Retrospectiva 2020: Educação Digital e analítica é a chave para transformar a cultura do negócio

No webinar “Os dados são o petróleo da IoT” organizado pelo comitê de Dados e Analytics da Associação Brasileira de Internet das Coisas – ABINC, os palestrantes Josias Oliveira e Janete Ribeiro apresentam informações sobre o desafio do mundo dos negócios para desenvolver a cultura de dados, principalmente no setor  industrial com foco no mercado nacional.

A caminhada para desenvolver as soluções necessárias também é um desafio à parte. No mundo há mais de 7,7 bilhões de pessoas e 51,2% delas estão conectadas pela internet. O volume de dados dessa equação excede a capacidade de interpretação que temos hoje. Em 10 anos, a expectativa é que a população ultrapasse os 8 bilhões de pessoas e que todas estejam conectadas.

Em um mundo repleto de dados, as empresas que buscam a liderança do mercado terão que estar mais bem posicionadas para coletar as informações e analisá-las, para então organizar um bom histórico de dados, essenciais para tomada de decisão. No campo tecnológico as mudanças que estão acontecendo no mundo são irreversíveis, portanto, a educação digital e analítica é fundamental para transformar a cultura do negócio.

Segundo a Gartner, os 3 principais obstáculos para evoluir com uma cultura baseada em dados envolvem hardware, software e competências digitais e analíticas, sendo que o desenvolvimento de competência é o mais crítico. Portanto, antes de promover investimentos em alta tecnologia é preciso transformar a cultura digital e analítica do negócio, essencialmente.

Para prevalecer no mercado é preciso compreender o quão necessário é acompanhar as transformações organizacionais. Isso porque o Brasil tem perdido muitas posições no ranking global de competitividade do setor industrial. Em 2010 o país ocupou o 5º lugar, mas caiu para a 29ª posição em 2017. O país ainda não recuperou posições, e segundo Oliveira, é possível que as coisas não mudem nos próximos dois anos.

No webinar, Oliveira apresenta algumas medidas que as empresas devem adotar para melhorar a sua cultura digital e analítica, além de boas práticas organizacionais. Também são apresentados cases desenvolvidos para indústrias nacionais e para o setor de agronegócio. Além disso, a professora Janete Ribeiro fala sobre a gestão e ética dos dados e a LGPD – aprovada em setembro.

Caso você não tenha consigo participar da transmissão ao vivo, você pode assistir a gravação clicando aqui.

IoT e Leis de Privacidade

Os equipamentos inteligentes ou “Internet Of Things” como são conhecidos (IoTs) coletam dados o tempo todo.

Estes dispositivos são relógios (smart watchs), TVs (Smart TVs), aparelho de ar-condicionado, lâmpadas, chaves de automóveis ou casas, roupas, dentre outros.

Estamos cercados por eles em todos os lugares, todos mesmos, pois nos “toilletes” temos vasos sanitários inteligentes. E não estou falando dos confortáveis vasos sanitários de hotéis japoneses, com aquecedor etc. Foi desenvolvido pela Universidade de Stanford um dispositivo de análises clínicas que funcionará no vaso sanitário, permitindo que médicos possam acompanhar as análises clínicas dos pacientes no seu ambiente cotidiano, não mais através de exames laboratoriais semestrais ou anuais, enviados após sintomas graves. O Prof. Dr. Ganbhir que desenvolveu o algoritmo relata o seguinte:

“Há uma nova tecnologia de detecção de doenças no laboratório de Sanjiv “Sam” Gambhir, MD PhD, e sua principal fonte de dados é a número um. E número dois. É um banheiro inteligente. Mas não o tipo que levanta sua própria tampa em preparação para o uso; esse banheiro é equipado com tecnologia que pode detectar uma variedade de marcadores de doenças nas fezes e na urina, incluindo os de alguns tipos de câncer, como câncer colorretal ou urológico. O dispositivo pode ser particularmente atraente para indivíduos geneticamente predispostos a certas condições, como síndrome do intestino irritável, câncer de próstata ou insuficiência renal, e que desejam manter-se atualizados sobre sua saúde.”

