OPINIÃO

Plataformas maravilhosas de dados e AI, projetos modernos, tecnologias abundantes para machine learning e automacao e a presença de tecnologias é evidente inúmeras vezes ao nosso redor e se o desafio das empresas estivesse centrado exclusivamente em tecnologia, certamente estariam todas no topo de seus mercados. 

Nesse contexto, vemos linguagens como Python e R, e poderosas plataformas como Apache Spark e Iceberg, a escalabilidade oferecida pelo mundo do Apache Open, a eficiência de MLops e a profusão de frameworks Python. As opções de plataformas em nuvem para dados e IA também são notáveis, apresentando preços acessíveis para processamento, análise e automação de decisões.

Contudo, como meu amigo Carlão frequentemente destaca, o verdadeiro desafio é semântico, não tecnológico. A disponibilidade de tecnologias para a integração de dados é profunda e de baixo custo. A análise de dados é praticamente ilimitada, e algoritmos para previsão de eventos e automação de negócios são facilmente acessíveis. 

É aqui que entra a importância da governança de dados ligada aos processos de negócios. Metodologias e modelos orientados por uma visão abrangente de 360 graus dos clientes e prospects são essenciais. Dados devidamente certificados em termos de qualidade e rastreabilidade, acompanhados por scores de qualidade e marcações de conformidade legal, garantem a conformidade com leis de privacidade e evitam usos indevidos ou abusivos de informações pessoais.

Finalmente, é crucial implementar um modelo organizacional para dados e artefatos que facilite o uso eficiente dos recursos corporativos, evitando contratempos e desperdícios. Essa abordagem segue a mesma linha de uma política comercial moderna e se alinha com as arquiteturas de dados, formando a oferta MD2. Saiba mais sobre essa oferta para uma visão mais aprofundada.