Mente + Máquina

Um modelo de decisão para a otimização e implementação da analítica

Wiley, 2016

15 mins. de lectura

10 ideas fundamentales

Texto disponible

¿De qué se trata?

Big Data! IA! Gestão do conhecimento! Quais destes são verdadeiros modismos explorados com sensacionalismo?

No momento, a versão em áudio deste resumo não está disponível.

Avaliação Editorial

Qualidades

Abrangente
Aplicável
Para Especialistas

Recomendação

Marc Vollenweider, CEO da Evaluserve, é especialista em analítica e em grandes trechos do seu manual se propõe a apresentar conselhos úteis e aplicáveis. Apenas a lista de falácias relacionadas à analítica da Parte I do seu livro já pode ajudar as organizações a economizarem muito dinheiro e a metodologia que o autor esmiúça na Parte III pode tornar a implementação de analítica sensata e funcional. No entanto, por ser tão experiente na analítica e se mover rapidamente, a narrativa de Vollenweider pode desafiar os iniciantes nesta área de atuação. Apesar disto, a getAbstract acredita que as orientações do autor vão servir de grande impulso para qualquer pessoa interessada em analítica, Big Data ou gestão do conhecimento.

Resumo

Big Data: sensacionalismo, falácias e realidade

O Big Data e as áreas relacionadas, como a analítica, sofrem muito com o sensacionalismo. O exagero das alegações sobre o Big Data acaba muitas vezes tirando o foco do que seria um debate útil e racional da realidade deste modelo. A primeira falácia é que “o Big Data resolve tudo”. Não é verdade. Muitas pessoas abraçam o Big Data sem as ferramentas e contextos necessários. Elas precisariam de melhores estruturas para gerir o uso dos dados e uma melhor orientação de como aplicar recursos como analítica, metas, métricas e pessoal especializado. Alguns acreditam erroneamente que você precisa de um “data lake e ferramentas de dados”. Um data lake é uma enorme coleção de dados. Esteja atento para a promessa falaciosa de que você pode processar dados de forma mais barata caso os colete em grandes quantidades. Infelizmente, você está mais propenso a duplicar os dados, deixar os dados morrer no “lago” (lake) e arriscar uma manipulação errônea da “propriedade intelectual”. As pessoas também acreditam que mais dados “significam mais insight”. Isso pode ser verdade – caso você processe os dados corretos...