Fonte: Stanford University – Smart toilet monitors for signs of disease

Como podem ver, os equipamentos inteligentes podem coletar dados das mais diversas fontes, e estes dados podem ter um propósito benéfico ou não.

O problema é exatamente este, se não sabemos o “propósito” da coleta da informação, como poderemos confiar?

É importante as empresas que desenvolvem seus projetos com IoTs, terem em mente que é necessário que todas partes envolvidas saibam quais informações estão sendo coletadas, para que serão utilizadas, e por quanto tempo serão armazenadas. Estes são os pontos chaves das leis de proteção de dados privados (GDPR europeia e LGPD no Brasil).

Uma vez que o “termo de consentimento de uso dos dados” seja claro, as leis não são um obstáculo para utilização das novas tecnologias.

Os cuidados com segurança da informação, quando trabalhados com IoTs, que coletam dados em tempo real, devem ser redobrados. Os perigos dos ataques cibernéticos a esses equipamentos podem ser gigantescos.

Uma arquitetura de dados prevendo uma camada de segurança que aplique algoritmos de predição e prescrição de reações mediante situações duvidosas, garantem sucesso contra ataques.

O uso de Inteligência Artificial para monitoramento do fluxo de dados coletados e recebidos dos equipamentos inteligentes tem sido utilizado com sucesso nas ferramentas de proteção de dados.

Algumas empresas como FICO (Fair Isaac Company) e ACI utilizam machine learning e IA nas suas soluções de segurança transacional, muito utilizadas por bancos e empresas de cartões de crédito.

Para pequenas empresas e para o cidadão comum, sugiro os seguintes cuidados para garantir a segurança dos seus dados e privacidade:

Fonte desconhecida

1) Evite usar Bluetooth

O Bluetooth é uma tecnologia sem fio para compartilhar dados a uma curta distância sem o uso da Internet. Vários dispositivos podem ser conectados ao mesmo tempo e sincronizar ou trocar informações. Ocorre que, não é 100% seguro, pois existem vários métodos projetados por hackers para Bluetooth.

2) Use uma senha forte

Aplique todas as regras que você conhece: use números, letras maiúsculas e minúsculas aleatórias e principalmente não use a mesma senha para todos os seus dispositivos.

3) Atualize seus dispositivos sempre que surgir uma nova versão

Pode ser cansativo, mas infelizmente, nenhum sistema é 100% seguro e os hackers são incansáveis na luta para decifrar o código ou passar pelo firewall de qualquer aplicativo. Sendo assim atualize seus equipamentos sempre, porém em uma rede segura (da sua casa ou empresa), nunca faça uma atualização em uma rede Wi-fi gratuita e aberta.

4) Instale e aplique uma VPN para proteção máxima

Uma das opções mais populares é recorrer aos provedores de redes privadas virtuais para seus serviços. As VPNs são extremamente práticas e úteis. Para quem não conhece, as VPNs criptografam seus dados, quando eles são transmitidos de um dispositivo para outro, e os possíveis invasores os veem como fluxos de caracteres incompreensíveis. Além disso, uma rede privada virtual pode mascarar seu endereço IP, tornando sua localização exata desconhecida. Ao ativar uma VPN no seu roteador Wi-Fi, você protege imediatamente todos os seus dispositivos IoT que estão na rede. Além disso, eles são compatíveis com a maioria dos dispositivos inteligentes, como roteadores, consoles de jogos, telefones celulares, TVs inteligentes e similares.

5) Não “Concorde” sem “LER” os termos

Você já fez isso tantas vezes que a frase quase perdeu o significado. Se puder, evite compartilhar suas informações pessoais nas mídias sociais. Por exemplo, evite fazer check-in em locais, pois esse é um sinal imediato e óbvio de que sua casa provavelmente está vazia por algum tempo. Além disso, suas informações pessoais podem acabar em sites diferentes, portanto, você deve ler as letras miúdas e proteger sua privacidade.

