As empresas, a nível global, fizeram grandes progressos na recolha de informação e dados nos últimos dois anos, e aprenderam o grande valor de ter informação objectiva e classificada, a fim de tomarem melhores decisões.
Como resultado, tanto a quantidade como o valor dos dados subiram em flecha. De facto, 90% dos dados, a nível mundial, foram criados nos últimos dois anos. O aumento da implementação de dispositivos IdC tem sido uma das razões para este enorme crescimento, uma vez que cada vez mais dispositivos estão ligados e estão constantemente a recolher, analisar e partilhar informação. De facto, estima-se que até ao final de 2020 haverá mais de 50 milhões de dispositivos inteligentes conectados no mundo.
Nos próximos 5 anos, o volume global de dados disponíveis deverá crescer a uma taxa de 40% por ano, atingindo 175 zettabytes até 2025. A consideração dos dados como o activo mais crítico para uma empresa continua a crescer, mas apesar dos grandes investimentos feitos para gerir a crescente entrada de dados, a grande maioria das empresas ainda não consegue recuperar informações valiosas que lhes permitam tirar partido do potencial criado por todos esses dados.
A principal razão é a quantidade de dados que está constantemente a acumular e a crescer, e esta luta para recolher o máximo de dados possível faz com que os custos de infra-estrutura, armazenamento, processamento e análise aumentem enquanto a qualidade dessas análises diminui. De facto, a maioria das empresas apenas analisa 12% dos dados de que dispõe.
Esta grande acumulação de dados em armazéns e bases de dados é feita com a ideia fixa de que quanto mais dados tiver, melhor, mas esquecendo o facto de que quanto mais informação recolher mais ruído, dados redundantes e obsoletos haverá, e mais difícil será a análise.
Por todas estas razões, existe uma necessidade crescente de bom planeamento no processo de recolha de informação, criando uma série de estratégias para assegurar que os dados recolhidos serão utilizados, que são limpos e bem geridos, para maximizar o valor dessa informação e dos dados como um bem estratégico. Este é um dos princípios básicos do Minimalismo de Dados, ou em alguns contextos também chamado Dados Mínimos Viáveis (MVD), uma filosofia que as empresas devem considerar implementar.
O conceito de Data Minimalism
O Minimalismo de Dados surge numa altura em que as capacidades de Grandes Dados, Cloud Computing, processamento de dados e ferramentas analíticas estão em constante crescimento; e numa altura em que as empresas tentam gerar e armazenar o máximo de dados possível, quer precisem ou não.
Esta é uma nova filosofia que começa a permear as empresas, uma vez que ajuda a melhorar a tomada de decisões, e também melhora a qualidade e sustentabilidade dos sistemas. A chave para o Minimalismo de Dados é recolher apenas a informação de que necessita, para que possa maximizar o retorno dos investimentos que uma empresa faz em todas as ferramentas e plataformas analíticas, bem como implementar estratégias de recolha de dados que estejam alinhadas com os objectivos empresariais.
Com o Minimalismo de Dados há também necessidade de uma troca de dados padronizada, incluindo uma maior utilização de APIs abertas e novas soluções tecnológicas, tais como Inteligência Artificial ou Redes Neurais Profundas. Estas redes neuronais permitem aos fornecedores criar melhores ofertas individuais para os clientes utilizando menos dados, ou mesmo utilizando apenas os dados que os próprios clientes lhes permitem processar.
Por outro lado, ter um plano de Governação de Dados será fundamental para levar a cabo esta mudança de estratégia, uma vez que assegurará que a qualidade dos dados obtidos é cuidada, que todos os dados que são recolhidos e processados na organização estão dentro de um contexto específico (operacional, regulamentar, etc.), e com um objectivo sempre em mente.
Benefícios do Minimalismo de Dados
A implementação do Minimalismo de Dados pode ser um desafio, mas, ao mesmo tempo, muito benéfico para as empresas. A quantidade de dados que é registada todos os dias significa que as empresas não podem realmente diferenciar entre dados que têm valor e dados que não têm, tornando difícil tomar decisões, uma vez que a informação que foi recolhida pode não ter valor real.
Com o Minimalismo de Dados não seria este o caso, uma vez que primeiro são estabelecidos alguns objectivos e estratégias específicas, e como resultado os dados necessários são depois recolhidos e analisados. Esta filosofia pode trazer benefícios às empresas de muitas maneiras:
- Rentabilidade: Embora o armazenamento de dados seja relativamente barato, os custos computacionais aumentam consideravelmente à medida que uma grande quantidade de dados é introduzida e analisada. Estes custos podem ser directos, como o preço de ter armazenamento em nuvem; ou indirectos, como os custos de energia e tempo. Ambos podem ser minimizados através da redução do tamanho do conjunto de dados recebidos.
- Responsabilidade social e ambiental: Por um lado, todos aqueles dados que são transferidos desnecessariamente criam riscos de segurança e privacidade. Por outro lado, cada hora que a CPU gasta a processar dados redundantes causa constantemente uma utilização desnecessária de energia e, por conseguinte, transmissões desnecessárias de CO2.
