nos últimos 10 anos a Inteligência Artificial – IA, trouxe vantagens incríveis e empolgantes, estimulando startups a lançar novos produtos e plataformas, por vezes, até competindo com grandes empresas. 

Existem alguns significados para IA, assim como, para a palavra inteligência, mas de forma geral podemos afirmar que Inteligência Artificial é:  

“Uma ferramenta construída para ajudar ou substituir o pensamento humano. É um programa de computador, que pode estar numa base de dados ou num computador pessoal ou embutido num dispositivo como um robô, que mostra sinais externos de que é inteligente — como habilidade de adquirir e aplicar conhecimento e agir com racionalidade neste ambiente

(URWIN, 2016).” 

Uma explicação é que a IA é uma subárea da Ciência da Computação podendo gerar autonomia (capacidade de executar tarefas em ambientes complexos sem orientação constante de um usuário) e adaptabilidade (capacidade de melhorar o desempenho aprendendo com a experiência). 

A Inteligência Artificial possui alguns tópicos relacionados: 

Aprendizado de máquina (Machine Learning) – é uma subárea de Inteligência Artificial e tem como objetivo melhorar o desempenho de uma determinada tarefa adquirindo cada vez mais e mais experiências. 

Aprendizado profundo (Deep Learning) – subárea do Aprendizado de Máquina e refere-se à complexidade de um modelo matemático.  

“Os produtos de aprendizagem profunda identificam a probabilidade de algo pertencer a uma classe: por exemplo, “80% de chance de que isso seja uma vaca” (qualitativo) em vez do “retorno esperado = 12,5%” (quantitativo). Com a aprendizagem profunda, o treinamento geralmente leva muitos dias de tempo de computador. Depois de concluído, apenas pequenas modificações são possíveis e todo o treinamento deve ser executado novamente para acomodar novos dados. Os erros de saída causados por erros nos dados de entrada são extremamente difíceis de corrigir, porque as correlações geralmente são invisíveis para os humanos (POPKIN e MCMULLEN, 2018). “

Ciência de dados (Data Science) – trata-se de um termo recente e abrange várias subdisciplinas como: aprendizado de máquina; matemática e estatística; ciência da computação (algoritmos, armazenamento de dados e programação). Além disso, ciência de dados requer compreensão do ambiente de negócios que está inserida. As soluções de ciência de dados geralmente envolvem um pouco de Inteligência Artificial. 

Para que a empresa seja realmente competitiva, é necessário realizar uma reengenharia da arquitetura de sistemas da empresa ou da Inteligência Artificial para que ela seja escalável dentro das empresas, com isso, alcançar eficiência e inovações que antes eram impossíveis e incapazes de fornecerem valor. 

Mas aí a seguinte pergunta deve ser feita para “o tiro não sair pela culatra”: 

Existem dados suficientes?  

Os dados precisam ser bons para que a solução seja viável comercialmente. Porém, “suficientemente bons” pode ter como base a regulamentação (para que a IA faça diagnósticos médicos, é preciso atender a padrões governamentais) e usabilidade (o chatbot tem que funcionar corretamente para que os usuários recebem da máquina respostas satisfatórias antes de terem que falar com uma pessoa da central de atendimento). Portanto, um obstáculo é a quantidade de tempo e esforço necessários para criar ou acessar dados suficientes para a geração de previsões boas o bastante. 

Importante ficar atento a possíveis anomalias, pois, assim como o ser humano, a IA pode ter comportamentos diferentes do habitual. Quanto mais sofisticado for o aplicativo de IA, mais poder para realizar o bem ou o mal existirá. Quanto maior o valor de negócios que um aplicativo de IA pode criar, maiores os danos que ele pode causar se mal gerenciado. Logo, você pode se meter em sérios problemas! 

Podemos ou não confiar na Inteligência Artificial para tomada de decisões automáticas?  

De quem será a culpa por um acidente com um carro autônomo?