6) Crie sua solução IoT sobre a plataforma IoT compatível com GDPR e LGPD

Conforme comentei acima as regras de proteção de dados são muito simples no seu contexto geral, se os seus projetos seguirem princípios básicos de governança e controle você atenderá a ambas leis sem nenhum problema.

As regras de “ouro” são:

  • Proteja seus dados de visualizadores não autorizados (segurança, firewall, VPN);
  • Tenha documentado o processo de coleta, tratamento, armazenamento e destruição de dados (governança do ciclo de vida de dados);
  • Transparência (não use LETRAS MIUDAS ou FRASES COMPLICADAS para pegar a AUTORIZAÇÃO dos seus CLIENTES);

Aos usuários dos equipamentos inteligentes (smartphones, smart TVs, smart whach, etc), se não querem compartilhar suas informações, sigam os cuidados básicos de segurança digital, leia os termos de consentimento que todos os aplicativos pedem para você autorizar.

Tudo na vida tem seu preço”! Frase popular e antiguíssima, mas totalmente aplicável às tecnologias disruptivas.

Se queremos adotar IA para prevenir doenças e catástrofes, teremos que compartilhar cada vez mais informações, teremos cada vez menos privacidade, os interesses coletivos serão sempre sobrepostos aos interesses individuais.

Fontes: FICO, ACI, Comissão Europeia GDPR, Lei Geral de Proteção de Dados, Stanford University: Smart toilet monitors for signs of disease

Big Data & Analytics – Selecionando Dados

Que a metodologia de projetos de Ciência de Dados segue 8 etapas que vão e voltam de forma não linear vocês já sabem, correto?

Metodologia CRISP — DM

Analytics

Hoje vamos falar sobre a seleção de dados e os termos que navegam sobre ela (o primeiro artigo dessa série você pode ser aqui):

Selecionar Dados

Após entendermos o problema de negócios e entrarmos em acordo com o demandante do projeto sobre a ideia de solução que tivemos durante o processo de descoberta da etapa 1, vamos a busca dos dados que nos trarão as respostas para nossas perguntas.

Nesta fase começamos a levantar as fontes geradoras de “dados”, que podem ser os sistemas internos da empresa como um ERP (Enterprise Resource Planning), sistemas de Planejamento de Recursos Empresariais que interliga todos os dados e processos da organização em um único sistema. Podem vir de ferramentas de colaboração como e-mails, planilhas eletrônicas, intranet, portais internos. Mas também podem ser externos como bases de dados de e-mail marketing, redes sociais, pesquisas, vídeo, imagens, gravações de áudio, de equipamentos inteligentes (IoTs — Internet OThings) como ar-condicionado, tratores, automóveis etc.

Este emaranhado de dados pode ser dividido entre “Dados Estruturados” (aqueles que vem em bancos de dados relacionais, ou tabelas = SQL) ou “Dados Não Estruturados” (aqueles que são em formatos diversos como os vídeos, áudio, imagem, feed de redes sociais, log de equipamentos inteligentes = NoSQL).

Na etapa de seleção de dados sabemos a pergunta e vamos procurar nestas fontes as possíveis respostas. Por exemplo: se o problema identificado é entender o perfil do cliente da empresa, podemos encontra-lo nos sistemas internos da empresa (dados estruturados) mas também devemos buscar informações externas (dados não estruturados) de redes sociais, do comportamento do cliente na loja, capturado pelas câmeras de segurança, etc.

Aprendemos aqui o que são os tais “Dados estruturados e não estruturados” ok? Agora vamos falar sobre outros termos muito utilizados na área e que são básicos desta etapa de projeto, como o “Data Scraping”. O “Data Scraping” é uma aplicação para varredura de sites, aplicativos com o intuito de coletar dados de acordo com o interesse do nosso “problema de negócios”. Os resultados desta coleta de dados serão, minerados e estruturados em um formato padrão como CSV, XML ou JSON, para que possam ser utilizados depois.

Outro termo muito utilizado é o “Data ingestion”, ou ingestão de dados. Assim como a coleta do “Data Scraping”, das bases dos “ERPs”, vídeos, imagens, áudios que a empresa tenha a respeito do problema de negócios a ser resolvido, tudo isso só terá valor se estiver unido em um único lugar, separados não conseguiremos ver as correlações dessas informações certo?