- Maior e melhor qualidade do sistema: A crença generalizada de que a falta de dados é um sintoma de mau desempenho do sistema está errada, uma vez que dados redundantes e não-valorizáveis podem corromper o desempenho do sistema. Data Minimalism remove tais dados tóxicos da equação e concentra-se em dados que apenas fornecem valor e são benéficos para o sistema.
- Mais estabilidade: A utilização de grandes quantidades de dados requer técnicas de amostragem mais sofisticadas, e embora estes algoritmos mostrem frequentemente um bom e estável desempenho, por vezes a estabilidade não é desejada. Com o Minimalismo de Dados não há riscos, uma vez que ao recolher menos dados a amostragem é também menor e é sempre conseguida uma melhor estabilidade.
Como se pode ver, as vantagens de implementar uma filosofia de Minimalismo de Dados são importantes, embora possam ser resumidas no mais importante, que é recolher única e exclusivamente os dados que são realmente necessários para mitigar o tempo e dinheiro associados à manutenção dessa informação.
Isto foi ecoado por investigadores do Laboratório Nacional Lawrence Berkeley (Berkeley Lab) do Departamento de Energia que desenvolveram uma nova abordagem à aprendizagem com máquinas, com o objectivo de analisar imagens experimentais. Nos métodos convencionais, os modelos ML dependem de dezenas ou milhares de imagens. Para esta nova abordagem, foi desenvolvida uma “Rede Neural de Convolução Densa em Escala Mista (MS-D)” que exigia menos imagens para que o sistema aprendesse mais rapidamente. O sistema produziu imagens de alta resolução a uma velocidade superior.
Privacidade de dados
O Minimalismo de Dados é também uma resposta à privacidade e segurança de dados, bem como ao problema da GDPR. É portanto fundamental abordar os dados dos clientes, especialmente à luz da crescente regulamentação e preocupações sobre a privacidade e segurança dos seus dados. Este contexto está a criar a necessidade de as organizações recolherem apenas os dados necessários para oferecerem os seus produtos e serviços, e de serem transparentes com os seus clientes.
A confiança dos clientes nos dados está a tornar-se uma questão muito importante e primordial para a maioria das empresas, que devem garantir que apenas recolhem os dados necessários para conceber ou melhorar os seus produtos, e de uma forma transparente e fiável.
É isto que tem feito a diferença entre empresas nos últimos anos, uma vez que, por um lado, os utilizadores querem cada vez mais ter mais controlo sobre os seus dados, e, por outro lado, as empresas não recolhem os seus dados em massa, mas apenas recolhem os dados de que necessitam, e também especificam o que vão fazer com eles. Isto dá valor à empresa e aumenta a confiança dos utilizadores.
Por exemplo, com uma filosofia de Minimalismo de Dados e um sistema baseado em Blockchain, os utilizadores podem vender os seus próprios dados, conservar a propriedade dos mesmos e decidir se os partilham ou não com uma empresa. Por outro lado, a empresa pode solicitar o acesso a alguns dados específicos e utilizá-los para criar ou melhorar os seus serviços.
Conclusões
Os próximos anos serão dominados pelo Minimalismo de Dados que permite às empresas concentrarem-se nos dados de que realmente necessitam para proporcionar a melhor experiência ao cliente.
Fornecer menos dados significa que tanto o tempo como o dinheiro associado à manutenção da informação é menor, pois quanto mais informação for recolhida, mais dados a analisar e manter será também maior, aumentando grandemente a despesa. Portanto, a redução da quantidade de dados também reduz os custos de manutenção.
Por exemplo, um dos grandes problemas de um projecto de Inteligência Empresarial é a preparação dos dados, a quantidade e o estado dos dados tornam esta fase a mais cara. Com uma abordagem “menos dados, mais eficiência” é mais fácil reduzir os custos, assegurando simultaneamente a coerência e reduzindo o risco de exposição da informação
O Minimalismo de Dados torna possível tomar decisões de baixo custo e altamente eficazes utilizando um pequeno conjunto de dados, e isto muitas vezes não é totalmente compreendido. A crença de que os Grandes Dados e a recolha indiscriminada de dados podem fornecer uma grande quantidade de informação valiosa para uma empresa está completamente errada. As empresas, na grande maioria dos casos, não sabem o que fazer com tantos dados, e isto faz com que muitas das decisões que tomam sejam infundadas.
Com o Data Minimalism, as empresas seleccionam correctamente os dados de que realmente necessitam, tendo sempre em mente um objectivo específico, graças ao qual as empresas podem tomar decisões mais bem informadas, concentrar-se em garantir que os clientes tenham uma boa experiência, bem como ganhar a sua confiança, garantindo a segurança e privacidade dos seus dados, fornecendo informações transparentes e claras sobre os dados que recolhem, e o que fazem com eles.