Os algoritmos podem gerar resultados que serão incompreensíveis e socialmente inaceitáveis. Muitos defendem que a Inteligência Artificial é a resposta para diversos problemas da sociedade, porém, pessoas como Elon Musk declara que “IA é uma ameaça existencial para a vida na Terra”. 

Bem, cada um escolhe, ou não, como lidar com a Inteligência Artificial. 

REFERÊNCIAS 

AGRAWAL, Ajay; GANS, Joshua; GOLDFARB, Avi. Como vencer com o machine learning. Harvard Business Review. 9 de outubro de 2020  

BRETHENOUX, Erick. Primer de Inteligência Artificial para 2020. Gartner. 24 de janeiro de 2020 

CHEATHAM, Benjamin; COSMAS, Alex; MEHTA, Nehal; SHAH, Dhruv. How to build AI with (and for) everyone in your organization. Publicado em 04/05/2020. Disponível em: <https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-to-build-ai-with-and-for-everyone-in-your-organization> Acesso em 25 de outubro de 2020. 

POPKIN, Jamie; MCMULLEN, Leigh. An Artificial Intelligence Reality. Gartner. 2018 

URWIN R. Artificial Intelligence: The Quest for the Ultimate Thinking Machine. London: Arcturus, 2016  

VEALE, Michael; BURT, Andrew; WILLIAMS, Rebecca. Machine Learning no mundo real. InfoQ 

Linkedin da professora: https://www.linkedin.com/in/lindythiengo/

#IA #dados #AI

O post Inteligência Artificial: a galera comenta, mas ainda não entendi. apareceu primeiro em Estatidados.

Somos bombardeados, a todo o momento, por anúncios na internet. Pode perceber, geralmente são produtos ou serviços relacionados a buscas que fazemos na rede. Mas, como pode? É mágica ou só coincidência? Nada disso, são apenas os sites que acessamos analisando o nosso comportamento digital através dos dados que deixamos quase involuntariamente por onde navegamos. 

Desde o advento da internet, os dados dos usuários, informações pessoais e localização, por exemplo, passaram a orientar o modelo de negócio das empresas. Técnicas de interpretação de dados se tornaram ferramentas fundamentais para tomadas de decisões e construção do poder estratégico de uma empresa.  

As empresas utilizam dados para oferecer experiências melhores para os clientes, ou seja, o produto mais adequado para determinado perfil. A partir destas informações, conseguem avaliar o potencial de compra do cliente e/ou o risco da compra.  

 O esquema de coleta, venda e uso de dados envolvendo Facebook e Cambridge Analytica, em Março desse ano (2018), reascendeu a discussão sobre a proteção de dados no mundo inteiro. A empresa britânica analisava dados comportamentais para direcionar anúncios a fim de conquistar eleitores ou consumidores. Conhecida por atuar em campanhas como a de Donald Trump em 2016, nos Estados Unidos, e a do pró-Brexit, no Reunido Unido, a Cambridge Analytica coletou dados de milhões de americanos através da rede social. Não foi à toa que Mark Zuckerberg teve que dar explicações sobre o caso ao congresso americano e a empresa abriu falência em maio deste ano.  

Proteção de dados na Europa 

Para garantir a proteção de dados pessoais dos europeus, entrou em vigor, em maio deste ano, o Regulamento Geral de Proteção de Dados na União Europeia (GDPR). A nova legislação estabelece uma série de regras sobre a privacidade dos dados da população, ou seja, como empresas e órgãos públicos devem lidar com este tipo de informação. 

Apesar de afetar corporações de diferentes segmentos, as empresas presentes no âmbito digital devem ser mais atingidas, assim como as redes sociais e o Google. Pois transformaram a coleta de dados dos usuários em modelo de negócio. A empresa agora é obrigada a informar a finalidade do uso de dados antes de coletar e/ ou armazenar qualquer informação do usuário/ cliente.  