Aí surge a necessidade de colocar tudo em um mesmo lugar “fazer a ingestão de dados” neste lugar centralizado, que é o conceito de Data Lake” ou Lago de Dados”.

Conforme na figura abaixo a ideia de centralizar todos os dados referentes ao estudo que faremos é com o intuito de termos a “visão 360° graus” (360° View) do problema alvo:

Analytics

A ideia de coletar dados de diversas fontes, em diversos formatos e armazená-los em um único ambiente é para permitir que possamos desenvolver as “experiências” da “Ciência de Dados” em um ambiente controlado.

Analytics

Onde ele possa ver com clareza quais são as fontes que se complementam, quantas mais seriam necessárias para compor uma visão ampla do alvo do estudo.

Os dados que são “ingeridos” (Data Ingestion) são considerados “Dados Brutos” (Raw Data), para que possamos iniciar o trabalho de análise de dados, precisamos “explorar os dados” (Data Exploration Analysis).

Nesta etapa o cientista de dados utilizará seus conhecimentos da área de negócios que atua, seus conhecimentos de ferramentas técnicas para manipulação de dados, como linguagem de programação SQL, NoSQL, Phyton, R, Java, infraestrutura de nuvem (Cloud computing) e métodos estatísticos como a “análise descritiva”, que consiste em validar o conteúdo das diferentes repositórios de dados e suas características “quantitativas” e “qualitativas”. A análise descritiva em termos estatísticos tem como principal objetivo resumir, sumarizar e explorar o comportamento dos dados. Após esta análise conseguiremos avaliar se já possuímos informação suficiente para começar o trabalho de resolução do problema de negócios ou se precisaremos buscar mais fontes de dados para complementar informações que não tenhamos identificado em quantidade significativa para tirarmos alguma conclusão técnica.

Esta etapa é longa e exige muito conhecimento técnico de ferramentas de manipulação de dados bem como de entendimento de método de pesquisa estatística.

É importante nesta etapa definirmos um volume mínimo que contenha o máximo de informação para a análise correta do “problema”, por isso é nesta etapa que definimos qual seria o “MVD” (Minimal Viable Data) para que possamos fazer a validação do nosso “MVP” (Minimal Viable Product) final. Para seleção desta amostra ideal existem métodos estatísticos adequados de acordo com o tipo de análise que será realizada.

As metodologias probabilísticas como “Amostra Aleatória simples, Amostra Sistemática, Amostra Estratificada Amostra por Conglomerado”, são algumas das mais utilizadas. Mas como disse, para cada tipo de problema uma metodologia será a mais indicada.

Como podem ver, mais uma vez discorremos por vários termos da área de ciências de dados que quando ditos soltos por aí, complicam a aprendizagem de quem está iniciando nesta área, mas quando colocamos os termos dentro das suas funcionalidades, fica bem mais fácil de compreender não?

Na próxima semana vamos falar sobre a etapa 3 de “Exploração dos Dados” (Exploratory Data Analysis — EDA)Fonte: Ribeiro, Janete: Pesquisa de Marketing, Editora SENAC – Série Universitária, São Paulo

A Internet das Coisas coleta dados para tornar as máquinas cada vez mais inteligentes

São Paulo (SP) – Em um vídeo, um dançarino e um robô conectado a internet performam um número de dança, onde sensores instalados na máquina identificam os movimentos humanos e interagem de forma harmônica. Esta foi a analogia utilizada por Sudha Jamthe, CEO na IoT Disruptions e Professora na Stanford University, para abrir a palestra “Global IoT Disruptions for the Connected World”, apresentada no primeiro dia do Abinc Summit – Conexão IOT, primeiro congresso realizado pela Associação Brasileira de Internet das Coisas (ABINC) para fomentar o avanço da aplicação da tecnologia na economia brasileira.

Segundo Sudha, a Internet das Coisas (IOT) torna as coisas comuns ao nosso redor mais inteligentes: “O grande volume de dados coletados podem ser processados para definir a inteligência humana, o que nos faz questionar o que é artificial sobre a I.A.”, destaca.

