artigosbd-38

Inteligência artificial e big data aplicados a negócios

Inteligência artificial e big data são palavras que ganharam uma popularidade muito grande nos últimos anos e acabam muitas vezes sendo usadas fora de contexto.

Inteligência artificial e big data são palavras que ganharam uma popularidade muito grande nos últimos anos e muitas vezes são usadas fora de contexto. Aqui estamos interessados em saber como esses dois conceitos podem ser utilizados no ambiente corporativo. E o que está mais próximo da nossa realidade no dia a dia.

Aqui na Oper recebemos clientes que querem transformar suas empresas em data driven, trabalhar com dados e extrair valor deles. Pessoas que entendem a importância dessa nova área e como ela pode ser útil para melhorar o desempenho dos times. E, na maioria dos casos, IA e big data não são adequados para o contexto da companhia. Eles que demandam uma mão de obra muito especializada e alto investimento em tecnologia de processamento. 

No artigo de hoje, falaremos sobre os erros comuns de conceito e de utilização desses dois termos. E vamos entender como eles, muitas vezes, são ferramentas muito grandes para resolver problemas pequenos dentro da ciência de dados

Inteligência artificial

A inteligência artificial é um subcampo do machine learning e envolve várias tecnologias diferentes como redes neurais artificiais e sistemas de aprendizado. Eles que simulam capacidades humanas como raciocínio, percepção e análise para tomada de decisão.

Com uma IA, somos capazes de construir tecnologia para executar tarefas específicas tão bem quanto um ser humano. As vezes, até melhor. Elas são frequentemente usadas para classificação de imagens como o reconhecimento facial no Facebook. Capaz de identificar e marca automaticamente as pessoas numa foto.  

Como uma IA aprende? 

As IAs aprendem sozinhas por meio da análise de grandes conjuntos de dados que ampliam seu conhecimento e servem de experiência. Em geral, contam com recursos computacionais de captação automatizada de dados, como câmeras e sensores. Assim como no machine learning, elas têm o objetivo de melhorar o conhecimento e o desempenho de seus algoritmos ao longo do tempo, respondendo às experiências que ela tem no mundo e reconhecendo padrões que não foram indicados de nenhuma maneira. 

Ela está profundamente ligada ao reconhecimento de voz e de visão, à percepção de ambientes, à análise e tomada de decisão autônomas. Por isso ela desempenha um papel enorme na tomada de pequenas decisões automáticas. E, consequentemente, na escalabilidade de empresas que precisam de agilidade nos processos.

Jogos de estratégia

É comum ver IAs sendo usadas para jogar xadrez ou jogos de estratégia. Mas o objetivo de aprender esses jogos é apenas treinar as máquinas, entender se os algoritmos de aprendizagem funcionam mesmo e o quão longe eles conseguem chegar. Inteligências como o Watson, da IBM, são capazes de vencer os melhores jogadores em diferentes jogos, não só usando a força bruta para testar cada jogada possível, mas realmente jogando e aprendendo as estratégias. Isso mostra que o Watson é capaz de entender dados e raciocinar. O que pode ser muito útil em diferentes áreas.

inteligência artificial desenvolvida pela IBM

Aplicações reais

Hoje o Watson é usado em hospitais para ajudar no diagnóstico e indicar possíveis tratamentos. Aqui no Brasil, o Hospital Mãe de Deus em Porto Alegre já utiliza a IA para detectar câncer em seus pacientes. E a Google, com uma tecnologia semelhante, já iniciou testes com carros autônomos para transportar passageiros reais. 

Big data

“Essencialmente, o termo big data significa conjuntos de dados que são grandes demais para os sistemas tradicionais de processamento e, portanto, exigem novas tecnologias para processá-los”. Essa é uma das definições mais aceitas sobre esse termo que já se popularizou muito. 

Big data não é apenas um grande volume de dados. É uma quantidade tão grande de dados que precisa de um processamento diferente dos outros. A maioria das empresas faz a mineração de grandes volumes de dados e utiliza apenas uma pequena fração deles. Essas pequenas partes são mais maleáveis para uma infraestrutura enxuta, sem a necessidade de um processamento específico e dedicado. 

Volume, velocidade e variedade

Big data pode ser definido por 3 Vs: volume, pela quantidade de informações; velocidade, cada vez maior na geração de dados e variedade, relativa à diversidade de conteúdo. E isso é importante porque muitas vezes o conceito de big data não fica claro. Big data é um grande volume de dados que cresce mais a cada dia em quantidade e diversidade, o que dificulta o processamento. 

Com o avanço da tecnologia de computadores e processadores podemos começar a armazenar, processar e até mesmo analisar para retirar insights dessa massa gigantesca de dados. É isso que possibilita usar IA e big data para resolver problemas de negócios. Que podem variar desde comoo vender melhor para um tipo específico de clientes, até entender o comportamento do consumidor em diferentes países. Empresas gigantes com Walmart, Target e McDonald’s já são capazes de realizar esse tipo de análise. E é a partir dessas análises que definem a tomada de grandes decisões de negócios.

Big data 1.0 e 2.0

É possível pensar no estado das tecnologias de big data fazendo uma analogia com a Web 1.0 e 2.0. Na Web 1.0 as empresas utilizavam apenas tecnologias básicas da internet para estabelecer sua presença e melhorar a eficiência de poucas operações. No momento, é como se estivéssemos vivendo a era do big data 1.0. Salvo algumas exceções, as empresas estão preocupadas apenas em criar o ambiente necessário para processar esse volume de dados. Já outras, começaram a usar para melhorar a eficiência de alguns processos. 

Depois que o processamento desse volume de dados for mais acessível, o que vem acontecendo cada vez mais rápido, aí vamos nos perguntar: o que podemos fazer agora que antes não era possível?

Aplicações para o futuro

O que as grandes empresas estão realizando agora é combinar IA e big data para agregar valor aos negócios. Assim, eles conseguem criar soluções diferenciadas para gerar valor de mercado. E se manter a frente quando o assunto é tecnologia aplicada ao negócio.  

Curtiu o nosso conteúdo? Então siga-nos nas redes sociais para se manter informado das novidades no mundo do data science. 

Share the Post:

Deixe um comentário

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

Related Posts