Caso o objetivo do serviço prestado não coincida com todos os tipos de dados pedidos, a empresa tem que reduzir as exigências para o essencial. Quando quiser, o usuário pode ter acesso a todo o banco de informações que uma empresa tem sobre ele. Pode pedir alterações ou a exclusão de tudo. Em caso de vazamento por falhas no sistema de segurança, a empresa deve comunicar aos usuários e à autoridade nacional em menos de 72h. Quem desrespeitar a lei pode ter que arcar com multas milionárias.  

E no Brasil? 

Os efeitos do GDPR vão além da Europa. Algumas empresas renovaram as políticas e práticas para atenderem à nova lei e geraram “desdobramentos globais”. É mais vantajoso, e diminui custos, fazer a mesma operação em todos os lugares onde a empresa está presente do que limitá-la. Por outro lado, o Brasil passou a ter a própria legislação sobre proteção de dados em agosto deste ano, mas só entrará em vigor em fevereiro de 2020 para que todas as empresas possam se adequar.  

Na Europa a lei ficou conhecida como GDPR, no Brasil, LGPD (Lei Geral de Proteção de Dados). 

A lei 13.709/18 é semelhante ao Regulamento Geral de Proteção de Dados na União Europeia. Exige permissão para coleta e uso de dados, além de garantir acesso do usuário às informações que uma empresa tem dele. Também está prevista a criação de um órgão regulador, a Autoridade Nacional de Proteção de Dados (ANPD), vinculado ao Ministério da Justiça. Em caso de descumprimento, pode haver multa diária de até R$ 50 milhões e proibição parcial ou total do exercício de atividades relacionadas ao tratamento de dados. 

A lei de proteção de dados é muito nova. Muitos não sabem que ela existe e outros estão perdidos sem saber muito o que fazer. Mas, é bom parar, pensar e se planejar.  

É preciso se reinventar para atender às novas exigências. Aproveite que ainda falta quase um ano e meio para a lei entrar em vigor e evite prejuízos futuros. Quem não se adequar põe em risco o patrimônio da empresa. A multa milionária para quem desrespeitar a lei pode levar você à falência e/ ou manchar a imagem da empresa, que levou anos para ser construída, assim como a reputação dos funcionários.  

Referências 

http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/L13709.htm

https://gdpr-info.eu/

http://www.meioemensagem.com.br/home/midia/2018/04/10/facebook-e-cambridge-analytica-relembre-a-trajetoria.html

https://oglobo.globo.com/mundo/facebook-cambridge-analytica-trabalharam-para-trump-apos-vazamento-de-dados-1-22510991

https://brasil.elpais.com/brasil/2018/05/02/internacional/1525285885_691249.html

https://www.dizerodireito.com.br/2018/08/lei-137092018-lei-geral-de-protecao-de.html?m=1Denunciar

Linkedin : https://www.linkedin.com/in/lindythiengo/

#dados #proteçao #cienciadedados

O post Seus dados estão protegidos? apareceu primeiro em Estatidados.

Não é segredo algum que o uso de dados está criando cada vez mais oportunidades de monetização, aperfeiçoando a experiência do cliente e alterando o modo de fazer negócio. A Inteligência Artificial (IA) já orienta decisões nos mais diferentes segmentos, desde empréstimos bancários, passando por atendimento totalmente automatizado ao cliente até a compra de um tênis. De acordo com a Harvard Business Review desse mês de julho/2019, a IA deve adicionar US$ 13 trilhões à economia global na próxima década. Por outro lado, os esforços nessa área ainda não são suficientes na maioria das empresas, apenas 8% empregam a IA na organização. Como fazer a transição e usar a IA para destacar a sua empresa na economia digital? 

 É necessário superar muitas barreiras culturais e organizacionais e entender que a IA trará resultados a médio e longo prazo. Uma boa tecnologia e talento são necessários, mas também, é igualmente importante alinhar a estrutura, a cultura e as formas de trabalho da empresa para oferecer suporte à ampla adoção da IA. 

