Na era de desenvolvimento constante em que vivemos, conceitos como Inteligência Artificial e Análise de Dados estão cada vez mais presentes.
Contudo, não são recentes – nasceram com aquele que é considerado o pioneiro da ciência de computação, Alan Turing, muito importante na criação das bases para o computador moderno e responsável pela descodificação das mensagens da frota naval alemã nos tempos da Segunda Guerra Mundial.
Um dos seus objetivos era testar a capacidade de uma máquina assumir um comportamento próximo do humano. Então, a partir daí, começaram a ser procurados padrões nos dados, aquilo que se repete, a fim de decidir qual a próxima melhor opção.
É esta, de uma forma geral, uma das premissas da Inteligência Artificial:
A forma como conseguimos mimetizar aquilo que é o nosso padrão associativo de pensamento, permitindo identificar peças em falta e complementar por comparação com os vários padrões, o percurso a seguir, num processo denominado algoritmo de treino.
Portanto, baseado no que é conhecido, é possível determinar com grau crescente de certeza, o que se segue.
Damos um exemplo: ao desenhar no ar um semicírculo por gestos, o nosso pensamento leva-nos a perceber que o que falta é o resto da circunferência.
Projetando esta lógica na computação, com a Inteligência Artificial, as redes neuronais (que simulam o comportamento associativo do cérebro), são treinadas a determinar qual o restante padrão. É importante perceber que a precisão é tanto maior quanto maior for também a informação que já possuem.
Veremos o papel que esta capacidade pode representar na analítica de dados.
O que a Inteligência Artificial pode fazer pelos Dados?
Com a capacidade de computação a aumentar e com a possibilidade de fazer o treino de rede para determinar o que se segue cada vez mais rápido, estamos já numa fase em que a Inteligência Artificial está presente em tarefas do quotidiano, num modo transparente.
Aliás, é até surpreendente como as máquinas conseguem “pensar tão à frente” e ajudar a aumentar a produtividade.
Vejamos um caso prático: quando escrevíamos um email, a palavra seguinte era sugerida. Hoje, a sugestão é de uma frase/expressão inteira, a partir de apenas uma ou duas palavras. Isto acontece com base nas frases habitualmente compostas.
Exemplo Google Smart Compose com palavras sugeridas pelo contexto da frase.
Além do mais, oferece-nos a oportunidade de reduzir erros, ou seja, de não cometermos amanhã o erro cometido hoje. Como?
Através de um texto publicado, por exemplo, a Inteligência Artificial já permite por análise gramatical, identificar o sentimento/sensação que está a ser transmitido, analisando as interações de resposta.
Assim, existe a oportunidade de mudar ou aprimorar estratégias e métodos.
Mas atenção: é necessário ir transmitindo feedback à máquina, o que está bem ou mal, para que a sua capacidade de padronizar seja melhorada.
Na prática, caminhamos fortemente num momento em que a Inteligência Artificial já é o que designamos como commodity – vários setores de atividade já pressupõem que as soluções de análise de dados possuem componentes de Inteligência Artificial no seu modus operandi.
Abordagens diferenciadoras do uso da Inteligência Artificial
O processo consolidado no passado para dar instruções de pesquisa à máquina, pressuponha utilizar uma linguagem especializada de exploração das bases de dados.
Hoje, existe forma de fazermos uma determinada pergunta exatamente como a pesquisamos no Google e de compreendermos a resposta. Este fenómeno é designado por Processamento de Linguagem Natural, em inglês Natural Language Processing (NLP), que transforma a informação de formato mais técnico em linguagem compreensível para o ser humano.
Imaginemos o seguinte cenário: numa empresa de telecomunicações, procuramos averiguar quantas ligações ocorreram no último mês entre Lisboa e Madrid. Antigamente, esperar pela resposta vinda de alguém que tivesse competências específicas sobre o modelo de dados poderia fazer com que a informação já não fosse tão relevante ou necessária quando fosse tornada disponível.
Hoje, é possível utilizar sistemas que pesquisam rapidamente as base de dados e respondem à pergunta realizada em linguagem natural: “Chamadas com origem em Lisboa e destino Madrid no último mês”. A mesma pergunta realizada em linguagem de base de dados, implicaria um conhecimento do léxico só habitual para utilizadores técnicos:
Exemplo de pesquisa de base de dados em SQL – Structured Query Language.
A Inteligência Artificial junto com a NLP já oferecem também ao utilizador a capacidade de conseguir aceder em segundos a uma resposta gráfica ao que procura, e até de ir afunilando a pesquisa ao filtrar por outros tópicos.
Porquê? O motor de Inteligência Artificial já “aprendeu” que habitualmente os utilizadores que fazem aquele tipo de perguntas preferem a informação apresentada naquela forma específica.
Além disso, estas soluções permitem que os analistas consigam explicar eventuais variações de dados mais facilmente, descobrindo e juntando os fatores que as originaram.
No fundo, as soluções de exploração analítica de hoje, permitem que as pessoas sejam cada vez mais autónomas na sua exploração de dados, mantendo o nível de autorização de acessos a dados definido pelas políticas de segurança das organizações.
Gestão de Dados no futuro
Além da importância e preocupação em garantir que existe autorização para aceder aos dados, tendemos cada vez mais para uma sociedade em que estes têm de apresentar três características fundamentais:
- Serem verdadeiros e fidedignos – para que a decisão seja tomada sem dúvidas;
- Estarem disponíveis para consumir – para cada utilizador de acordo com as políticas de segurança;
- Serem atualizados e ”frescos” – para que se decida sobre evidências recentes sem o risco de estarem incompletas .
Características fundamentais da Informação para Exploração Analítica
Mas há mais: aliado a estas características, os consumidores esperam que a análise de dados seja facilitada, através de soluções mais intuitivas e simples de explorar, com mais inteligência e capacidade de gerar insights que proponham futuras pesquisas e também mais rápidas, para que a informação fundamente a tomada de decisão de forma objetiva.
SABER MAIS SOBRE ADVANCED ANALYTICS