O aprendizado da máquina aplicado às coisas inteligentes modificam a interface homem-máquina, logo, se a inteligência humana puder ser replicada e a experiência humana puder ser profundamente aprendida por meio dos dados coletados, a barreira entre o homem e a máquina começará a desmoronar: “Os dispositivos de IoT estão sentindo nossos ambientes com computação gestual, sentindo nossas emoções com computação afetiva e personalizando nossas experiências com computação de reconhecimento, com isso, estamos ajudando as máquinas a desenvolverem autoconsciência com personalidade e opiniões, para se tornarem nossas amigas, parceiras e até mesmo parte de nossas famílias”.

Com todas essas possibilidades, os dados gerados pelos dispositivos conectados à internet fortalece a construção de uma inteligência artificial cada vez mais assertiva e personalizada. Com isso é possível gerar inúmeras aplicações, como a tomada de decisões, em tempo real, sobre o andamento de um ciclo produtivo na indústria, por exemplo, ou a realizar uma previsão de demanda e até mesmo em negócios B2B.

“A mobilidade da informação é o grande trunfo da IOT. Ela leva a uma inteligência cada vez maior na administração de cidades, nos transportes, formas de pagamentos e diversas outras aplicações feitas para tornar o dia a dia mais prático, ágil e eficiente. Toda informação coletada é de grande valia para ajudar as empresas a entenderem as necessidades de seus consumidores para, a partir daí, inovarem na elaboração de seus produtos e serviços”, conclui.

Sobre Sudha Jamthe

Sudha Jamthe é a CEO da IoTDisruptions.com e uma empreendedora globalmente reconhecida, uma líder de negócios com vinte anos de experiência em transformação digital de organizações, moldando novos ecossistemas tecnológicos e orientando líderes do eBay, PayPal, Harcourt e GTE.

Ela é autora de três livros sobre IoT, ‘IoT Disruptions’, ‘IoT Disruptions 2020’ e ‘The Internet of Things Business Primer’ e o recente livro ‘2030 The Driverless World’ sobre a junção de carros autônomos e a IoT Cognitiva. Ela leciona o primeiro curso de IoT Business na Stanford Continuing Education School, é produtora do “The IoT Show” no YouTube, uma defensora dos programas STEM e ‘Girls Who Code’, e organiza programas de mentoria para crianças em Devcamps e Hackathons.

Ela tem sido uma mentora de investimentos de risco do MIT e como uma respeitada futurista de tecnologia, ela contribui ativamente para os sites TechCrunch, Mashable, GigaOm, VentureBeat e colunista no HuffingtonPost. Ela atua como presidente do conselho estratégico da Escola de Tecnologia de Barcelona. Ela tem um MBA da Universidade de Boston.

Sobre a ABINC

A ABINC, Associação Brasileira de Internet das Coisas (http://www.abinc.org.br), foi fundada em dezembro de 2015 como uma organização sem fins lucrativos, por executivos e empreendedores do mercado de TI e Telecom. A ideia nasceu da necessidade de se criar uma entidade que fosse legítima e representativa, de âmbito nacional, e que permitisse a atuação em todas as frentes do setor de Internet das Coisas. A ABINC tem como objetivo incentivar a troca de informações e fomentar a atividade comercial entre associados; promover atividade de pesquisa e desenvolvimento; atuar junto às autoridades governamentais envolvidas no âmbito da Internet das Coisas e representar e fazer as parcerias internacionais com entidades do setor.

Associado da ABINC tem como benefícios:

+ Preços promocionais nos eventos da associação;

+ Ter acesso às demandas e necessidades de IOT do mercado (empresas e governo);

+ Networking com todo o ecossistema de IOT ABINC;

+ Ter seus casos de sucesso em IOT divulgados para todo o mercado.

Quanto maior for a nossa comunidade, mais forte e representativo será o nosso setor. Participe!

Clique aqui e saiba mais.