 De acordo com Fountaine, Saleh e McCarthy* (Sócios da McKinsey & Company), para aderir a essa nova forma de trabalho, é preciso estar atento a 3 (três) pontos: 

1. Colaboração interdisciplinar – o melhor é combinar a inteligência humana com a IA, que deve ser desenvolvida por equipes de diversas áreas da corporação e que tenham diferentes olhares e aptidões. O trabalho integrado do operacional e do comercial com o time de Analytics, por exemplo, garantirá que os objetivos da empresa sejam abordados como um todo e não isoladamente; 
2. Tomada de decisão com base em dados – os funcionários, independentemente do setor e cargo, precisam confiar nas sugestões dos algoritmos e se sentirem aptos para tomar decisões. Se tiver que consultar alguém antes de agir, isso atrapalhará a dinâmica da IA; 
3. Mentalidade ágil, experimental e adaptável – uma ferramenta de negócio não precisa estar completamente pronta para ser usada. Os aplicativos de IA dificilmente têm toda a funcionalidade desejada no primeiro uso. Testes são necessários para verificar erros e diminuir o medo do fracasso. O feedback antecipado do usuário é fundamental para incorporar melhorias e permite que a empresa minimize problemas que poderiam ser mais caros no futuro. 

 A Nike, por exemplo, já incorporou o uso de dados de forma inteligente ao modelo de negócio e usa estratégias de coach comportamental. Isso permite interações digitais personalizadas e com baixo conflito, e também, ajuda a empresa a construir laços mais profundos com seus clientes. Não é preciso esperar que eles venham até você, a empresa está lidando com as necessidades dos clientes quando surgem e, às vezes, até antes. As estratégias conectadas permitem que todos saem ganhando.

Os clientes têm uma experiência diferenciada, enquanto a empresa aumenta a eficiência operacional e reduz os custos. 

 Ao invés de apenas vender produtos esportivos, a Nike também oferece de forma “gratuita” bem-estar. A marca, inclui e acompanha seus clientes em grupos virtuais de corrida, fica sabendo quando é o próximo treino e, por meio do aplicativo, pode oferecer planos de treinamento em áudio. Esse tipo de conexão oportuna, “espontânea” e pessoal gera confiança e incentiva os clientes a pensar na empresa como um coach de saúde e de condicionamento físico, em vez de apenas um fabricante de produtos esportivos.  

 Isso significa que quando o aplicativo da empresa incentiva os clientes a correr, eles ficam mais propensos a fazer e lembram da marca. Funciona para os clientes, porque os mantêm motivados e em forma, e para Nike, porque quem corre mais compra mais tênis e outros acessórios.  

 Neste caso, os clientes autorizam a Nike a cuidar de algo e, desde então, a empresa cuida de tudo. Esse processo envolve confiança do cliente na empresa, um fluxo rico de informações dos clientes e a capacidade de usá-las, por meio de IA, para antecipar o que eles desejam, sem falhas.  

 Para que essa experiência do cliente ocorra, existem 2 (duas) premissas: 

1. Lei Geral de Proteção de Dados Pessoais (LGPD)  

A primeira e mais importante premissa é a seguinte: alguém só pode coletar ou tratar de qualquer outra forma seus dados pessoais, se você permitir. Assim, as empresas não podem coletar dados pessoais sem o consentimento dos titulares. O consentimento deverá ser fornecido por escrito ou por outro meio que demonstre a manifestação de vontade do titular. 

2. Conexão Contínua

Em uma abordagem antiga, as empresas interagem com seus clientes quando eles a procuram. Hoje, graças à IA, é possível fazer com que as empresas atendam às necessidades dos clientes no momento em que elas surgem — e, às vezes, até mais cedo. Com estratégias conectadas, pode-se construir laços mais profundos com os clientes e melhorar drasticamente suas experiências. Para isso, as empresas precisam fazer da conexão contínua uma parte fundamental de seu modelo de negócio. Isso pode ser obtido por meio de 4 (quatro) estratégias:  

1.  resposta ao desejo; 
2. oferta com curadoria; 
3. coach comportamental; 
4. execução automática.  

