a tendência de BI mais importante em 2023, de acordo com especialistas

O processamento de linguagem pure (NLP) pode ser a maior tendência analítica de 2023.

A PNL não é novidade para a análise. Há uma década, a ThoughtSpot construiu toda a sua plataforma em torno do conceito de pesquisa em linguagem pure, permitindo que seus usuários fizessem perguntas sobre seus dados usando palavras em vez de código. Desde então, a maioria dos fornecedores de análise adicionou pelo menos alguma funcionalidade de NLP.

Por exemplo, a Tableau lançou o Ask Knowledge e o Clarify Knowledge em 2019 e posteriormente adquiriu o provedor de narrativas de dados Narrative Science, levando ao lançamento de Knowledge Tales em 2022. A Yellowfin também fez da narrativa de dados uma parte elementary de sua plataforma. AWS, Oracle e Qlik – entre outros – todos têm recursos fortes semelhantes.

Progresso da PNL

Idealmente, uma empresa poderia digitar ou formular uma consulta em qualquer idioma, e sua plataforma de BI poderia responder fornecendo dados relevantes em um formato digerível, como uma tabela ou gráfico, juntamente com uma explicação detalhada. Além disso, a plataforma seria capaz de responder de forma semelhante a perguntas de rastreamento mais detalhadas para que o usuário possa derivar indicadores relevantes dos dados de sua organização.

No entanto, permanecem limitações importantes. Por exemplo, diferentes formas de formular a mesma pergunta, palavras com a mesma grafia, mas com significado diferente, causam dificuldades. Os sistemas legados ainda lutam para interpretar a linguagem, traduzindo-a em código para executar uma solicitação e, em seguida, traduzindo uma resposta transcrita de volta para a linguagem pure do usuário.

Além disso, existem mais de 5.000 idiomas no mundo. Hoje, programar uma plataforma para conversar nas linguagens mais comuns não está ao alcance de todos os publishers.

Mas nos próximos 12 meses, o NLP – que por muitos anos foi apresentado como uma nova maneira de fazer BI de autoatendimento – pode se tornar a tendência dominante em análises, de acordo com especialistas do setor.

Essa é uma crença firme de Ritesh Ramesh, COO da empresa de consultoria em saúde MDAudit e cliente da ThoughtSpot. “A capacidade de gerar insights de negócios automaticamente e o suggestions por trás desses insights [sera une tendance importante]. É uma tecnologia que gera histórias automaticamente a partir da visualização”.

Por que essa tendência provavelmente prevalecerá este ano? Porque o ChatGPT, um protótipo de chatbot lançado pela OpenAI em novembro de 2022, avança muito nos recursos de perguntas e respostas dessa tecnologia, de acordo com especialistas do setor.

“Em 2023, o processamento de linguagem pure terá grandes avanços”, prevê Donald Farmer, fundador e diretor da TreeHive Technique. “Já existem grandes modelos de linguagem, como o ChatGPT, que estão se tornando cada vez mais populares para obter insights de dados não estruturados.”

Em specific, o lançamento do ChatGPT – que se baseia nos recursos do modelo NLG GPT-3, um modelo elementary lançado em 2020 – pode impulsionar a integração do NLP em análises.

Os editores que desenvolveram suas próprias soluções de processamento de linguagem pure podem se juntar a jogadores que desejam integrar o ChatGPT em seus produtos.

Como o GPT-3, o ChatGPT converte uma palavra digitada em código, executa uma consulta solicitada e traduz a resposta em linguagem pure. Alguns – incluindo o analista do Gartner, Andrew White – consideram o ChatGPT “o melhor do grupo”. Outros veem o ChatGPT como um verdadeiro salto tecnológico.

“Estamos vendo uma tremenda inovação na consulta e geração de dados em linguagem pure: é um verdadeiro salto em tecnologia”, disse Dan Sommer, diretor sênior e chefe international de inteligência de mercado da Qlik. “O ChatGPT é extremamente poderoso e mostra que essa interface de chatbot de linguagem pure vai agitar as coisas no curto prazo. Isso muda a forma como podemos interagir com os dados e como os dados são gerados para nós.”

“O ChatGPT é extremamente poderoso e mostra que essa interface de chatbot de linguagem pure vai agitar as coisas no curto prazo. »

Dan SommerDiretor Sênior e Chefe World de Inteligência de Mercado, Qlik

Amazon, Microsoft e Salesforce – empresa controladora da Tableau – também devem fazer melhorias substanciais em seus recursos de NLP nos próximos 12 meses, de acordo com Donald Farmer.

” Aqueles [nouveaux chatbots] podem gerar SQL a partir de entrada em linguagem pure, são mais avançados que a geração anterior”, explica. “É algo que provavelmente será importante no próximo ano.”

No entanto, ainda há um longo caminho a percorrer antes que a PNL seja totalmente utilizável, de acordo com David Menninger, analista da Ventana Analysis.

Como outras tecnologias de PNL, até o ChatGPT não entende o idioma. Ainda é um programa de computador que só pode fazer o que foi programado para fazer. Por exemplo, ele ainda não é capaz de interpretar o significado de um pedido mal formulado.

Além disso, as respostas nem sempre são precisas e, como qualquer outra IA, estão sujeitas a vieses.