Para mais informações, entrevistas e/ou ajuda com pautas sobre IoT, entre em contato:
Assessoria de Imprensa – Motim.cc
Bruno Lino – [email protected] – (11) 98596-8063
Silas Colombo – [email protected] – (11) 97442-4298

O negócio de dados sobre os veículos autônomos

Por Sudha Jamthe
CEO na IoTDisruptions, Professora na Stanford CS e Instrutora de IoT

O caminho para os veículos autônomos é através dos veículos conectados, compartilhados e elétricos, porque um carro precisa estar conectado para compartilhar dados sobre o que vê na estrada, carregar-se e construir um modelo de negócios para compensar o custo adicional de se tornar autônomo.

O que são os dados sobre os carros?

Os dados sobre os carros têm muitas formas:

  • Os dados de cognição dos carros, que são usados para construir os modelos de aprendizagem profunda que os carros usam para dirigir de forma autônoma.
  • A IA (inteligência artificial) nos carros cria a experiência no automóvel com realidade aumentada, realidade virtual e voz.
  • Os dados sobre os dados vêm sob a forma de três gêmeos digitais: um é sobre as peças do carro e como estão se desempenhando; isso ajudará a prever recalls ou rastrear a cadeia de suprimentos das peças do carro para entender os comportamentos de uso e poder fornecer informações sobre o desenvolvimento do produto. O segundo gêmeo digital é sobre o ambiente onde está o carro, e o terceiro gêmeo digital é sobre o padrão de comportamento do cliente.
  • Dados externos, como de veículos para veículos (V2V) e de veículos para tudo (V2X), trazem dados sobre outros carros, sobre a infraestrutura rodoviária, sobre os semáforos e sobre as garagens de estacionamento para dentro do carro. Isso ajuda o carro a criar seus planos de serviço, ou decidir onde estacionar com base na disponibilidade de garagens de estacionamento. O V2V ajudará a manter as estradas seguras.
  • Outro conjunto de dados externos é o dos dados inteligentes sobre mobilidade. Estes são os dados coletados pelas cidades sobre veículos multimodais e seu uso para veículos de mobilidade compartilhada. Isso pode ajudar a criar serviços de mobilidade para bairros específicos.

Qual é o negócio dos dados sobre os veículos autônomos?

Existem modelos de negócios lucrativos baseados na desintermediação de dados sobre o fluxo de dados de carros na cadeia de valor. Por exemplo, os carros sabem onde o piloto está em um determinado momento e sabem o que a pessoa fez no carro usando a experiência de dentro do carro. Esses dados podem ser compartilhados através da cadeia de valor dos seguros, no caso de um acidente.

Existem centenas de empresas esperando para serem construídas, o que causará a disrupção de muitos ramos de atividades, esperando que seus dados sejam aproveitados de forma segura, inclusiva e escalável. A verdadeira oportunidade para os inovadores está nos modelos de negócios que serão desenvolvidos através da criação de desintermediação usando dados.

Como você pode aprender sobre o negócio de dados sobre os veículos autônomos?

O tópico do negócio de dados sobre veículos autônomos inclui:

  • Aprender sobre o que são dados sobre veículos autônomos e como eles poderão ser usados em um ambiente de negócios.
  • IA nos carros.
  • Gêmeos digitais nos carros
  • Dados V2V ou V2X
  • Dados sobre cognição dos carros
  • Os modelos de negócios de dados sobre os veículos autônomos e as melhores práticas do setor
  • A desintermediação dos dados
  • A democratização dos dados usando blockchain
  • Modelos de serviços e mais
  • Tecnologia dos dados
  • Privacidade por design
  • Dados analíticos no limite

Associado da ABINC tem como benefícios:

+ Preços promocionais nos eventos da associação;

+ Ter acesso às demandas e necessidades de IOT do mercado (empresas e governo);

+ Networking com todo o ecossistema de IOT ABINC;

+ Ter seus casos de sucesso em IOT divulgados para todo o mercado.

Quanto maior for a nossa comunidade, mais forte e representativo será o nosso setor. Participe!

Clique aqui e saiba mais.

Fonte: TechTarget