 O cliente que está mais aberto para esse novo modelo de negócio, é aquele que se sente confortável em fornecer dados do seu dispositivo, constantemente, para as empresas das quais compra e acredita que elas utilizarão os dados para satisfazer suas necessidades a um preço razoável e sem comprometer a privacidade. 

 “Talvez você queira colocar a Inteligência Artificial (IA) no centro de seu modelo de negócios, criar uma força de trabalho informada em termos de dados ou garantir o uso ético dos dados. Independentemente de suas iniciativas, você as conduzirá em um mundo de mudanças contínuas, onde nem sempre é fácil fazer a coisa certa. Estamos construindo uma organização orientada por dados ou criando uma tirania de métricas? Estamos otimizando os resultados de negócios com insights analíticos ou violando a privacidade pessoal?”

Adoro conhecimento, logo, segue apresentação da palestra que faço sobre INTELIGÊNCIA ARTIFICIAL.  https://www.linkedin.com/feed/update/urn:li:activity:6570670311941918720/

* TIM FOUNTAINE é sócio do escritório da McKinsey em Sydney e lidera a QuantumBlack, empresa de analytics avançada da McKinsey, na Austrália. BRIAN MCCARTHY é sócio do escritório da McKinsey em Atlanta e colidera a agenda de desenvolvimento de conhecimento da McKinsey Analytics. TAMIM SALEH é sócio sênior do escritório da McKinsey em Londres e dirige a empresa na Europa. 

* NICOLAJ SIGGELKOW é professor de administração e estratégia na Wharton e codiretor do Mack Institute for Innovation Management. CHRISTIAN TERWIESCH é professor de operações e inovação na Wharton e codiretor do Mack Institute for Innovation Management. Eles são os autores de Connected strategy (Harvard Business Review Press, 2019). 

 Referências 

1.  Siggelkow, Nicolaj; Terwiesch , Christian (Professores na Wharton)A era da conexão contínua, p. 46 e 47. Harvard Business Review. Maio, 2019. 
2. FOUNTAINE, Tim; SALEH, Tamim; MCCARTHY, Brian (Sócios da McKinsey & Company). Como construir uma empresa movida pela IA, p. 44 a 51. Harvard Business Review. Julho, 2019.  
3. O futuro dos dados e das análises é agora. Visão do Analista. Gartner. Março, 2019. 
4. Lei Geral de Proteção de Dados Pessoais (LGPD) Lei Nº 13.709 inciso I do art. 7º. Acesso em 18/07/2019 http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/L13709.htm 

#cienciadedados #inteligenciaartificial #negocios

O post A Inteligência Artificial a favor da sua empresa apareceu primeiro em Estatidados.

Recentemente, fiz uma postagem em minhas redes sociais onde escrevi: 

“Sem a correta extração, processamento e análise, o dado não é capaz de passar informações válidas e concretas. Dado e informação são coisas diferentes.” 

Após esta ação, me questionei sobre alguns pontos que apresentarei a seguir: 

“Dados são o novo petróleo” é a afirmação de diversos profissionais ao redor do mundo, porém, acredito que sem muita reflexão sobre o que significa. Segundo evidências na internet, Clive Humby – um matemático londrino especializado em ciência de dados – foi o primeiro a usá-la em 2006.  

“Os dados são o novo petróleo. É valioso, mas se não refinado, não pode realmente ser usado. O petróleo deve ser transformado em gás, plástico, produtos químicos, etc., para criar uma entidade valiosa que impulsiona atividades lucrativas; portanto, os dados devem ser detalhados e analisados para que tenham valor.” 

Clive Humby 

Logo, a maior riqueza não está nos dados apenas, está na capacidade de usá-los de forma analítica. A inteligência usada é que determina o valor, a partir dela, serão extraídas as descobertas capazes de transformar a realidade. 

A proliferação de recursos computacionais – tanto em termos de hardware como de software – possibilitou o aumento da capacidade de processamento dos dados e acesso à ferramentas analíticas que permitem extrair o máximo de informações em um curto espaço de tempo com o objetivo de conduzir melhor o processo de tomadas de decisões (BICHONE, 2017).  