“A PNL ainda tem um longo caminho a percorrer antes de se tornar uma tecnologia convencional. Ainda há muitas lacunas, mas acho [l’évolution] continuará em 2023”, matiza David Menninger.

“Acho que a PNL permitirá que perguntas menos formatadas sejam respondidas em mais idiomas em 2023”, acrescenta.

Além disso, ele observa que os avanços no processamento de linguagem pure em 2023 se concentrarão na palavra escrita e não na palavra falada. “Se o desenvolvimento não parar, ainda acho que a voz ficará para trás”, diz ele.

Inteligência de decisão

A PNL não será a única grande tendência em 2023. O Enterprise Intelligence ganhou força em 2022 e espera-se que proceed ganhando força em 2023.

Com a quantidade de dados coletados pelas organizações aumentando exponencialmente, empresas e especialistas em dados não são mais humanamente capazes de traçar indicadores viáveis.

A inteligência de negócios é o uso de análises aumentadas e aprendizado de máquina para monitorar as principais métricas e outros dados para detectar alterações, anomalias ou tendências, revelar esse perception e alertar especialistas em dados, que podem determinar se uma ação deve ser tomada.

Pyramid Analytics, Sisu Knowledge e Tellius estão entre os principais editores de inteligência de negócios. Todos eles atraíram fundos de capital de risco nos últimos 16 meses, apesar da deterioração das condições nos mercados financeiros.

“Existem muitas oportunidades para ajudar as organizações a tomar decisões mais inteligentes”, diz David Menninger. “Acho que estamos no início da tendência, mas as empresas não recebem suporte suficiente hoje de editores e ferramentas em geral.”

É parte do que Krishna Roy, analista da 451 Analysis, chama de inteligência acionável, que, segundo ela, deve dominar a TI em 2023.

Embora não esteja especificamente relacionado à inteligência de negócios, a inteligência acionável também trata da implantação de tecnologias para dar suporte a decisões que levam a ações. Mas, em vez de apresentar informações superficiais para especialistas em dados, o conceito é mais sobre a integração de informações nos fluxos de trabalho dos usuários corporativos.

“A inteligência acionável será uma grande tendência”, diz Krishna Roy. “A tomada de decisão baseada em dados deve ser possível usando diferentes abordagens, dependendo do caso de uso e do usuário. A análise acionável, como o nome sugere, ajudará a conseguir isso, facilitando a execução de análises, integrando-as a fluxos de trabalho familiares que as empresas usam rotineiramente.”

A Qlik é um dos fornecedores que faz da inteligência acionável uma prioridade.

malha de dados

Outra tendência emergente é mais semelhante a uma abordagem filosófica da análise.

A noção de Knowledge Mesh, introduzida pela primeira vez em 2019, é uma abordagem de análise que descentraliza os dados. Embora seus benefícios sejam conhecidos há alguns anos, sua adoção tem sido lenta. Isso pode mudar em 2023, à medida que os líderes buscam aproveitar os dados de maneira mais racional.

Tradicionalmente, as organizações armazenam dados em repositórios centralizados supervisionados por uma equipe de especialistas e os dados são analisados ​​conforme necessário. Em alguns casos, as próprias análises são realizadas por uma equipe central que fornece relatórios e painéis sob demanda.

Em vez disso, uma abordagem Knowledge Mesh permite que equipes de diferentes domínios, como finanças e advertising and marketing, supervisionem e analisem seus próprios dados enquanto vinculam dados de cada domínio por meio de um catálogo de dados.

A ideia é alavancar o conhecimento de domínio dos funcionários de uma organização, assumindo que um especialista em finanças ou dados de advertising and marketing terá mais conhecimento, quando se trata de dados financeiros ou de advertising and marketing, do que um analista de dados “generalista”.

Como o NLP e a inteligência de negócios, a malha de dados também visa expandir o uso de dados para informar a tomada de decisões nas organizações. Ele promove a ideia de que especialistas de domínio podem colaborar mais facilmente com usuários de autoatendimento e ensiná-los a aproveitar as informações à sua disposição.

“Veremos que as pessoas que estavam falando sobre descentralização um ano, dois anos, até três anos atrás, estavam certas”, disse Russell Christopher, diretor de estratégia de produto da especialista em malha de dados Starburst.

Russell Christopher, que passou seis anos na Tableau e 14 anos na Microsoft, diz que teve que, em algum momento, provar às pessoas os benefícios da visualização de dados, antes que finalmente percebessem seu valor. Hoje, editoras como Starburst, Talend e Denodo, cujas ferramentas possibilitam a criação desses Knowledge Meshes, fazem o mesmo para a descentralização dos dados.

“O molho está começando a pegar”, diz ele.

Donald Farmer também vê organizações explorando a malha de dados, mas acrescenta que esse conceito ainda está em sua infância. Ele adverte que a governança de dados precisa ser mais integrada à malha de dados antes de se tornar viável em escala.

“Geralmente, uma malha de dados é um tipo de BI de autoatendimento, e alguns fornecedores e usuários estão explorando a arquitetura com mais rigor”, diz ele. “Mas uma questão importante que ainda precisa ser abordada é a governança, o que provavelmente impedirá que as empresas adotem o conceito”.

Leave a Comment