Hoje trabalhamos com gigabytes e terabytes, no mínimo, estamos no mundo do big data com bilhões de linhas de registros e soluções cloud, sair coletando tudo, por vezes, torna-se inviável para o processamento e análise. 

“Essas ferramentas de ‘big data’ criam condições para que as empresas façam novos tipos de previsões, descubram padrões inesperados nas atividades de negócios e liberem novas fontes de valor.”

(ROGERS, 2017, p. 22) 

Vale ressaltar que dado e informação possuem papéis e usos diferentes no processo de análise. Acredito que, antes de iniciar uma análise, é importante entender alguns conceitos básicos: 

Dados: características observadas de qualquer coisa (objeto, pessoa, sistema) que possam ser coletadas e armazenadas. Podem consistir em números, palavras, imagens, localizações e até sentimentos. Na computação, dados selecionados e armazenados sem nenhum tipo de tratamento ou transformação são classificados como dados brutos.  

Informação: um conjunto organizado de dados, ajuda na tomada de decisões estratégicas e na solução de problemas. É um fenômeno que atribui significado ou sentido às coisas.  

Estrutura de Dados: uma forma de organização e armazenamento de dados, para que sejam utilizados de forma eficaz.  

Analytics: técnica de usar dados, análises e raciocínio sistemático de forma inteligente para auxiliar na estratégia e tomada de decisões.   

Entrando um pouco no detalhe, há diferentes tipos de análises que integram o Analytics:   

• Descritiva: “o que aconteceu?” 
• Diagnóstico: “por que aconteceu?” ou “o que deu errado?”;  
• Preditiva: previsão de evento futuro ou tendência;  
• Prescritiva: otimização de processos, estruturas e sistemas. 

Após os conceitos básicos serem elucidados (acredite, isso é muito importante), no meu ponto de vista e usando como base um artigo de Hagiu e Wright para a Harvard Business Review – Janeiro/20, algumas perguntas devem ser feitas para reflexão ao iniciar uma ação de Analytics: 

1 – Qual o objetivo a alcançar? Trata-se de um problema e se busca a solução e/ou uma hipótese que deseja testar?  

2 – O que se espera como resultado? Benefício financeiro, eficiência operacional e/ou melhor experiência do usuário?  

3 – Quais sistemas, áreas e/ou empresas são os proprietários desses dados? Quão rápido os dados se tornam obsoletos? Quais são os tipos de bases e dados, como serão coletados?  

4 – Como os dados serão processados a fim de extrair as melhores informações, quais ferramentas serão utilizadas?  

5 – Qual a melhor forma de expressar e exibir os resultados obtidos? Qual o valor da análise (5% em vendas pode não ser animador, mas 5% relacionado a salvar vidas, pode valer muita coisa)? As melhorias resultantes podem ser facilmente imitadas, escaladas e incorporadas na empresa? 

Claro, não existe fórmula mágica! Mas o que apresentei aqui pode ser um pedaço do início e organização de suas ações em Analytics. 

 REFERÊNCIAS 

BICHONE, Rafael. Métodos Quantitativos de Apoio à Decisão. Valinhos: 2017. 

HAGIU, Andrei; WRIGHT, Julian. Harvard Business Review. Janeiro 2020. 

ROGER, D. Transformação Digital – Repensando o seu negócio para a era digital. Tradução: Afonso Celso da Cunha Serra. São Paulo: Autêntica Business, 2017. 

https://www.forbes.com/sites/perryrotella/2012/04/02/is-data-the-new-oil/#f5f05e7db3dd Acesso em 10/05/2020 

https://en.wikipedia.org/wiki/Clive_Humby Acesso em 10/05/2020 

Linkedin:
https://www.linkedin.com/in/lindythiengo/

#Analytics #bigdata #dataanalytics

O post Como iniciar uma ação de Analytics? apareceu primeiro em Estatidados.